[发明专利]一种密集行人环境下移动机器人的视觉导航方法及装置在审
| 申请号： | 202110347180.0 | 申请日： | 2021-03-31 |
| 公开（公告）号： | CN112947484A | 公开（公告）日： | 2021-06-11 |
| 发明（设计）人： | 刘奇;李衍杰;庞玺政;陈美玲;吕少华;陈时雨 | 申请（专利权）人： | 哈尔滨工业大学（深圳） |
| 主分类号： | G05D1/02 | 分类号： | G05D1/02 |
| 代理公司： | 深圳市添源知识产权代理事务所(普通合伙) 44451 | 代理人： | 于标 |
| 地址： | 518000 广东省深圳市南*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 密集 行人 环境 下移 机器人 视觉 导航 方法 装置 | ||
1.一种密集行人环境下移动机器人的视觉导航方法，其特征在于，所述方法采用传统路径规划和强化学习相结合的方式分别进行全局路径规划和局部路径规划，所述方法包括：
S101、获取机器人所处的静态环境地图及机器人自身起始和目标点位置；
S102、使用Dijkstra算法为该起始-目标点对规划全局路径；
S103、在上述规划的全局路径上按照固定距离生成多个全局路径点，供后续局部路径规划使用；
S104、使用PPO算法跟随上述全局路径进行局部路径规划。
2.根据权利要求1所述的方法，其特征在于：所述Dijkstra算法输入参数包括静态地图、机器人当前时刻位置和目标点位置，输出参数为全局路径点；所述PPO算法输入参数为2D RGB图像、机器人当前时刻位置和离机器人最近的全局路径点位置，输出参数为移动机器人速度的大小和方向。
3.根据权利要求2所述的方法，其特征在于：所述全局路径规划仅考虑移动机器人所处的静态地图，使用传统路径规划方法Dijkstra算法生成待实现起始-目标点对的全局路径。
4.根据权利要求2所述的方法，其特征在于：所述局部路径规划完成每两个全局路径点之间的局部导航任务，需根据RGB相机传回的2D RGB图像数据判断移动机器人附近的行人运动情况，并结合机器人当前位置和最近的全局路径点位置输入PPO算法，使强化学习决策网络能够在跟随规划好的全局路径的同时灵活躲避周围的静态障碍物和行人。
5.根据权利要求1-4任一项所述的方法，其特征在于：输入PPO算法的2D RGB图像数据预先经过attention机制提取视觉特征。
6.一种密集行人环境下移动机器人的视觉导航装置，其特征在于，所述装置包括：
获取模块，用于获取机器人所处的静态环境地图及机器人自身起始和目标点位置；
全局路径规划模块，用于使用Dijkstra算法为该起始-目标点对规划全局路径；
全局路径点生成模块，用于在上述规划的全局路径上按照固定距离生成多个全局路径点，供后续局部路径规划使用；
局部路径规划模块，用于采用PPO算法跟随上述全局路径进行局部路径规划。
7.根据权利要求6所述的装置，其特征在于：所述Dijkstra算法输入参数包括静态地图、机器人当前时刻位置和目标点位置，输出参数为全局路径点；所述PPO算法输入参数为2D RGB图像、机器人当前时刻位置和离机器人最近的全局路径点位置，输出参数为移动机器人速度的大小和方向。
8.根据权利要求7所述的装置，其特征在于：所述全局路径规划仅考虑移动机器人所处的静态地图，使用传统路径规划方法Dijkstra算法生成待实现起始-目标点对的全局路径。
9.根据权利要求7所述的装置，其特征在于：所述局部路径规划完成每两个全局路径点之间的局部导航任务，需根据RGB相机传回的2D RGB图像数据判断移动机器人附近的行人运动情况，并结合机器人当前位置和最近的全局路径点位置输入PPO算法，使强化学习决策网络能够在跟随规划好的全局路径的同时灵活躲避周围的静态障碍物和行人。
10.根据权利要求6-9任一项所述的装置，其特征在于：输入PPO算法的2D RGB图像数据预先经过attention机制提取视觉特征。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学（深圳），未经哈尔滨工业大学（深圳）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110347180.0/1.html，转载请声明来源钻瓜专利网。
