[发明专利]移动机器人避障规划方法及计算机存储介质

说明书

本发明提供一种移动机器人避障规划方法及计算机存储介质，所述方法包括：S1、建立任务模型，记录移动机器人在所述任务模型中的环境状态；S2、根据所述任务模型，基于A*算法自主生成样本；S3、采用卷积神经网络对所述样本进行学习，得到训练结果；S4、将所述训练结果用于所述移动机器人进行避障规划。根据本发明实施例的移动机器人避障规划方法，通过A*算法自主生成样本，可以生成各种环境状态下的避障路径，然后通过卷积神经网络基于该样本进行学习并用于避障规划，保证实时性的同时还能兼顾路径最优、适用于动态环境和具有较好泛化能力的特点。

技术领域

本发明涉及移动机器人领域，更具体地，涉及一种移动机器人避障规划方法及计算机存储介质。

背景技术

随着人工智能技术以及机器人应用领域的不断发展，移动机器人在国内外很多领域都有着巨大的应用需求，如矿井环境探测、车间自动搬运、室内外安全巡逻等。而自动导航能力则是移动机器人落地使用的基本前提。由于实际环境是动态变化的，因此如何设计更好的避障规划方法从而使机器人适应多样的环境是一个非常重要的问题。

避障规划是指移动机器人在自主移动过程中，通过传感器感知到在其规划路线上存在静态或动态障碍物时，绕过障碍物，最后达到目标点。目前，移动机器人的避障规划方法主要有以下两种：

(1)模糊控制法：通过将先验知识形成一定规则生成模糊控制器实现机器人避障；(2)动态窗口法：动态窗口法通过对多组速度和角速度进行采样，然后基于运动模型，模拟未来机器人运动轨迹，并对轨迹进行评价，最终选择最优轨迹对应的速度和角速度来控制机器人进行避障。

上述两种避障规划方法存在诸多缺陷：

(1)模糊控制法：通过制定模糊规则实现机器人在特定场景下的避障规划，难以制定合适的规则使其适用于多种环境，泛化能力差；

(2)动态窗口法：该方法对动态障碍物效果不佳，并且当速度采样空间太大时，实时性难以保证。

发明内容

有鉴于此，本发明提供一种移动机器人避障规划方法及计算机存储介质，能够提升移动机器人的泛化能力，保证实时性。

为解决上述技术问题，一方面，本发明提供一种移动机器人避障规划方法，所述方法包括：S1、建立任务模型，记录移动机器人在所述任务模型中的环境状态；S2、根据所述任务模型，基于A*算法自主生成样本；S3、采用卷积神经网络对所述样本进行学习，得到训练结果；S4、将所述训练结果用于所述移动机器人进行避障规划。

根据本发明实施例的移动机器人避障规划方法，通过A*算法自主生成样本，可以生成各种环境状态下的避障路径，然后通过卷积神经网络基于该样本进行学习并用于避障规划，保证实时性的同时还能兼顾路径最优、适用于动态环境和具有较好泛化能力的特点。

根据本发明的一些实施例，在步骤S1中，所述任务模型为栅格地图。

根据本发明的一些实施例，在步骤S1中，以不同栅格值描述所述移动机器人的行走任务。

根据本发明的一些实施例，步骤S2包括：S21、根据所述任务模型，随机生成占有栅格、自由栅格和目标栅格，并为所述占有栅格、所述自由栅格和所述目标栅格分别赋值；S22、基于所述移动机器人的行走任务，采用A*算法进行路径规划，若规划路径成功，则记录路径，若规划路径失败，则标记为不可到达；S23、根据规划结果生成标签；S24、重复步骤S21至S23，生成多个样本。

根据本发明的一些实施例，在步骤S21中，建立30*30的栅格地图，其中，所述占有栅格的值为1，所述自由栅格的值为0，所述目标栅格的值为所述占有栅格或所述自由栅格的原始值加上99。