[发明专利]基于BP神经网络和距离信息的机器人自主避障方法

说明书

技术领域

本发明属于机器人自主运动领域，涉及一种搭载激光测距传感器的移动机器人自主避障方法。

背景技术

智能移动机器人是一类能够通过传感器和其他技术感知环境和自身状态，实现在有障碍物的环境中面向目标的自主导航运动，从而完成预定任务的机器人系统。避障是移动机器人运动规划中的基本问题之一。在机器人自主运动中由于计算的复杂性、控制的实时性、环境的不确定性因素，尤其是在包含多个障碍的复杂环境中,避障问题一直以来都是机器人路径规划中的难点。

目前，常用的避障方法有人工势场法、栅格法、模糊控制法等。人工势场法结构简单，易于实现，但存在陷阱区域，在障碍物之间会发生震荡。栅格法存在空间分辨率，时间复杂度、实时性不够等缺点。模糊控制法会造成数据冗余或数据冲突。

相对于以上方法，基于神经网络的机器人自主避障方法，既能大大降低模型复杂度和时间复杂度，满足移动机器人对实时性的要求，也能使机器人具备一定的泛化能力，在一定程度上适应于未知环境。

发明内容

针对现有方法中存在的种种问题，本发明提供一种搭载激光测距传感器的移动机器人自主避障方法，使移动机器人具备一定的在未知环境中避障的能力。首先对机器人和障碍物的相对位置关系建立模型，针对每种位置关系采集距离数据，最后利用BP神经网络对机器人进行训练使其具备利用距离信息进行自主避障的能力。本发明提出的方法模型简单，数据量和时间复杂度均能满足移动机器人对实时性的要求。本发明也具有一定的应用价值：可以作为机器学习方法的实际测试平台，辅助教学。

本发明主要由移动机器人和激光测距传感器组成，激光测距传感器可以在二维平面上进行扇形扫描，用于实时测量机器人和障碍物之间的距离。

一种基于BP神经网络和距离信息的机器人自主避障方法，其特征在于包括激光测距、人工训练和自主避障；

所述的激光测距由激光测距传感器在二维平面上进行扇形扫描，用于实时测量机器人和障碍物之间的距离，激光测距传感器采集到的距离数据标记为(A₁,A₂,……,A_d)，d为数据维度，数据维度d的计算方法如下：

d＝|(L+R)/θ|

式中，L、R分别为激光距离传感器向左和向右扫描偏离正前方的最大偏角；θ为相邻两条激光射线之间的夹角；本发明设定所使用角度为机器人前方180度，也就是L为90度，R为90度；通过设定θ值来设定距离数据维度；

所述的人工训练包括如下步骤：

步骤1.1：建立移动机器人和障碍物相对位置关系模型；

步骤1.2：设定移动机器人和障碍物之间的位置关系标记为C＝(C₁,C₂,C₃,C₄,C₅,C₆)；共包含六种情况，针对每种情况根据步骤1.1中建立的移动机器人和障碍物相对位置关系模型设定机器人和障碍物的位置，进行距离数据采集，每次采集的数据为一个数据维度为d的向量；采集数据过程中，操纵机器人前后左右小幅度摆动，使采集到的数据更加全面；每种情况采集完后人工标记距离数据对应的类别，由于有六种情况，所以标记的类别是6*1的矩阵，对应移动机器人和障碍物位置关系的六种情况，设定矩阵(1，0，0，0，0，0)对应的类别是C₁，设定矩阵(0，1，0，0，0，0)对应的类别是C₂，设定矩阵(0，0，1，0，0，0)对应的类别是C₃，设定矩阵(0，0，0，1，0，0)对应的类别是C₄，设定矩阵(0，0，0，0，1，0)对应的类别是C₅，设定矩阵(0，0，0，0，0，1)对应的类别是C₆；

步骤1.3：根据BP神经网络模型，以距离数据作为输入矩阵，人工标记的类别作为期望输出矩阵，使用神经网络工具箱进行训练，训练出BP神经网络的两个权值矩阵，分别为输入层到隐含层的连接权值矩阵和隐含层到输出层的连接权值矩阵；

所述的自主避障包括如下步骤：

步骤2.1：在自主避障程序中设置安全距离为0.5米、运行时间为10分钟，打开激光测距传感器；

步骤2.2：根据自主避障程序中的计时器判断是否已达到运行时间，达到运行时间自主避障结束，没达到运行时间执行步骤2.3；