[发明专利]基于深度信念网络的机器人避障行为学习和目标搜索方法

摘要

本发明公开了一种基于深度信念网络的机器人避障行为学习和目标搜索方法。首先操控机器人在环境中实现避障，同时采集彩色、深度图像数据及机器人移动基体对应的线速度和角速度，然后基于这些数据构建实现机器人自动避障行为学习的网络模型；机器人在自动目标搜索过程中，首先通过自动避障功能在环境中随机搜索目标；一旦搜索到目标，便直接靠近目标；如在靠近过程中障碍物出现，机器人可避开障碍，重新进行路径规划；如在靠近过程中目标丢失，机器人再次随机搜索；以上过程不断重复，直到机器人到达目标位置。本发明仅用单RGB‑D摄像头实现有自动避障功能的路径规划和目标搜索，在成本和应用方面都有较高的可行性和实用性。

主权项

基于深度信念网络的机器人避障行为学习和目标搜索方法，其特征在于：机器人包括机器人移动基体以及安装在机器人移动基体上的RGB‑D摄像头，具体步骤如下：步骤1：操控机器人在环境中进行避障运动，实时获取RGB‑D摄像头视野内的RGB图像数据、深度图像数据以及机器人移动基体的线速度和角速度数据；步骤2：根据步骤1获取的数据进行网络训练，构造深度信念网络模型，使机器人获取自动避障能力；步骤3：将步骤1获取的RGB图像数据与目标模板进行匹配，确定机器人是否搜索到目标，若搜索到目标，跳转至步骤4，若未搜索到目标，机器人通过自动避障在环境中随机搜索；步骤4：当机器人搜索到目标时，在无障碍物的情况下直接靠近目标；若在靠近目标的过程中遇到障碍物时，使用路径规划算法结合自动避障功能重新进行路径规划靠近目标；若目标丢失，回到步骤3进行随机搜索。