[發(fā)明專利]室外自主移動(dòng)機(jī)器人連續(xù)軌跡生成方法、系統(tǒng)、介質(zhì)及設(shè)備

在審

• 申請?zhí)枺?/td>: 202310490781.6
• 申請日: 2023-05-04
• 公開（公告）號: CN116578088A
• 公開（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 王越;王云凱;張冬堃;熊蓉
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 傅朝棟;張法高

本發(fā)明公開了一種室外自主移動(dòng)機(jī)器人連續(xù)軌跡生成方法，屬于機(jī)器人智能控制領(lǐng)域。本發(fā)明首先利用多幀激光雷達(dá)點(diǎn)云，利用神經(jīng)網(wǎng)絡(luò)提取點(diǎn)云中的障礙物信息，用于學(xué)習(xí)生成避障軌跡；其次，利用定位和離線規(guī)劃好的地圖生成當(dāng)前局部拓?fù)涞貓D，利用神經(jīng)網(wǎng)絡(luò)提取駕駛意圖，用于在路口等情況下生成正確駕駛意圖的軌跡；上述特征融合后，根據(jù)機(jī)器人當(dāng)前動(dòng)力學(xué)參數(shù)，利用軌跡生成網(wǎng)絡(luò)生成軌跡參數(shù)，最后結(jié)合查詢時(shí)間序列得到完整軌跡。本發(fā)明提出的方法基于數(shù)據(jù)驅(qū)動(dòng)生產(chǎn)軌跡，且相對于傳統(tǒng)軌跡生成方法而言，所生成的軌跡更加光滑，精度更高。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器人智能控制領(lǐng)域，尤其涉及一種室外自主移動(dòng)機(jī)器人連續(xù)軌跡生成方法。

背景技術(shù)

室外自主移動(dòng)機(jī)器人是近年來熱門的研究方向，隨之帶來的無人車貨物配送、無人駕駛等應(yīng)用，可以極大地降低人力成本，減少交通事故的發(fā)生，提高人們生活質(zhì)量。在室外自主移動(dòng)機(jī)器人系統(tǒng)中，機(jī)器人需要感知和理解環(huán)境，并利用這些信息進(jìn)行決策規(guī)劃，生成安全可行的運(yùn)動(dòng)軌跡，最后利用控制器得到機(jī)器人控制指令輸出。然而，由于環(huán)境復(fù)雜性、時(shí)變性、動(dòng)態(tài)性等因素，室外自主移動(dòng)機(jī)器人系統(tǒng)面臨許多挑戰(zhàn)。

目前實(shí)現(xiàn)室外自主移動(dòng)的主流方法包括傳統(tǒng)方法和深度學(xué)習(xí)方法。傳統(tǒng)算法解決方案需要涉及建圖、定位、規(guī)劃決策、控制等多個(gè)模塊，每個(gè)模塊需要大量的人工設(shè)計(jì)、調(diào)參，并且很難適應(yīng)多個(gè)復(fù)雜變換的環(huán)境。傳統(tǒng)算法的多模塊流水線結(jié)構(gòu)還會帶來累積誤差，從而導(dǎo)致算法執(zhí)行錯(cuò)誤的決策。基于規(guī)則的駕駛決策設(shè)計(jì)也很難窮舉遇到的所有情況。近幾年蓬勃發(fā)展的深度學(xué)習(xí)方法可以將感知、規(guī)劃、控制等過程集成起來，利用數(shù)據(jù)驅(qū)動(dòng)模型的訓(xùn)練，使得該方法擁有更強(qiáng)的泛化能力和智能性，也成為未來研究的重點(diǎn)。研究者們首先提出來的端到端控制方法，即學(xué)習(xí)從傳感器原始數(shù)據(jù)到控制輸入的映射。端到端學(xué)習(xí)的方法雖然能實(shí)現(xiàn)一些簡單的駕駛?cè)蝿?wù)，但是通常模型可解釋性差、泛化能力差，因此，目前研究者提出的很多基于學(xué)習(xí)的駕駛方法是模塊化設(shè)計(jì)的。然而，利用基于學(xué)習(xí)的方法同時(shí)學(xué)習(xí)耦合的環(huán)境信息、駕駛意圖和系統(tǒng)動(dòng)態(tài)性從而實(shí)現(xiàn)人類級別的駕駛能力依然存在許多挑戰(zhàn)。

基于學(xué)習(xí)方法的視覺導(dǎo)航和規(guī)劃主要難點(diǎn)在于，既要考慮環(huán)境的感知，包括在有遮擋情況、不同光照、不同季節(jié)下的靜態(tài)和動(dòng)態(tài)障礙物的感知，又要考慮自身與其他智能體的交互，包括保持一定的安全距離和特定的社交規(guī)則，還要考慮自動(dòng)運(yùn)動(dòng)的動(dòng)態(tài)特性，規(guī)劃出合理可行的運(yùn)動(dòng)軌跡。目前主流的基于學(xué)習(xí)的軌跡生成方法，大多得到的是離散軌跡，并且模型忽略了位置、速度、朝向等物理量之間的內(nèi)在聯(lián)系，從而使得控制精度降低或者模型輸出維度提高。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決現(xiàn)有技術(shù)中移動(dòng)機(jī)器人生產(chǎn)連續(xù)軌跡存在的問題，并提供一種室外自主移動(dòng)機(jī)器人連續(xù)軌跡生成方法，使室外自主移動(dòng)機(jī)器人能夠根據(jù)感知實(shí)現(xiàn)端到端軌跡生成。

本發(fā)明所采用的具體技術(shù)方案如下：

第一方面，本發(fā)明提供了一種室外自主移動(dòng)機(jī)器人連續(xù)軌跡生成方法，其包括：

S1：針對機(jī)器人移動(dòng)過程中獲取的多幀激光雷達(dá)點(diǎn)云，將每幀激光雷達(dá)點(diǎn)云三維柵格化為多通道的灰度圖，并通過柵格值記錄柵格內(nèi)是否存在障礙物；利用第一卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取每張灰度圖的特征，再將所有灰度圖的特征按序拼接后輸入到循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)中，提取點(diǎn)云特征；

S2：利用機(jī)器人自身定位和離線規(guī)劃好的拓?fù)涞貓D生成以機(jī)器人當(dāng)前位置為中心的當(dāng)前局部拓?fù)涞貓D，并將當(dāng)前局部拓?fù)涞貓D輸入第二卷積神經(jīng)網(wǎng)絡(luò)中，提取地圖特征；

S3：將所述點(diǎn)云特征和所述地圖特征進(jìn)行拼接，并輸入全連接網(wǎng)絡(luò)中進(jìn)行融合，得到軌跡特征；

S4：將機(jī)器人的動(dòng)力學(xué)參數(shù)與所述軌跡特征進(jìn)行拼接后，輸入由多層全連接網(wǎng)絡(luò)組成的軌跡生成網(wǎng)絡(luò)中，生成軌跡方程的參數(shù)，再結(jié)合查詢時(shí)間序列生成完整軌跡。

作為上述第一方面的優(yōu)選，所述S1中，將每幀激光雷達(dá)點(diǎn)云三維柵格化為多通道的灰度圖的方法為：