[發(fā)明專利]基于多目標路徑規(guī)劃與智能拾取的機器人控制方法

在審

• 申請?zhí)枺?/td>: 202210458421.3
• 申請日: 2022-04-28
• 公開（公告）號: CN114879669A
• 公開（公告）日: 2022-08-09
• 發(fā)明（設計）人: 張文勇;夏大文;常國艷;馮夫健;陳艷;李云松;耿建;白德偉;申冰琪
• 申請（專利權）人: 貴州民族大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 西安方諾專利代理事務所(普通合伙) 61285
• 代理人: 李思瓊

本發(fā)明公開了一種基于多目標路徑規(guī)劃與智能拾取的機器人控制方法，針對目標之間實際距離計算問題提出了基于兩點像素坐標計算實際距離的方法，首先將像素坐標轉換為實際坐標，然后利用兩點間距離公式計算實際距離；針對多目標路徑規(guī)劃問題，提出了一種同時考慮旋轉角度和目標實際距離的蟻群優(yōu)化算法，使用實際距離作為選擇概率參數(shù)進行路徑規(guī)劃，以此獲得機器人拾取目標的最優(yōu)路徑；針對目標拾取問題，提出了雙攝像頭智能拾取方法，機器人用于拾取目標，定位方法用于機器人的實時定位，雙攝像頭導航方法用于引導機器人到達待拾取目標處。本發(fā)明中的機器人控制方法能夠提升機器人路徑規(guī)劃能力，使路徑規(guī)劃結果滿足機器人拾取路徑最優(yōu)。

技術領域

本發(fā)明涉及機器人控制技術領域，尤其涉及基于多目標路徑規(guī)劃與智能拾取的機器人控制方法。

背景技術

隨著人工智能的發(fā)展，機器人在工業(yè)和日常生活中扮演著越來越重要的角色，在機器人多目標拾取任務中，更好的路徑規(guī)劃效果和高效的拾取方法已成為當前研究熱點問題。一般情況下，多目標路徑規(guī)劃可考慮為旅行商(TSP)問題，解決TSP問題的方法可分為經(jīng)典方法和啟發(fā)式方法，經(jīng)典方法包括：回溯法、分支定界法、動態(tài)規(guī)劃法、貪心算法、柵格法等；經(jīng)典方法的時間復雜度和空間復雜度隨目標數(shù)目的增加而急劇增大，計算成本呈指數(shù)級上升，同時遇到不確定因素時，算法容易失效。啟發(fā)式方法包括：模擬退火法、神經(jīng)網(wǎng)絡算法、遺傳算法、蟻群算法等，模擬退火法具有較強的局部搜索能力，但全局搜索能力較差；神經(jīng)網(wǎng)絡算法在目標規(guī)模較大時易于收斂到局部最小解；遺傳算法局部搜索能力較差，易于早熟；蟻群算法具有并行性、正反饋性和魯棒性的優(yōu)點，求解多目標路徑規(guī)劃問題具有較大優(yōu)勢，算法求解問題時，在解空間中同時構建多個解，并行求解能力強，算法通過信息素引導螞蟻選擇路徑，信息素越強，螞蟻通過的可能性越大，通過的螞蟻越多，路徑上的信息素越強，以此形成正反饋，算法運行結束后，從解空間中選擇最優(yōu)解作為輸出，因此，不會因為某個解較差而使算法失效，具有較強的魯棒性。

基于蟻群算法以上優(yōu)點，越來越多的學者不斷改進蟻群算法，使其能夠更好的運用到機器人多目標路徑規(guī)劃中；Zhen等人使用交叉操作，改善算法停滯問題，提高了蟻群算法的優(yōu)化能力；Li等人通過優(yōu)化初始信息素的分布，加快了蟻群算法的搜索速度；Liao等人使用密度峰值聚類算法將旅行商問題分解成規(guī)模較小的子問題，每個子問題采用蟻群算法進行路徑規(guī)劃，從而能夠解決目標數(shù)量較多的問題；Yu等人提出了一種粒子群優(yōu)化算法和蟻群算法組成的融合算法，通過賦予蟻群一定的“粒子性質”來獲得最佳效果；Paniri等人提出一種新的蟻群優(yōu)化方法用于解決多標簽相關性-冗余特征選擇問題，該方法通過引入有監(jiān)督的啟發(fā)式函數(shù)，加快了算法的收斂速度；yang等人提出了一種雙層蟻群路徑優(yōu)化算法，首先通過并行精英蟻群算法生成初始路徑，然后使用轉折點算法和路段平滑算法對分路徑進行平滑處理，得到機器人運動最優(yōu)路徑。以上例子中，由于作者只考慮目標距離的路徑規(guī)劃，得到的只是最短路徑，然而，在機器人拾取多目標中，機器人除了直行拾取目標外，還需要旋轉一定角度對準目標，因此，只考慮目標距離的路徑規(guī)劃并不能得到機器人拾取目標的最優(yōu)路徑。

發(fā)明內容

針對上述存在的問題，本發(fā)明旨在提供一種基于多目標路徑規(guī)劃與智能拾取的機器人控制方法，該方法能夠提升機器人路徑規(guī)劃能力，使路徑規(guī)劃結果滿足機器人拾取路徑最優(yōu)。

為了實現(xiàn)上述目的，本發(fā)明所采用的技術方案如下：

基于多目標路徑規(guī)劃與智能拾取的機器人控制方法，其特征在于，包括以下步驟，

S1：建立機器人拾取所有目標的最優(yōu)路徑數(shù)學模型；

S2：利用同時考慮旋轉角度和目標實際距離的蟻群優(yōu)化算法，對步驟S1中建立的最優(yōu)路徑數(shù)學模型進行求解，得到最優(yōu)路徑；

S3：利用雙攝像頭智能拾取方法，引導機器人進行目標拾取。

進一步的，步驟S1的具體操作包括以下步驟，