[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

说明书

本发明公开了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。本发明能够让移动机器人获得避障导航能力。

技术领域

本发明属于信息科学领域，涉及一种导航方法，具体涉及一种基于时序信息建模的机器人无地图导航方法。

背景技术

至今，机器人已在工业制造、家庭服务、星际探测、军事侦察等领域创造了巨大的价值。相比于常用在工业领域的固定结构机器人，移动机器人的重要特点就是其机动性与灵活性，为了实现移动机器人的机动性，自主导航是必不可少的技术之一。自主导航是指移动机器人通过雷达、声纳、摄像头等传感器，感知外部环境信息，结合自身状态信息，完成在有障碍物环境下无碰撞地到达目标点地自主运动过程。移动机器人具备高效、可靠的导航功能，才能更好的应用在工业、服务、军事等方面，为社会带来更高的价值。

机器人导航技术可分为两种情况：面对已知环境和面对未知环境。面对已知环境是指机器人具备环境的导航地图，在此种状况下，可使用基于地图的导航方法。机器人所使用的导航地图一般通过SLAM(Simultaneous Localization and Mapping)来构建，之后使用路径规划算法来规划机器人路径实现导航。图1为基于地图的机器人导航示例。

基于地图的导航机器人方法需要花费长时间来构建环境地图，对陌生环境无法适应。面对未知环境下的情况下的机器人导航也被称为无地图导航，常用的传统算法有动态窗口算法，D*算法，向量直方图算法等。除此之外，随着深度学习的发展，基于学习的方法也逐渐成为无地图导航方法研究的主流，可以使用无监督学习的方法，认为机器人导航过程具有马尔可夫性，基于强化学习对导航建模，机器人学习针对当前状态如何做出合适的动作，通过随机探索来完成导航策略的学习。但是基于强化学习的无监督方法，学习时间长，数据利用率低，模型难以收敛，且导航效果无法保障。针对此问题，有学者使用基于监督学习的方法来解决导航问题，获取导航监督数据之后，搭建神经网络模型拟合导航数据。

移动机器人通过传感器获取外部环境信息，前人工作中，通常将传感器信息直接用全连接神经网络处理，或者使用卷积神经网络提取传感器数据特征。但这些方法对数据时序特性提供的信息利用不充分，在动态环境中对时变的对象(如动态障碍物)不能很好预测，因此带来复杂动态场景中导航性能的显著下降。

发明内容

本发明的目的是提供一种机器人无地图导航方法，本发明基于时序信息建模的移动机器人无地图导航方法，通过构建大规模导航数据集，针对导航数据中的时序信息建模，获得性能更佳的导航模型。在任意环境下，通过现有定位技术获取目标位置信息，机器人躲避环境中的障碍物到达目标位置，可用于商场机器人购物车自动寻人、医院服务机器人自动寻人等场景。

为实现上述目的，本发明采用的技术方案如下：

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：

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；

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；