[发明专利]一种实时数据融合的移动机器人栅格地图创建方法

权利要求书

1.一种实时数据融合的移动机器人栅格地图创建方法，其特征在于，包括以下步骤：

1)将局部栅格地图坐标(i，j)初始化，并通过移动机器人上的多个传感器获取的障碍物与移动机器人之间的距离值；

2)将所述的距离值中的数值最小的3个距离值用模糊逻辑及概率理论解释排列为一维数组；即对每一个距离值建立3个模糊集{O、E、U}来表示地图中栅格的占用、空闲和未知状态；定义模糊向量T＝{μ_O，μ_E，μ_U}表示每个栅格处于3种状态的可信度，栅格属于3种状态的隶属度和为1；

μ_o(r，s)，μ_E(r，s)为栅格g(i，j)距传感器距离r在不同区域的栅格占用隶属度函数和空闲隶属度函数；μ_o，E(α，β)表示不同的波束轴线角的隶属度函数，μ_O，E(r)表示不同测量距离的隶属度函数；

每个栅格单元被占用的隶属度函数μ_o(r，α)，栅格空闲隶属度函数μ_E(r，α)以及栅格状态不确定隶属度函数μ_U(r，α)按以下计算所得：

μE(r,s)=1|s-rΔs|0,0≤r≤s-Δss-Δs≤r≤sr≥s]]>

μo,E(α,β)=1-|α-ββ|0,|α|≤β|α|>β;]]>

μO,E(r)=13(R-r)2R,r≤R3R3<r≤R]]>

μ₀(r，α)＝M₀[μ₀(r，s)+μ_0，E(α，β)+μ_0，E(r)]/3；

μ_E(r，α)＝[μ_E(r，s)+μ_O，E(α，β)+μ_O，E(r)]/3；

μ_U(r，α)＝1-μ_O(r，α)-μ_E(r，α)；

其中，M₀表示栅格单元被占用的最大可能性，取值为小于1；其中s为传感器距离测量值，Δs是对障碍物距离S的误差估计范围，α为r相对于波束中轴线的夹角；β表示波束的锥形宽度半角；R表示传感器的最大探测距离；

栅格g(i，j)是被占用或空闲的概率分别用P(占用)和P(空闲)表示，计算方法如下：

P(占用)＝1-P(空闲)；

每一个距离值对应5个元素{μ_o(r，α)，μ_E(r，α)，μ_U(r，α)，P(占用)；P(空闲)}，对于3个距离值，则所述的一维数组具有15个元素；

3)将所述的一维数组经神经网络处理，输出为条件概率向量O＝[O_occ，O_emp，O_uce]，分别表示栅格单元g(i，j)对应障碍物、空区域、不确定这三种可能状态的概率值；

4)根据坐标变换，将栅格单元g(i，j)从局部坐标系投影到全局坐标系对应的栅格单元g(x，y)；然后利用贝叶斯概率方法分别实现三种可能状态的概率更新，根据最大值法则，取可能状态的最大值为当前栅格的置信度；

5)坐标更新到下一个栅格单元，如果栅格状态没有更新完，返回步骤1)；如果栅格状态更新完，则栅格地图创建已经完成；

所述的神经网络共包括三层：输入层、隐含层和输出层；其中输入层的输入向量为一维数组；隐含层神经元的传递函数采用S型正切函数；输出层采用的传递函数为S型对数函数，节点输出为[0，1]范围的概率值。