[发明专利]一种融合记忆机制的机械臂多场景快速运动规划方法

权利要求书

1.一种融合记忆机制的机械臂多场景快速运动规划方法，其特征在于，包括如下步骤：

(1)在机器人初始化过程中，通过RGB-D相机获取当前环境信息，存储于感觉记忆空间，建立基于机器人坐标系的环境描述E；E包含彩色图、深度图以及点云；使用rgb表示彩色图，depth表示深度图，pcl表示点云数据，E定义为：

E＝{rgb,depth,pcl} (6)

(2)场景匹配，将环境信息E依次与短时记忆空间和长时记忆空间中的场景进行匹配并计算相似度；首先使用词袋法在记忆空间中搜索匹配场景，然后对当前场景与匹配场景进行ICP配准，计算两个场景之间的位姿变换；最后，将位姿变换与预先设定好的阈值T进行比较，若变换大于阈值，则认为不匹配，否则认为是匹配场景；

(3)提取长时记忆空间到短时记忆空间的过程：先从长时记忆空间中提取匹配模型T_i到短时记忆空间，然后将短时记忆空间中最后一个环境模型T_K存储到长时记忆空间中；

(4)如果短时和长时记忆空间中都不存在与环境相匹配的模型，说明机器人在过去的时间里没有遇到类似的场景；采用GMM-RRT*算法对感觉记忆空间中新环境进行学习与训练，得到新环境的模型T_i，同时使用新环境训练并更新BOW词典；

(5)当模型T_K是不可记忆模型时，提取匹配模型T_i的同时直接遗忘T_K；(6)模型T_K存储到长时记忆空间中的流程：从短时记忆空间中提取出模型T_K，如果长时记忆空间未满，将T_K存储直接存储至模型队列；如果空间已满，使用竞争机制，通过比较模型T_K与长时记忆空间中模型的记忆权重决定是否存储T_K；设T_j表示长时记忆空间中权重最小的模型，α_jmin表示T_j的权重，α_K表示模型T_K的权重；如果α_Kα_jmin，保留模型T_K，遗忘模型T_j；否则，直接遗忘模型T_K。

2.根据权利要求1所述的融合记忆机制的机械臂多场景快速运动规划方法，其特征在于，短时记忆空间(STMS)中的模型包括由感觉记忆空间中的场景学习得到的新的高斯混合模型、短时记忆空间中已有且被更新的高斯混合模型和从长时记忆空间中调用的高斯混合模型；

对于高斯混合模型，STMS中存储环境信息及对应GMM的K个组元的集合；E_j表示第j个环境信息，N_ji表示记忆空间中用于描述环境E_j对应的GMM第i个组元，M表示STMS空间存储的最大容量，则STMS表示为：

STMS＝{T_j＝(E_j,N_ji,i＝1,2...K)|j＝1,2...M} (3)

在短时记忆空间中的模型设置参数β，作为模型可记忆性的衡量，在记忆过程中通过β的大小确定该模型是否需要被记忆；参数β与模型的质量有关，对于j＝1,...M，设置初始β_j＝0，β_j的更新公式为

β_j＝s_t/t_t*100 (4)

s_t和t_t分别为算法在当前场景中规划成功的次数和规划的总次数；若β_j大于阈值β_t，则模型T_j就是可记忆模型。

3.根据权利要求2所述的融合记忆机制的机械臂多场景快速运动规划方法，其特征在于，长时记忆空间(LTMS)存储机器人在过去时间中遇到的所有的可记忆模型及对应的环境信息，并通过策略维护和更新记忆；LTMS空间集合表示为

LTMS＝{T_j＝(E_j,N_ji,i＝1,2...K)|j＝1,2...Q} (5)

其中，Q表示LTMS空间的最大容量。