[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

本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法，方法包括機(jī)器人接收目標(biāo)點(diǎn)信息和全局路徑信息；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；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；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)行處理等步驟。優(yōu)點(diǎn)在于：本申請(qǐng)中的機(jī)器人具有視覺(jué)傳感器，可通過(guò)目標(biāo)檢測(cè)模塊生成環(huán)境三維信息；同時(shí)根據(jù)環(huán)境三維信息確定機(jī)器人能否通過(guò)障礙物，在分析能否通過(guò)時(shí)使用基于神經(jīng)網(wǎng)絡(luò)模型并采用訓(xùn)練數(shù)據(jù)訓(xùn)練而成的障礙物分析模型，使得分析結(jié)果更加精確，最終生成最優(yōu)路徑。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器人技術(shù)領(lǐng)域，尤其涉及基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法。

背景技術(shù)

目前，自動(dòng)化技術(shù)快速發(fā)展，該領(lǐng)域中的機(jī)器人系統(tǒng)是由機(jī)器人和周邊設(shè)備與工具組成的自動(dòng)化作業(yè)系統(tǒng)，而機(jī)器人在自動(dòng)化作業(yè)過(guò)程中不可避免的需要在多個(gè)工位之間進(jìn)行移動(dòng)，現(xiàn)有技術(shù)中機(jī)器人的移動(dòng)多為完全按照設(shè)定路徑進(jìn)行移動(dòng)，從而導(dǎo)致無(wú)法針對(duì)不同工況進(jìn)行適應(yīng)性變化。

故此本申請(qǐng)?zhí)岢隽艘环N可針對(duì)不同工況下，移動(dòng)路徑上存在障礙物時(shí)可自動(dòng)進(jìn)行路徑規(guī)劃的基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中的問(wèn)題，而提出的基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法，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。

在上述的基于深度學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃方法中，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)；