[发明专利]基于态势评估技术的移动机器人行为选择方法

说明书

本发明公开了一种基于态势评估技术的移动机器人行为选择方法，其实现步骤为：(1)建立移动机器人坐标系；(2)获取目标数据；(3)提取环境态势要素；(4)建立贝叶斯网络模型；(5)进行贝叶斯网络模型的推理；(6)输出结果。本发明利用态势评估技术提取移动机器人的环境态势要素，能够使移动机器人对其周围环境获得一定的认知，自主选择下一步的行为。本发明在建立贝叶斯网络模型时表现的更为明显，使一些移动机器人行为选择的经验知识融入到贝叶斯网络中，使得移动机器人行为的选择更加准确。

技术领域

本发明属于计算机技术领域，更进一步涉及机器人技术领域中的一种基于态势评估技术的移动机器人行为选择方法。本发明可用于实际应用中移动机器人在未知环境局部路径规划过程中的行为选择。

背景技术

以前的移动机器人行为选择方法都是基于一些对应场景苛刻的条件下的，例如单一的激活条件和采用特定的神经网络。但这在现实世界中是很难满足的。目前，实现移动机器人局部路径规划过程中的行为选择方法主要是：定义移动机器人的基本行为单元，并给出不同的基本行为单元之间的切换条件，在有移动机器人传感器获得的局部环境信息符合某种切换条件时，就可以进行行为的选择。现实世界的场景中，几乎很难准确给出与切换条件对应的所有预定义行为，因为行为的选择与具体的问题高度依赖，且移动机器人行为选择的切换条件具有多样性。而态势评估技术作为信息融合过程中的关键步骤，是当今科学研究中的一个重要课题，它可以紧密结合规则知识，改进多级网络模型，降低了网络模型的复杂度，提高了规则匹配效率。该优点在进行贝叶斯网络推理时表现的更为明显，使一些移动机器人行为选择的经验知识融入到贝叶斯网络精确推理算法中。

张琦在其发表的论文“移动机器人的路径规划与定位技术研究”(哈尔滨工业大学，博士学位论文，2014.6)中提出了采用激活条件来选择移动机器人行为的方法。该方法建立了移动机器人行为选择的若干个激活条件，依据由移动机器人传感器获得的障碍物目标信息与激活条件进行匹配判断，在满足了某个行为的激活条件后，移动机器人将进行行为的切换，即完成行为选择。该方法存在的不足之处是：所给的行为激活条件较为单一，智能化水平较低，很难实现移动机器人在未知的复杂环境中具有智能选择的功能。

钟云胜等人在其发表的论文“基于MLP和SPSO的机器人行为选择与运动控制方法”(计算机应用研究，2017，35(8))中提出了一种基于多层感知前馈神经网络和简化粒子群算法的选择方法。该方法根据机器人配置的图像和红外传感器获得目标位置和障碍物位置，通过MLP前馈神经网络从预定义行为中选择所需执行的行为。该方法采用了一种简化粒子群算法实时地计算神经网络的权重参数，具有实时的特点，但是，该方法存在的不足之处是：很难将一些机器人行为选择的经验知识融入到MLP前馈神经网络中。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于态势评估技术的移动机器人行为选择方法。本发明通过采用态势评估技术解决移动机器人行为的选择问题。将态势评估技术用于机器人局部路径规划。该技术可以紧密结合行为选择的规则知识，提取移动机器人正前方、偏右方、偏左方、正左方、正右方的环境态势要素，以获得多个行为选择的激活条件。

为实现上述目的，本发明具体实现步骤包括如下：

(1)建立移动机器人坐标系：

以移动机器人的中心为坐标原点，移动机器人的正前方向为X轴正向，移动机器人的正后方向为X轴负向，移动机器人的正右方向为Y轴正向，移动机器人的正左方向为Y轴负向，移动机器人的正下方向为Z轴正向，移动机器人的正上方向为Z轴负向，建立一个三维移动机器人坐标系；

(2)获取目标数据：

(2a)采用平面标定法，获取移动机器人配置的单目相机的焦距、相机主点坐标两个内部参数；