[发明专利]机器人及其航迹设置方法和系统

说明书

本发明公开了一种机器人及其航迹设置方法和系统，该航迹设置方法包括：预测姿态角步骤：采用粒子滤波算法预测机器人的姿态角，该粒子滤波算法采用头脑风暴优化算法优化该粒子滤波算法的权值公式的步长参数，该姿态角包括偏航角、俯仰角及横滚角；预测航迹坐标步骤：获取该机器人的起始航迹点、当前时刻的姿态角及当前速度，以预测该机器人在下一时刻的航迹坐标。本发明采用头脑风暴优化算法优化粒子滤波算法的权值公式中的步长参数，使得预测航迹更为准确，以方便机器人在行驶过程中能够及时调整机器人的行驶方向和行驶速度。本发明可广泛应用于自动驾驶技术领域。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种机器人及其航迹设置方法和系统。

背景技术

粒子滤波：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

头脑风暴优化算法：Brain Storm Optimization Algorithm的中文名称，一种新型的智能优化计算方法，主要用于求解大规模高维多峰函数问题。

GPS：Global Positioning System，全球定位系统。

SLAM：simultaneous localization and mapping，同步定位与地图构建。

在海陆空跨界场景中，由于控制环境比较复杂，现有的设计方案一般都比较昂贵，相当于把汽车、飞机及轮船三合一在一起，要三套发动机、三套齿轮以及三套单独的控制器。为了降低成本，可以将发动机、齿轮及控制器全部共用，以有效节省硬件成本，但是如果将三套控制系统合而为一之后，系统的非线性特性更强，需要的控制算法就会比较复杂，比如使用参数相对固定的卡尔曼控制算法不合适。

在应急场景中，为了避免危险事故的发生，不仅需要检测车辆的速度，还要预测车辆的方向。现有技术中，对特殊场景的海陆空智能救灾援助作业对应急库管理有非常高的实时性要求，现场场景的完整参数数据不一定能及时获取，系统必须具有足够的三栖自动采样能力，在获得部分数据的场景下继续通过现场后验采样，弥补先验盲区继续工作，做出正确的决策，以实现及时的智能援助。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的是提供一种机器人及其航迹设置方法和系统。

本发明所采用的技术方案是：

第一方面，本发明提供一种机器人的航迹设置方法，该航迹设置方法包括：预测姿态角步骤：采用粒子滤波算法预测机器人的姿态角，该粒子滤波算法采用头脑风暴优化算法优化该粒子滤波算法的权值公式的步长参数，该姿态角包括偏航角、俯仰角及横滚角；预测航迹坐标步骤：获取该机器人的起始航迹点、当前时刻的姿态角及当前速度，以预测该机器人在下一时刻的航迹坐标；

其中，该预测姿态角步骤具体包括：在t时刻，根据该姿态角的先验条件概率，产生N个随机样本，该N个随机样本被称为粒子；根据该粒子相对于以往实际轨迹的左右位置，将该粒子划分为左派粒子和右派粒子；采用后验概率计算公式分别计算该t时刻的该左派粒子和该右派粒子的权值，其中，该后验概率计算公式为：π是圆周率，w(i)是第i个粒子在最后全部粒子线性叠加预测运算中的权重，R是激光雷达的标准误差值，Di是第i个粒子与该激光雷达观察的航线的偏离值，St是t时刻的步长参数，该St值采用头脑风暴优化算法进行优化；根据该左派粒子和该右派粒子的权值，采用加权平均算法计算得出该机器人在t+1时刻的姿态角。