一种机器人自主导航方法技术

本发明专利技术公开一种机器人自主导航方法

【技术实现步骤摘要】
一种机器人自主导航方法、系统、电子设备及存储介质


[0001]本专利技术涉及路径规划
，特别是涉及一种机器人自主导航方法
、
系统
、
电子设备及存储介质
。

技术介绍

[0002]为了实现移动机器人在未知动态环境中的自主导航，移动机器人需要解决三个基本问题，即“我在哪里？”、“我的周围都什么样？”、“我下一步该怎么做？”。
为了解决这三个核心基本问题，就涉及到环境感知
、
地图创建
、
自主定位
、
运动规划等一系列核心技术
。
[0003]1、
环境感知
[0004]移动机器人的环境感知技术，即通过移动机器人自身携带的传感器感知周围环境，并对获得的环境数据进行处理以得到周围环境的具体信息
(
包括特征信息与位置信息
)
的过程
。
在未知环境地图和未知初始位置的前提下，移动机器人必须首先依靠自身携带的传感器感知外部环境的信息，才可以进一步完成位置确定
、
地图构建与路径规划等任务
。
因此环境感知是移动机器人自主导航技术的基础与关键
。
[0005]根据所用传感器的不同，移动机器人感知环境的方法可分为基于声呐
、
基于激光雷达
、
基于视觉与融合多传感器的环境感知等
。
声呐通过声波的传播时间来判断物体的距离信息，在水下传播的速度较快且不会如相机和激光雷达传感器那样受到水介质本身的干扰，因此基于声呐的环境感知方法被广泛地应用于水下机器人领域
。
与声纳传感器相比，激光传感器使用的光信号传播速度更快，抗干扰性更好，因此测得的环境信息更加准确
。
与声纳
、
激光传感器相比，相机重量轻
、
价格低廉
、
可以获得更加丰富的环境信息且无需主动发出信号，因此被广泛应用于无人机
、
无人车等领域
。
随着深度学习技术的快速发展，部分研究者通过深度学习方法提取图像的语义信息来完成对环境的感知
。
近年来，基于多传感器融合的环境感知方法也受到了许多研究者的关注和重视
。
从融合激光雷达点云数据与图像数据中提取语义信息来实现三维空间下环境感知任务
。
随着深度学习的迅速发展，基于深度学习的图像和点云特征提取方法引起科学界的广泛关注
。
通过深度学习方法提取到的深层次语义特征具有准确度高
、
提取速度快
、
稳定性好的特点
。
因此越来越多的移动机器人通过基于深度学习的方法来从图像与点云中提取深层次的语义特征以感知周围环境
。
而在传感器类型的选择上，由于机器人往往工作在复杂多变的环境中而单一传感器的应用范围有限，因此基于多传感器融合的环境感知与自主导航方法成为了研究的热门问题
。
[0006]2、
地图创建
[0007]要想使机器人可以自由安全的进行移动，地图信息必不可少
。
建图实质是运动过程对环境的描述，构建的地图形式分为度量地图和拓扑地图等
。
度量地图又可以分为稀疏地图和稠密地图
。
[0008]其中，稀疏地图对环境进行了一定的抽象表达，不能表达周围环境所有信息，通常用于快速定位与导航，具有较快的计算能力
。
拓扑地图由节点和边两种元素组成，主要表达地图元素之间的连通性
。
传统的构建地图的方法大致可分为滤波方法和优化方法两类
。
近
几年基于多传感器融合，如激光雷达
、
相机
、
惯性测量单元
(Inertial Measurement Unit
，
IMU)
融合的建图方法逐渐成为发展的一个重心，通过多种传感器的信息来增加机器人建图的鲁棒性，获得更加精准，信息更加丰富的地图
。
[0009]3、
自主定位
[0010]定位问题是实现移动机器人自主移动能力的基本问题
。
依据完成任务要求的不同，可以将移动机器人定位问题分为位姿跟踪
、
全局定位
、
绑架问题
。
所谓自主定位就是机器人利用先验环境地图信息
、
机器人位姿的估计以及传感器的观测值等输入信息，经过一定的运算产生更加准确的对机器人位姿的估计
。
[0011]定位方法根据所采用传感器不同可以分为：激光定位
、
视觉定位
、
红外定位
、
组合惯导定位
、
超声波定位
、Wi
‑
Fi
定位
、
蓝牙定位
、UWB
定位等
。
一般情况下，基于单一传感器的定位在复杂环境中，其精度与鲁棒性难以保证，而多传感器融合则克服了单一传感器的缺陷，能够在具有挑战性的环境中实现高精度定位和强鲁棒性
。
在移动机器人的自主定位中，最为广泛使用的传感器就是激光雷达
。
传统的激光雷达定位方法主要基于几何信息，依赖几何约束来估计车辆的运动
。
最直接的方法是应用点云配准算法来解决运动问题
。
常见配准算法有迭代最近点
(Iterative Closest Point
，
ICP)、G
‑
ICP
和正态分布变换
(Normal Distributions Transform
，
NDT)。
但是，这些配准方法对初始猜测非常敏感，且它们在没有丰富几何信息的场景中容易定位失败，例如高速公路或其他开放空间
。
近年来，也有人提出了一种基于学习的新型雷达定位系统，可实现厘米级的定位精度
。
传统的定位方法与学习的定位方法在场景较为简单的城市街道
、
园区环境，精度和鲁棒性都取得了良好的效果，但在环境多变的野外下，定位问题还存在诸多挑战
。
此外，在多变的室外场景下，需要不断地维护更新地图才能达到良好的定位效果
。
[0012]4、
运动规划
[0013]路径规划即在现实环境中，机器人根据先验的地图环境信息以及自身传感器实时感知的周围动态环境信息，综合一定的评价指标搜索出一条能够连接起始点与目标点，且在一定指标下具有最优性的轨迹曲线，并且保证机器人在沿着这条曲线运动的过程中能够实时避开环境中的动态障碍物，顺利到达目标点
。
[0014]由于近几年来大量学者与研究机构参与到机器人技术的研究中来，路径规划本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种机器人自主导航方法，其特征在于，所述方法包括：迷宫机器人在进入环境后的初始位置处保持不动，将初始位置对应的节点作为初始节点开始探索过程，并获取探索过程经过的节点的好奇度；从初始节点开始，按照预设推理逻辑进行推理过程，找到好奇度为零的第一个节点作为起始节点，所述迷宫机器人导航到所述起始节点处；迷宫机器人在起始节点处保持不动，开始探索过程并按照预设推理逻辑进行推理过程；获取探索过程经过的节点的好奇度；找到好奇度大于预设好奇度阈值的第一个节点作为目标节点，并确定所述起始节点与所述目标节点间的路径；所述迷宫机器人按照所述路径导航到所述目标节点，将所述目标节点作为新的起始节点，并返回“迷宫机器人在起始节点处保持不动，开始探索过程并按照预设推理逻辑进行推理过程”，直到所述环境中所有节点的好奇度小于所述预设好奇度阈值
。2.
根据权利要求1所述的机器人自主导航方法，其特征在于，任一好奇度的确定过程包括：确定所述迷宫机器人所在任一节点的序号；确定所述迷宫机器人上的8个距离传感器在对应探测方向上的实际探测距离；分别基于各实际探测距离和最大探测距离，判断对应探测方向上是否存在障碍物；若存在障碍物，则基于对应的距离传感器的探测位置末端的自建坐标和对应的初始节点的序号，确定障碍物所在的节点；基于所述迷宫机器人所在的节点和障碍物所在的节点，确定位于所述迷宫机器人所在的节点的8个探测方向上的节点的通过信息；所述通过信息为可通过或不可通过；分别对所述迷宫机器人所在的节点和8个探测方向的执行动作进行编码，得到8个编码矩阵；执行动作为：向上前进
、
向下前进
、
向左前进
、
向右前进
、
向左上前进
、
向左下前进
、
向右上前进或向右下前进；基于各编码矩阵确定所述迷宫机器人所在的节点的各第一周围节点的节点信息和激活状态；所述节点信息为节点向各探测方向的通过信息；所述激活状态为激活或未激活；第一周围节点为以所述迷宫机器人所在的节点为中心的九宫格的节点中除所述迷宫机器人所在的节点之外的8个节点；基于所述迷宫机器人所在的节点和各第一周围节点的激活状态，计算所述迷宫机器人所在的节点的好奇度
。3.
根据权利要求2所述的机器人自主导航方法，其特征在于，确定所述迷宫机器人所在任一节点的序号，包括：将迷宫机器人进入环境后的初始位置在现实坐标系下的初始坐标作为修正坐标；所述现实坐标系为以所述环境的任一点为原点建立的坐标系；将自构建坐标系中的第
k
象限的初始节点的序号确定为
k
，
k
为
1、2、3
或4；所述自构建坐标系为以所述迷宫机器人在所述环境中的初始位置为原点建立的坐标系；获取所述迷宫机器人在现实坐标系下的任一现实坐标；基于所述现实坐标和所述修正坐标，确定所述迷宫机器人的自建坐标；所述自建坐标
...

【专利技术属性】
技术研发人员：张晓平，刘翼豪，王力，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：