[发明专利]一种基于“门”点的路径规划方法

说明书

本发明涉及一种基于“门”点的路径规划方法，用于获得控制机器人的最优路径，该方法首先通过模型训练得到神经网络模型，再根据神经网络模型提取关键点，利用图搜索算法进行路径规划，所述的神经网络模型的输入为地图，输出为地图中的“门”和“门”点，所述的模型训练包括以下步骤：11)生成多张随机地图；12)将标记有“门”和“门”点的多张随机地图作为训练样本存于训练集中；13)利用步骤12)中的训练集对目标识别网络进行训练；14)得到训练完成的神经网络模型，与现有技术相比，本发明具有快速、精确和路径最优等优点。

技术领域

本发明涉及路径规划领域，尤其是涉及一种基于“门”点的路径规划方法。

背景技术

以建图，定位，路径规划与运动控制组成的导航任务是所有非固定型机器人必须完成和实现的基本功能，建图和定位为路径规划提供了基础，而路径规划指导运动控制的进行。路径规划已成为一个至关重要的环节。

现有的路径规划算法主要以Dijkstra，A*以及RRT类算法为主，这些算法较为成熟，被广泛应用于各类场景，但他们也各自有着自己的缺点。RRT类算法通过空间采样的方式获取路径，以其快速性受到欢迎，但也因为其路径的非最优以及难以处理狭窄通道受到限制。Dijkstra是一种图搜索算法，它将距离起点的距离作为各个节点的一个属性，通过近似穷举的方式更新各个该属性以达到求取最短路径的目的，其缺点在于搜索速度慢，难以适用于大范围场景。A*在Dijkstra的基础上加入了启发函数，通过节点距离终点的距离来引导搜索往终点方向进行，该方法在提升了搜索速度，但在有障碍物的情况下可能进行错误引导，使得最终得到的路径成为次优解。如图1所示，A*将搜索方向往目标点方向进行引导，但由于障碍物的存在，该引导并不准确，导致增加了不必要的路径。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于“门”点的路径规划方法。

本发明的目的可以通过以下技术方案来实现：

一种基于“门”点的路径规划方法，用于获得控制机器人的最优路径，该方法首先通过模型训练得到神经网络模型，再根据神经网络模型提取关键点，利用图搜索算法进行路径规划，所述的神经网络模型的输入为地图，输出为地图中的“门”和“门”点，所述的模型训练包括以下步骤：

11)生成多张随机地图；

12)将标记有标记“门”和标记“门”点的多张随机地图作为训练样本存于训练集中；

13)利用步骤12)中的训练集对目标识别网络进行训练；

14)得到训练完成的神经网络模型。

进一步地，所述的路径规划包括以下步骤：

21)构建实际应用场景的地图；

22)将步骤21)中地图输入训练完成的神经网络模型，得到地图中的输出“门”和输出“门”点；

23)提取地图中的关键点，构建搜索图；

24)使用图搜索算法生成路径。

进一步地，所述的步骤12)中标记“门”为两障碍物之间且位于障碍物角的点周围的通行区域，所述的标记“门”点为该通行区域的中心点。

进一步地，所述的关键点包括输出“门”点以及起点和终点，所述的搜索图的边为各关键点之间的连线，所述的搜索图边的权重为两点间距离。

进一步地，所述的步骤22)中地图中的输出“门”为神将网络模型输出的候选框，所述的输出“门”点为候选框的中心点。

进一步地，若两关键点被障碍物阻挡，则该条边的权值为无穷大。

进一步地，多张所述随机地图之间相互区别。