[发明专利]一种基于时序信息建模的机器人无地图导航方法

权利要求书

1.一种基于时序信息建模的机器人无地图导航方法，其步骤包括：

1)基于循环神经网络构建移动机器人导航模型，该机器人导航模型含有移动机器人根据移动机器人上的传感器信息、场景中的目标位置信息到移动机器人执行速度指令的映射关系；移动机器人按照该机器人导航模型输出的速度指令到达导航目标位置；

2)获取或构建导航数据集作为监督数据训练该移动机器人导航模型；

3)通过该移动机器人搭载的激光雷达获取传感器数据，使用定位技术获取场景中的目标位置信息，然后通过训练后的该移动机器人导航模型计算该移动机器人的执行速度指令，通过执行速度指令操控该移动机器人到达目标位置。

2.如权利要求1所述的方法，其特征在于，构建导航数据集的方法为：根据多种真实室内环境布局搭建不同仿真环境；然后在仿真环境中，移动机器人仿真模型预先构建环境地图，之后随机设置目标点，使用路径规划算法规划导航路径并导航，在导航过程中记录移动机器人状态信息；然后将所采集移动机器人状态信息作为用于导航模型训练的数据集。

3.如权利要求2所述的方法，其特征在于，所述移动机器人状态信息包括360维雷达信息、2维速度信息、2维目标位置信息。

4.如权利要求2所述的方法，其特征在于，在Gazebo仿真环境下，根据多种真实室内环境布局搭建不同仿真环境。

5.如权利要求2所述的方法，其特征在于，移动机器人仿真模型预先使用SLAM技术构建环境地图。

6.如权利要求1所述的方法，其特征在于，所述移动机器人导航模型包括LSTM神经网络和CNN；其中CNN用于从移动机器人采集的激光数据中提取当前时刻的空间特征并输入LSTM神经网络，根据移动机器人采集的激光数据获取当前时刻以该移动机器人为中心的坐标系中的相对目标位置；然后LSTM神经网络根据该移动机器人的上一刻移动速度、当前时刻的相对目标位置信息和当前时刻的空间特征，预测当前时刻该移动机器人的执行速度。

7.如权利要求6所述的方法，其特征在于，所述相对目标位置由包含距离和角度的极坐标表示。

8.如权利要求6所述的方法，其特征在于，该移动机器人的速度包含线速度和角速度。

9.如权利要求1所述的方法，其特征在于，训练该移动机器人导航模型的方法为：使用导航数据集作为监督数据，对该移动机器人导航模型进行训练，损失函数使用均方误差损失函数，通过梯度下降法实现模型训练。