[发明专利]一种组合导航避障方法、系统、终端设备及存储介质

权利要求书

1.一种组合导航避障方法，其特征在于，包括以下步骤：

根据预先设定的巡检任务设定巡检机器人在巡检区域内的初始巡检规划路线，所述初始巡检规划路线包括预定起点、必途经点、预定终点和所述巡检机器人在所述预定起点上的初始运动状态；

获取所述巡检区域的图像数据；

将所述图像数据输入至预先训练好的障碍物检测模型，从而确定所述图像数据中的障碍物；

获取所述预定起点至所述预定终点的数字地形数据，基于所述数字地形数据获得所述障碍物的高程数据；

根据所述图像数据和所述障碍物的高程数据建立三维空间地图；

将所述初始巡检规划路线输入至预先训练好的MADDPG神经网络中，得到所述巡检机器人的避障巡检路线，所述预先训练好的MADDPG神经网络基于所述三维空间地图构建；

所述将所述初始巡检规划路线输入至预先训练好的MADDPG神经网络中，得到所述巡检机器人的避障巡检路线的步骤之前包括：

在所述三维空间地图中，以所述巡检机器人的中心点为原点，以所述巡检机器人的中心点至所述预定终点的方向为X轴正方向建立三维直角坐标系；

构建所述巡检机器人在所述三维空间地图中的动作空间，以描述所述巡检机器人的运动状态，所述动作空间定义为A，A:(X,Y,Z)，其中，X,Y,Z分别表示所述巡检机器人在三维直角坐标系的x方向，y方向，z方向上移动的距离，其中，

X＝f(x₀×R)

Y＝f(y₀×R)

Z＝f(z₀×R)

x₀,y₀,z₀∈(-1,1)

式中，f(·)表示函数关系，x₀、y₀、z₀分别表示所述巡检机器人在三维直角坐标系的x方向，y方向，z方向上的避障动作，R表示膨胀半径；

利用人工势场法定义所述必途经点和所述预定终点的势能设置为引力，将所述障碍物的势能设置为斥力，并利用人工势场法设置所述避障动作的综合奖励值，所述综合奖励值包括必途经点的引力奖励值、障碍物的斥力奖励值、障碍物碰撞奖励值和到达预定终点的引力奖励值；

根据所述避障动作的综合奖励值驱动所述巡检机器人的避障动作，从而更新所述巡检机器人的运动状态，提取所述巡检机器人更新前后的运动状态的特征向量，从而得到所述巡检机器人的特征向量更新前后的综合奖励值与避障动作的映射对；

构建MADDPG神经网络，将所述巡检机器人更新前后的运动状态的特征向量及其更新前后的综合奖励值与避障动作的映射对输入至所述MADDPG神经网络中进行训练；

基于梯度下降算法更新所述MADDPG神经网络的网络参数，直至收敛，判断所述巡检机器人是否到达所述预定终点，若所述巡检机器人到达所述预定终点，则输出所述MADDPG神经网络。

2.根据权利要求1所述的组合导航避障方法，其特征在于，所述根据所述图像数据和所述障碍物的高程数据建立三维空间地图的步骤具体包括：

获取所述巡检区域的点云数据和所述障碍物的点云数据，根据所述巡检区域的点云数据构建三维点云地图；

根据所述障碍物的点云数据提取所述障碍物的外围轮廓的点云数据，将所述障碍物的外围轮廓的点云数据和所述障碍物的高程数据添加到所述三维点云地图中，以在所述三维点云地图中构造所述障碍物的轮廓形状，从而建立三维空间地图。

3.根据权利要求2所述的组合导航避障方法，其特征在于，所述根据所述障碍物的点云数据提取所述障碍物的外围轮廓的点云数据，将所述障碍物的外围轮廓的点云数据和所述障碍物的高程数据添加到所述三维点云地图中，以在所述三维点云地图中构造所述障碍物的轮廓形状，从而建立三维空间地图的步骤之后包括：

基于所述巡检区域的图像数据获取巡检区域边界的点云数据和禁飞区的点云数据；

将所述巡检区域边界的点云数据和所述禁飞区的点云数据添加到所述三维空间地图中。