【技术实现步骤摘要】
一种机器人路径规划方法、电子设备以及存储介质
[0001]本专利技术涉及机器人移动控制
,特别涉及一种机器人路径规划方法、电子设备以及存储介质。
技术介绍
[0002]随着机器人技术的不断发展,移动机器人逐渐应用于办公室、医院和家庭等场景,这些应用场景面临的一个基本任务是在复杂环境中规划从初始位置到目的地的无碰撞路径,其中规划的实时性还有计算资源的损耗尤其是在低成本的商用平台始终是一个不容忽视的问题。
[0003]现有技术中,基于采样的路径规划算法一般采用全局空间随机采样的方式,遍历整个空间直到获取可行路径,尽管概率完备但是面临着搜索效率低收敛慢等技术问题;基于学习的路径规划方法由于引入了深度神经网络,这些方法通常需要相当大的计算资源和存储空间,因此很难部署在资源受限的机器人系统上,此外网络的推理时间也会影响到机器人的实时性。
技术实现思路
[0004]鉴于上述问题,本专利技术提供了一种机器人路径规划方法、电子设备以及存储介质,以期至少能够解决上述问题之一。
[0005]根据本专利技术的第一个方面,提供了一种机器人路径规划方法,包括:基于机器人所处的配置空间、初始状态和目的地区域,构建用于解决机器人路径规划问题的任务实例模型;根据任务实例模型,将机器人所处的配置空间编码成二维环境地图,并将机器人的起始坐标和目的地坐标编码成任务点地图;利用训练完成的轻量化预测神经网络处理任务点地图和二维环境地图,得到引导地图,其中,引导地图用于预测机器人从起始点到目标点之间的可行区域;利用混合采样 ...
【技术保护点】
【技术特征摘要】
1.一种机器人路径规划方法,其特征在于,包括:基于所述机器人所处的配置空间、初始状态和目的地区域,构建用于解决机器人路径规划问题的任务实例模型;根据所述任务实例模型,将所述机器人所处的配置空间编码成二维环境地图,并将所述机器人的起始坐标和目的地坐标编码成任务点地图;利用训练完成的轻量化预测神经网络处理所述任务点地图和所述二维环境地图,得到引导地图,其中,所述引导地图用于预测所述机器人从起始点到目标点之间的可行区域;利用混合采样规划器对所述二维环境地图进行均匀采样,对所述引导地图进行有偏采样,并基于采样结果执行随机生成树搜索算法,生成所述机器人的行驶路径。2.根据权利要求1所述的方法,其特征在于,所述训练完成的轻量化预测神经网络包括由编码器和解码器构成的U形轻量级骨干网络;其中,所述编码器包括特征融合模块、多个普通卷积层、多个最大池化层以及多个用于特征提取的混洗单元,所述解码器包括多个逆卷积层和多个3
×
3深度可分离卷积层;其中,所述混洗单元包括由深度可分离卷积层和普通卷积层按照特定排列方式所构成的标准模块和降采样模块。3.根据权利要求2所述的方法,其特征在于,利用训练完成的轻量化预测神经网络处理所述任务点地图和所述二维环境地图,得到引导地图包括:利用所述编码器的多个普通卷积层和多个最大池化层对所述任务点地图进行多轮次的特征提取操作,得到多个任务点特征图;利用所述特征融合模块通过多个并行的空洞卷积层处理所述二维环境地图,得到具有不同扩展比率的多个初始特征图;利用所述特征融合模块将所述具有不同扩展比率的多个初始特征图进行融合,得到多尺度融合特征图;利用所述标准模块和所述降采样模块分别先后对所述多尺度融合特征图进行多轮次通道混洗操作,得到多个混洗特征图;将所述多个混洗特征图与所述多个任务点特征图进行拼接操作,得到多个混洗拼接特征图;利用所述解码器对所述多个混洗拼接特征图进行反卷积解码操作,得到多个解码特征图;利用所述解码器通过跳跃连接方式将属于同一层次的所述混洗拼接特征图和所述解码特征图进行合并,并基于合并结果得到所述引导地图。4.根据权利要求3所述的方法,其特征在于,利用所述标准模块和所述降采样模块分别先后对所述多尺度融合特征图进行多轮次通道混洗操作,得到多个混洗特征图包括:利用所述标准模块对一部分的多尺度融合特征图进行多次标准卷积处理,得到标准卷积处理结果;利用所述标准模块将另一部分的多尺度融合特征图与所述标准卷积处理结果进行合并,得到标准合并结果;利用所述标准模块对所述标准合并结果进行通道混洗,得到标准混洗特征图;利用所述降采样模块的第一分支对一部分的所述标准混洗特征图进行多次降采样卷
积处理,得到第一降采样卷积处理结果;利用所述降采样模块的第二分支对另一部分的所述标准混洗特征图进行多次降采样卷积处理,得到第二降采样卷积处理结果,其中,所述降采样模块的第二分支在卷积层构成上与所述降采样模块的第一分支不同;将所述第一降采样卷积处理结果与所述二降采样卷积处理结果进行合并,得到降采样合并结果;利用所述降采样模块对所述降采样合并结果进行通道混洗,得到降采样混洗特征图;经过所述标准模块和所述降采样模块多轮次卷积操作、合并操作以及通道混洗操作,得到所述多个混洗特征图。5.根据权利要求4所述的方法,其特征在于,利用所述标准模块对一部分的多尺度融合特征图进行多次标准卷积处理,得到标准卷积处理结果包括:利用所述标准模块的初始1
×
1普通卷积层对所述...
【专利技术属性】
技术研发人员:阚震,李劲松,王韶晨,陈子扬,秦家虎,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。