[发明专利]基于局部路径点生成的分层无地图导航方法及装置

说明书

本发明涉及一种基于局部路径点生成的分层无地图导航方法及装置。其中的方法包括：从传感器读取激光雷达数据和目标点相对位置数据；将激光雷达数据转化为局部障碍地图；将局部障碍地图和目标点相对位置输入局部路径点生成模块，得到局部路径点；将该局部路径点输入运动规划模块，输出移动机器人的控制速度；返回执行步骤S10，直至移动机器人到达目标点。其中的装置包括计算机装置，计算机装置包含计算机可读存储介质，其上储存有程序指令，程序指令被处理器执行时实施上述的方法。本发明能够解决“机器人冻结”和“局部极小区域”问题，无需生成、存储和维护高精度地图，可生成更短更优的路径，带来更好的学习性能，并可兼容不同传感器信息。

技术领域

本发明涉及基于局部路径点生成的分层无地图导航方法及系统，属于机器人无地图导航领域。

背景技术

传统的移动机器人导航问题通常被拆分为多个相互独立的子问题，然后根据实际部署场景的需要分别加以解决。传统导航问题通常是基于地图的导航，因此在进行运动规划前，我们需要明确环境地图的表示方式，传统的运动规划方法并没有单独定义“无地图的运动规划”。

传统基于地图的运动规划方法是分层和多级级连的，并且具有一定程度的定制。在传统架构下，运动规划通常被分为离散路径搜索(或称为全局路径规划)、轨迹生成与优化、轨迹跟踪和局部路径规划等。传统导航方法中的各个部分相互独立，且需要针对不同的场景进行仔细配置，因此其难以适应非结构化、复杂和动态的场景。其次，传统导航算法的部署流程耗时且复杂，需要针对具体应用环境调整诸多参数，需要具有专业知识的从业人员来完成。在复杂动态环境下(例如稠密人群)，传统移动机器人导航方法极易出现“机器人冻结问题”，即面对拥挤的环境无法计算出一个可通行的路线。

此外，当前基于学习的无地图导航方法，尤其是基于深度强化学习的无地图导航方法，主要采用端到端的训练方法，即输入传感器信息(激光雷达点云、相机图像或深度图和目标点的相关信息)，由神经网络直接输出移动机器人的控制指令。这种端到端的导航模式，可以理解为一种短视的单步路径规划，即根据环境信息和目标点信息得到下一步的速度指令。同时，也可以理解为一种带有目标的反应式的导航方式，即在向目标点前进的过程中根据传感器数据“反应”得躲避障碍物。这种反应式的导航方式有一个不可避免的缺点——短视问题，这个问题在室内导航中尤为突出。譬如，在两个相互独立的房间内，移动机器人搭载单线激光雷达传感器和定位模块，能够实时获得周围环境的障碍物距离和目标点的相对距离信息，当导航目标位于隔壁房间时，移动机器人更倾向于沿着点到点(穿过中间墙壁)的连线路径向目标点前进，但到达中间墙壁附近时，机器人为避免碰撞将呈现出在墙壁附近徘徊的状态，即陷入了“局部极小区域”。

再有，单线激光雷达是小型机器人最常用的传感器之一，其每帧数据为一个长向量，向量中的每一个元素表示机器人在均匀离散角度上探测到的障碍物距离。由于深度强化学习(DRL)无地图导航端到端训练的特点，以原始激光雷达数据作为输入的方式存在诸多难以处理的场景。再者就是面对空旷的环境，激光雷达返回的大部分数据为“inf”(超出探测界限)，而通常激光雷达数据占据了状态空间的绝大部分，因此机器人很难在这种场景下实现较好的规划效果。

发明内容

本发明提供一种基于局部路径点生成的分层无地图导航方法及装置，旨在至少解决现有技术中存在的技术问题之一。

本发明的技术方案涉及基于局部路径点生成的分层无地图导航方法。根据本发明的方法包括以下步骤：

S10、从传感器读取激光雷达数据和目标点相对位置数据；

S20、将激光雷达数据转化为局部障碍地图；

S30、将局部障碍地图和目标点相对位置输入局部路径点生成模块，得到局部路径点；

S40、将该局部路径点输入运动规划模块，输出移动机器人的控制速度；

S50、返回执行所述步骤S10，直至所述移动机器人到达目标点。