【技术实现步骤摘要】
本专利技术涉及自动驾驶领域，尤其涉及一种机器人局部路径规划方法及相关设备。
技术介绍
1、局部规划技术是机器人应用上的核心技术之一，可以帮助运动的车辆或机器人等到达指定位置的过程中，有效的对静止的障碍物、运动的行人、车辆等进行避让，选择更合理的路径穿行。
2、然而，目前的局部路径规划算法大多数可以使机器人在存在静止的障碍物的情况下进行避障，当遇到运动的障碍物的时候，也只能选择停止运动，无法根据自身所处的环境的空旷程度及行人或者车辆的运动趋势去做出合理的路径选择，不具备社会意识。
技术实现思路
1、鉴于上述问题，本专利技术提供一种机器人局部路径规划方法及相关设备，主要目的在于解决目前的机器人局部路径规划缺少社会意识，不够智能化的问题。
2、为解决上述至少一种技术问题，第一方面，本专利技术提供了一种机器人局部路径规划方法，该方法包括：
3、基于机器人获取的基础位置信息确定基础特征，其中，上述基础特征包括机器人与目标点的距离特征、障碍物距离特征、移动障碍物轨迹特征及社交距离特征；
4、将上述基础特征进行连接以形成上述目标特征；
5、基于上述目标特征通过马尔可夫过程构建最优策略模型，其中，上述最优策略模型用于确定最优路径。
6、在一种实施例中，上述方法还包括：
7、基于上述机器人搭载的激光雷达获取基础位置信息，其中，上述基础位置信息包括机器人自身位置信息和障碍物位置信息，其中，上述障碍物包括静止障碍物和上述
8、在一种实施例中，上述方法还包括：
9、基于上述机器人在矩形网格世界环境中的每一个状态到达上述目标点的欧式距离，确定上述机器人与目标点的距离特征。
10、在一种实施例中，上述方法还包括：
11、基于上述机器人在矩形网格世界环境中的每一个状态到达上述障碍物的欧式距离，确定上述障碍物距离特征。
12、在一种实施例中，基于下式确定上述移动障碍物轨迹特征：
13、
14、其中，在上述移动障碍物的轨迹在cell(i，j)中的情况下，αnij为1；在上述移动障碍物的轨迹不在cell(i，j)中的情况下，αnij为0，上述cell(i，j)为矩形网格世界环境中的网格；γ为奖励折扣；n为状态的索引；t为时间步。
15、在一种实施例中，基于下式确定上述社交距离特征：
16、
17、其中，上述上述β和ρden为超参数。
18、在一种实施例中，上述方法还包括：
19、基于上述目标特征通过马尔可夫过程构建最优策略模型；
20、训练上述最优策略模型以获取输出奖励；
21、在上述输出奖励最大的情况下，确定上述最优路径。
22、第二方面，本专利技术实施例还提供了一种机器人局部路径规划装置，包括：
23、确定单元，用于基于机器人获取的基础位置信息确定基础特征，其中，上述基础特征包括机器人与目标点的距离特征、障碍物距离特征、移动障碍物轨迹特征及社交距离特征；
24、连接单元，用于将上述基础特征进行连接以形成上述目标特征；
25、构建单元，用于基于上述目标特征通过马尔可夫过程构建最优策略模型，其中，上述最优策略模型用于确定最优路径。
26、为了实现上述目的，根据本专利技术的第三方面，提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在上述程序被处理器执行时实现上述的机器人局部路径规划方法的步骤。
27、为了实现上述目的，根据本专利技术的第四方面，提供了一种电子设备，包括至少一个处理器、以及与上述处理器连接的至少一个存储器；其中，上述处理器用于调用上述存储器中的程序指令，执行上述的机器人局部路径规划方法的步骤。
28、借由上述技术方案，本专利技术提供的机器人局部路径规划方法及相关设备，对于目前的机器人局部路径规划缺少社会意识，不够智能化的问题，本专利技术通过基于机器人获取的基础位置信息确定基础特征，其中，上述基础特征包括机器人与目标点的距离特征、障碍物距离特征、移动障碍物轨迹特征及社交距离特征；将上述基础特征进行连接以形成上述目标特征；基于上述目标特征通过马尔可夫过程构建最优策略模型，其中，上述最优策略模型用于确定最优路径。在上述方案中，由于对机器人周围世界进行感知，对世界中的移动障碍物、其稠密程度、其运动趋势及机器人距离目标点的距离进行感知，并进行建模，基于上述数据使用逆强化学习对机器人的局部规划奖励进行学习，在使用基于马尔可夫模型的方法进行价值迭代，得到局部的路径规划策略，然后使用该策略对机器人的运动路径进行指导，以实现使得机器人局部路径规划具备社会意识，更加智能化的效果。
29、相应地，本专利技术实施例提供的机器人局部路径规划装置、设备和计算机可读存储介质，也同样具有上述技术效果。
30、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种机器人局部路径规划方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求2所述的方法，其特征在于，基于下式确定所述移动障碍物轨迹特征：
6.根据权利要求1所述的方法，其特征在于，基于下式确定所述社交距离特征：
7.根据权利要求1所述的方法，其特征在于，还包括：
8.一种机器人局部路径规划装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序被处理器执行时实现如权利要求1至权利要求8中任一项所述的机器人局部路径规划方法。
10.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器；其中，所述处理器用于调用所述存储器中的程序指令，执行如权利要求1至权利要求8中任一项所述的机器人局部路径规划方法。
【技术特征摘要】
1.一种机器人局部路径规划方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求2所述的方法，其特征在于，基于下式确定所述移动障碍物轨迹特征：
6.根据权利要求1所述的方法，其特征在于，基于下式确定所述社交距离特征：
7.根据权利要求1所述的方法，其特征在于，还包括：...
【专利技术属性】
技术研发人员：李峰岳，李高铭，杨宗林，尚德龙，周玉梅，
申请(专利权)人：中科南京智能技术研究院，
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。