【技术实现步骤摘要】
本申请涉及机器人相关领域，尤其涉及一种机器人路径控制方法及系统。
技术介绍
1、机器人路径控制是指机器人按照预设或规划的路径进行移动和操作的技术，是自主或在人的辅助下选择并执行一条从起始点到目标点的路径。现有技术在进行机器人路径规划时，往往采用预设的路线进行导航，这些预设路线通常是在机器人开始执行任务之前就已经确定好的，并且在执行任务期间不会进行实时调整。这种方式的路径规划简单直接，但不能根据实时情况进行调整，当机器人遇到实际道路中的障碍物、交通变化或其他未预见的情况时，往往无法灵活应对，降低了整体的运动效率。
2、现阶段相关技术中，机器人路径控制存在无法根据实时情况进行路径调整，导致机器人运动效率和精度不高的技术问题。
技术实现思路
1、本申请通过提供一种机器人路径控制方法及系统，采用根据预规划路径进行实际道路匹配，瓜分预定执行时间，构建避障识别模块，获得视觉高度参数，生成路径控制策略，进行路径补偿等技术手段，达到了实现对路径的实时规划，提高机器人的运动效率和精度的技术效果。
2、本申请提供一种机器人路径控制方法，包括：
3、交互获得目标机器人的预规划路径和预定执行时间；
4、根据所述预规划路径进行实际道路匹配，获得执行路径距离信息和执行路径路况信息；
5、根据所述执行路径距离信息、所述执行路径路况信息瓜分所述预定执行时间，获得路段执行信息集，其中，所述路段执行信息集包括多个实际路径的多个执行时间约束，所述多个实际路径包
6、预设避障延迟约束，并根据所述避障延迟约束和所述路段执行信息集计算获得所述多个实际路径的多个执行速度约束；
7、预构建避障识别模块，其中，所述避障识别模块与所述目标机器人的视觉传感器通信连接；
8、测试获得所述避障识别模块的避障响应延时，并根据所述避障响应延时和所述多个执行速度约束分析获得所述多个实际路径的多个视觉高度参数；
9、根据所述多个路段衔接标识拟合所述多个执行速度约束和所述多个视觉高度参数生成路径控制策略，所述目标机器人按照所述预规划路径行驶过程中以所述路径控制策略为约束进行行驶速度和所述视觉传感器的视觉高度的动态调节；
10、所述避障识别模块实时接收所述视觉传感器通信传输的实时道路图像，并生成动态避障策略进行所述预规划路径的路径补偿。
11、在可能的实现方式中，根据所述预规划路径进行实际道路匹配，获得执行路径距离信息和执行路径路况信息，执行以下处理：
12、根据所述预规划路径进行实际道路匹配，获得实际行驶道路；
13、根据道路类型划分所述实际行驶道路，获得所述多个实际路径，其中，所述实际行驶道路根据所述多个路段衔接标识衔接所述多个实际路径还原获得；
14、交互在线地图服务，获得所述多个实际路径的多个实际路径距离，其中，所述多个实际路径距离构成所述执行路径距离信息；
15、交互路况信息平台，获得所述多个实际路径的多个实际路况信息，其中，所述多个实际路况信息构成所述执行路径路况信息，所述多个实际路况信息中每个实际路况信息包括路面平整度、坡度、路面粗糙度和路面摩擦系数。
16、在可能的实现方式中，根据所述执行路径距离信息、所述执行路径路况信息瓜分所述预定执行时间，获得路段执行信息集，其中，所述路段执行信息集包括多个实际路径的多个执行时间约束，所述多个实际路径包括多个路段衔接标识，执行以下处理：
17、预构建路况复杂度函数，所述路况复杂度函数如下：
18、；
19、其中，为路况复杂度，为路面平整度，为坡度，为路面摩擦系数，为路面粗糙度，d为实际路径距离；
20、预构建路段权重分配器，其中，所述路段权重分配器包括m个路况评价分支和集成权重分配层，所述m个路况评价分支的输出端与所述集成权重分配层的输入端连接；
21、根据所述多个实际路径在所述m个路况评价分支随机激活多个路况评价分支，并将所述路况复杂度函数同步至激活的所述多个路况评价分支，获得实时权重分配器；
22、将所述多个实际路径的所述多个实际路况信息和所述多个实际路径距离映射同步至所述实时权重分配器的所述多个路况评价分支，获得多个实时路况复杂度；
23、所述集成权重分配层根据所述多个实时路况复杂度进行权重分配，获得所述多个实时路径的多个路径权重配置，并根据所述多个路径权重配置瓜分所述预定执行时间，获得所述多个执行时间约束。
24、在可能的实现方式中，预构建避障识别模块，其中，所述避障识别模块与所述目标机器人的视觉传感器通信连接，执行以下处理：
25、交互获得多个样本传感器的多个样本障碍物图像和多个样本避障路径，其中，所述多个样本障碍物图像具有多个样本障碍边界标识，所述多个样本避障路径中每个样本避障路径包括样本原始路径和样本避障融合路径，所述多个样本障碍物图像和多个样本避障路径图层拟合；
26、基于bp神经网络构建障碍边界识别单元，并采用所述多个样本障碍物图像进行所述障碍边界识别单元的训练，直至所述障碍边界识别单元的障碍物边界识别精度稳定高于预设阈值；
27、基于bp神经网络构建避障路径生成单元，并采用所述多个样本障碍边界标识、多个所述样本原始路径和多个所述样本避障融合路径进行所述避障路径生成单元的训练，直至所述避障路径生成单元的避障路径生成精度稳定高于所述预设阈值；
28、将所述障碍边界识别单元和所述避障路径生成单元通信连接，完成所述避障识别模块的构建。
29、在可能的实现方式中，测试获得所述避障识别模块的避障响应延时，并根据所述避障响应延时和所述多个执行速度约束分析获得所述多个实际路径的多个视觉高度参数，执行以下处理：
30、将所述多个样本障碍物图像和多个所述样本原始路径作为原始数据，基于排列组合和图像路径融合执行数据扩充，获得k个测试数据，其中，每个测试数据为图层融合的样本原始路径和样本障碍物图像；
31、采用所述k个测试数据测试所述避障识别模块，获得k个测试响应延时，序列化所述k个测试响应延时并进行极大值调用，作为所述避障响应延时；
32、基于卷积神经网络构建视觉高度分析器，并将交互获得多个样本识别距离和多个样本视觉高度作为训练数据进行所述视觉高度分析器的训练，直至所述视觉高度分析器的输出精度稳定高于所述预设阈值；
33、根据所述避障响应延时和所述多个执行速度约束计算获得多个实时识别距离，并将所述多个实时识别距离同步至所述视觉高度分析器，分析获得所述多个视觉高度参数。
34、在可能的实现方式中，所述避障识别模块实时接收所述视觉传感器通信传输的实时道路图像，并生成动态避障策略进行所述预规划路径的路径补偿，执行以下处理：
35、所述实时道路图像具有实时道路位置标识，根据所述实时道路位置标识和所述预规本文档来自技高网...
【技术保护点】
1.一种机器人路径控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种机器人路径控制方法，其特征在于，根据所述预规划路径进行实际道路匹配，获得执行路径距离信息和执行路径路况信息，所述方法还包括：
3.如权利要求2所述的一种机器人路径控制方法，其特征在于，根据所述执行路径距离信息、所述执行路径路况信息瓜分所述预定执行时间，获得路段执行信息集，其中，所述路段执行信息集包括多个实际路径的多个执行时间约束，所述多个实际路径包括多个路段衔接标识，所述方法还包括：
4.如权利要求1所述的一种机器人路径控制方法，其特征在于，预构建避障识别模块，其中，所述避障识别模块与所述目标机器人的视觉传感器通信连接，所述方法还包括：
5.如权利要求4所述的一种机器人路径控制方法，其特征在于，测试获得所述避障识别模块的避障响应延时，并根据所述避障响应延时和所述多个执行速度约束分析获得所述多个实际路径的多个视觉高度参数，所述方法还包括：
6.如权利要求5所述的一种机器人路径控制方法，其特征在于，所述避障识别模块实时接收所述视觉传感器通信传输
7.如权利要求6所述的一种机器人路径控制方法，其特征在于，所述方法还包括：
8.一种机器人路径控制系统，其特征在于，所述系统用于实施权利要求1-7任一项所述的一种机器人路径控制方法，所述系统包括：
...【技术特征摘要】
1.一种机器人路径控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种机器人路径控制方法，其特征在于，根据所述预规划路径进行实际道路匹配，获得执行路径距离信息和执行路径路况信息，所述方法还包括：
3.如权利要求2所述的一种机器人路径控制方法，其特征在于，根据所述执行路径距离信息、所述执行路径路况信息瓜分所述预定执行时间，获得路段执行信息集，其中，所述路段执行信息集包括多个实际路径的多个执行时间约束，所述多个实际路径包括多个路段衔接标识，所述方法还包括：
4.如权利要求1所述的一种机器人路径控制方法，其特征在于，预构建避障识别模块，其中，所述避障识别模块与所述目标机器人的视觉传感器通信连接，所述...
【专利技术属性】
技术研发人员：杨杰，
申请(专利权)人：江苏三铭智达科技有限公司，
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。