[發(fā)明專利]基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110671845.3
• 申請(qǐng)日: 2021-06-17
• 公開(kāi)（公告）號(hào): CN113359738A
• 公開(kāi)（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: 王福杰;李超凡;秦毅;任斌;郭芳;胡耀華;姚智偉
• 申請(qǐng)（專利權(quán)）人: 東莞理工學(xué)院
• 主分類號(hào): G05D1/02
• 分類號(hào): G05D1/02
• 代理公司: 北京欣鼎專利代理事務(wù)所(普通合伙) 11834
• 代理人: 王陽(yáng)虹

1.基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法，其特征在于，包括以下步驟：

S1、機(jī)器人接收目標(biāo)點(diǎn)信息和全局路徑信息，機(jī)器人生成初始路徑；機(jī)器人通過(guò)視覺(jué)傳感器獲取移動(dòng)機(jī)器人機(jī)身前進(jìn)方向上的環(huán)境信息，所述視覺(jué)傳感器設(shè)置在所述移動(dòng)機(jī)器人機(jī)身上；

S2、通過(guò)目標(biāo)檢測(cè)模塊對(duì)環(huán)境信息進(jìn)行目標(biāo)檢測(cè)運(yùn)算并判斷路徑有效性，通過(guò)設(shè)置選擇是否需要障礙物檢測(cè)運(yùn)算，判斷是否連接到數(shù)據(jù)傳輸模塊，當(dāng)連接上時(shí)則開(kāi)始接收視覺(jué)傳感器輸出的視頻數(shù)據(jù)，然后判斷是否需要進(jìn)行障礙物檢測(cè)運(yùn)算，當(dāng)不需要障礙物檢測(cè)時(shí)則直接顯示視頻數(shù)據(jù)，當(dāng)需要?jiǎng)t開(kāi)始進(jìn)行障礙物檢測(cè)運(yùn)算，將運(yùn)算結(jié)果標(biāo)記在視頻數(shù)據(jù)上并顯示，同時(shí)生成環(huán)境三維信息；

S3、根據(jù)所述環(huán)境三維信息對(duì)移動(dòng)機(jī)器人機(jī)身前進(jìn)方向進(jìn)行通過(guò)性判斷，確定所述機(jī)器人不能通過(guò)的障礙物，若能通過(guò)則原路徑不變；若不能則計(jì)算機(jī)器人繞過(guò)障礙物的最優(yōu)路徑，計(jì)算出對(duì)應(yīng)障礙物的最優(yōu)路徑并替換初始路徑；

S4、將障礙物對(duì)應(yīng)的環(huán)形三維信息輸入預(yù)設(shè)的障礙物分析模型中進(jìn)行處理，從而得到所述障礙物分析模型輸出的分析結(jié)果；其中，所述分析結(jié)果為可通過(guò)型障礙物或者不可通過(guò)型障礙物，所述障礙物分析模型基于神經(jīng)網(wǎng)絡(luò)模型并采用訓(xùn)練數(shù)據(jù)訓(xùn)練而成，所述訓(xùn)練數(shù)據(jù)由訓(xùn)練用信號(hào)序列和與所述訓(xùn)練用信號(hào)序列對(duì)應(yīng)的人工標(biāo)注所構(gòu)成；

S5、依次檢測(cè)路徑上的障礙物信息，以得到完整、可完全通過(guò)的路徑信息，即為規(guī)劃后路線。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法，其特征在于，將所述環(huán)境三維信息輸入預(yù)設(shè)的障礙物分析模型中進(jìn)行處理，從而得到所述障礙物分析模型輸出的分析結(jié)果；其中，所述分析結(jié)果為可通過(guò)型障礙物或者不可通過(guò)型障礙物，所述障礙物分析模型基于神經(jīng)網(wǎng)絡(luò)模型并采用訓(xùn)練數(shù)據(jù)訓(xùn)練而成，所述訓(xùn)練數(shù)據(jù)由訓(xùn)練用信號(hào)序列和與所述訓(xùn)練用信號(hào)序列對(duì)應(yīng)的人工標(biāo)注所構(gòu)成的步驟S4之前，包括：

S3-1、從預(yù)設(shè)的樣本數(shù)據(jù)庫(kù)中調(diào)取指定數(shù)據(jù)的樣本數(shù)據(jù)以構(gòu)成樣本集，再根據(jù)預(yù)設(shè)比例將所述樣本集劃分為訓(xùn)練集和驗(yàn)證集；其中，所述樣本數(shù)據(jù)由預(yù)先收集的信號(hào)序列和與所述預(yù)先收集的信號(hào)序列對(duì)應(yīng)的人工標(biāo)注所構(gòu)成；

S3-2、調(diào)取預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，并將所述訓(xùn)練集輸入所述神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，從而得到初步神經(jīng)網(wǎng)絡(luò)模型；

S3-3、利用所述驗(yàn)證集對(duì)所述初步神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證處理，以得到驗(yàn)證結(jié)果；

S3-4、判斷所述驗(yàn)證結(jié)果是否為驗(yàn)證通過(guò)；

S3-5、若所述驗(yàn)證結(jié)果為驗(yàn)證通過(guò)，則將所述初步神經(jīng)網(wǎng)絡(luò)模型記為障礙物分析模型。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法，其特征在于，所述視覺(jué)傳感器直接獲取機(jī)器人前方的視頻信息，目標(biāo)檢測(cè)模塊獲取視頻信息后截取多組相鄰幀作為判定圖片；將多張不同角度照明的判定圖片合成一張tiff格式的圖片，使障礙物的輪廓特征更加明顯；再應(yīng)用深度學(xué)習(xí)方法，訓(xùn)練出障礙物模型，檢測(cè)圖像中的障礙物輪廓；

圖像合成后，采用目標(biāo)檢測(cè)算法，將合成的圖像加載進(jìn)預(yù)先設(shè)置好的網(wǎng)絡(luò)框架中進(jìn)行訓(xùn)練；將多組判定圖片所計(jì)算出的障礙物輪廓進(jìn)行三維匹配，形成障礙物三維信息。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法，其特征在于，將判定圖片細(xì)節(jié)輪廓tiff格式圖片的灰度值由0-1映射到0-255，得到png格式圖片；將采集的所有圖片分類，按7：3的比例分為訓(xùn)練集和測(cè)試集兩部分，對(duì)訓(xùn)練集進(jìn)行人工標(biāo)注，標(biāo)簽按缺陷類型分類；標(biāo)注完成后，將標(biāo)注好的圖片導(dǎo)入到目標(biāo)檢測(cè)算法中進(jìn)行訓(xùn)練，訓(xùn)練完成后，得到訓(xùn)練模型。

5.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法，其特征在于，根據(jù)障礙物三維信息對(duì)機(jī)器人機(jī)身前進(jìn)方向進(jìn)行通過(guò)性判斷，確定所述機(jī)器人不能通過(guò)的障礙物包括：

根據(jù)所述環(huán)境三維信息中每個(gè)信息單元的位置信息求出法矢信息并分割出地平面；計(jì)算所述環(huán)境三維信息中每個(gè)信息單元相對(duì)所述地平面的高度及高度的梯度；根據(jù)計(jì)算的高度及高度的梯度對(duì)所述機(jī)器人機(jī)身前進(jìn)方向進(jìn)行通過(guò)性判斷，確定所述機(jī)器人不能通過(guò)的障礙物。