[发明专利]基于闭环检测校正的移动机器人地图构建方法、存储介质及设备

权利要求书

1.基于闭环检测校正的移动机器人地图构建方法，其特征在于，所述方法包括：

步骤S1，根据视觉系统采集环境信息构建表征空间位置的记忆感知模板，并生成对应的视觉感知记忆库；

步骤S2：根据陀螺仪和加速度计采集自感知运动信息更新位置感知信息：

先对自感知运动信息进行方向和位移编码，经过路径整合后，再通过自感知反映射网络学习得到当前时刻的位置细胞活性强度，将当前位置的记忆感知模板与位置细胞进行关联，得到关联之后的位置细胞活性强度，最后通过关联后的位置细胞活性之间的相互竞争获取位置感知信息；

步骤S3，将当前的记忆感知模板和视觉感知记忆库相关联，当到达经历过的环境位置时，通过计算记忆感知模板的活性强度激活相应视觉感知记忆库；

步骤S4，根据得到的位置感知信息对自感知空间地图进行绘制，当视觉感知记忆库被激活时，将对应的视觉感知记忆库与位置细胞相关联，得到关联之后的位置细胞活性强度，以此对位置感知信息进行修正，并进一步对自感知空间地图进行校正；

所述步骤S2中，在构建所述环境位置感知过程中获取当前时刻环境中第i个位置细胞活性强度f_i(t)，关联之后的位置细胞活性强度为：

其中，为一个连接强度常数，决定视觉识别信息对位置细胞活动的影响，μ为图像增强系数，用来调节图像的亮度值；δ_i为第i位置细胞与对应视觉识别信息之间的连接矩阵，V_i为当前第i个位置细胞对应的视觉识别信息，视觉识别信息即采集环境信息形成的图像信息经过处理的结果，是表示环境信息的图像特征；

在激活视觉感知记忆库的情况下，同样采用上述算式将位置细胞活性强度与视觉感知记忆库相关联，此时V_i是对应视觉感知记忆库的视觉识别信息。

2.根据权利要求1所述的基于闭环检测校正的移动机器人地图构建方法，其特征在于：所述步骤S2中，将编码整合获取的速度信息和方向信息映射到自感知反映射网络层，获得网格细胞的兴奋值，具体如下：

网格细胞层为自感知反映射网络输出层，网格细胞放电率随着机器人运动而发生变化，根据自感知反映射网络学习规则，网格细胞的兴奋值更新规则如下式所示：

R_p＝1/exp(||X_pos-X_wall||)

其中，θ为瞬时角速度信息，κ为网格细胞空间尺度参数，v为机器人当前速度，μ为网格细胞幅值抑制常数，决定网格细胞放电率幅值，的值为负数，为第j个网格细胞的抑制水平，的值为正数，为第j个网格细胞的兴奋水平，R_p为t时刻网格细胞放电率调节因子，用于根据边界位置信息调整网格细胞兴奋值，X_pos为当前机器人的位置信息，X_wall为正前方的边界位置信息，边界位置信息为机器人与前方障碍物的距离信息，可以通过距离感应器单独测定，n为网格细胞总数量，χ_j为第j个网格细胞的兴奋值，为兴奋度连接常数以防止在训练过程中某些权值一直获胜。

3.根据权利要求1所述的基于闭环检测校正的移动机器人地图构建方法，其特征在于：所述步骤S2中，根据自感知反映射网络学习规则进行权重学习，获得网格细胞的响应值，具体如下：

自感知反映射网络采用双极性激活函数，激活函数的取值范围[-1,1]，输入与输出同号时加大权重，否则降低权重，自感知反映射网络的输出值为网格细胞响应值，其输出值的算式如下所示：

其中，n为网格细胞的总个数，ξ_j(t)为当前时刻的第j个网格细胞响应值，ξ_j(t-1)为前一时刻的第j个网格细胞响应值，χ_j(t)为当前时刻第j个网格细胞的兴奋值，η为学习率常数，决定当前网络的学习速度，通过在环境中的探索与学习，更新后的突触权重呈六边形周期分布，得到稳定的网格细胞放电率，为了使突触权重产生周期性的空间分布，对权重更新进行非线性限制，分别设置权重的上边界和下边界，当所有突触的任一权重超出上边界或下边界之间的范围时，通过竞争对所有突触的权重等比例缩放，使得所有的突触权重在上边界和下边界之间。