[发明专利]一种基于模型置信度和高斯过程的机器人轨迹预测方法有效

专利信息
申请号: 202111089958.9 申请日: 2021-09-17
公开(公告)号: CN113771034B 公开(公告)日: 2023-05-05
发明(设计)人: 李慧平;郎宁;陶修业;张卓 申请(专利权)人: 西北工业大学
主分类号: B25J9/16 分类号: B25J9/16
代理公司: 西安凯多思知识产权代理事务所(普通合伙) 61290 代理人: 刘新琼
地址: 710072 *** 国省代码: 陕西;61
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 基于 模型 置信 过程 机器人 轨迹 预测 方法
【说明书】:

发明涉及一种基于模型置信度和高斯过程的机器人轨迹预测方法,属于目标跟踪与人工智能领域。本发明旨在解决现有的基于学习的方法严重依赖于训练数据集,在数据稀疏区域轨迹预测精度较低的问题,首先建立基于模型置信度的机器人决策概率模型,然后利用模型生成的概率路径获得增广数据集,并利用增广数据集训练高斯过程模型,结合高斯过程和RRT设计机器人长期运动轨迹预测算法,提高了数据稀疏情况下机器人长期运动轨迹预测精度。

技术领域

本发明属于目标跟踪与人工智能领域,具体涉及一种基于模型置信度和高斯过程的机器人轨迹预测方法。

背景技术

随着科技的发展,机器人在工业制造和人们生活中的应用逐渐广泛,机器人是改善人类生活方式的重要切入点,大力发展机器人产业,对于推动工业转型升级,改善人民生活水平具有重要意义。机器人在执行任务的过程中首先需要考虑避障的问题,路径规划是机器人能够安全高效工作的重要环节,而轨迹预测作为威胁评估系统的重要组成部分是机器人规划领域的关键研究问题之一。轨迹预测可应用在无人驾驶车辆的防撞检测系统,通过在系统规划器中加入对车辆未来长时间运动轨迹预测,从而合理规划路径引导车辆避开可能会发生交通堵塞的区域。轨迹预测也可以在交叉路口进行风险评估,通过对移动物体进行未来长期运动轨迹预测,先进的交通监控系统可以对可能发生的碰撞作出警报,减少交通事故发生。

在现有的轨迹预测算法中,基于学习的方法根据训练数据集逼近目标的动力学函数,该方法通过观察到的运动轨迹学习对应的统计学行为模式进而预测目标未来运动轨迹。其中,基于高斯过程的方法通过已知的训练集进行模型学习,学习得到机器人位置与轨迹导数分布的映射关系,然后利用该映射关系预测机器人未来运动轨迹。高斯过程模型对于无序含噪声观测量有很强的鲁棒性,适合对非等距离散时间序列采样轨迹点进行建模描述。但是,基于学习的方法严重依赖于训练的数据集,需要大量数据样本,故在数据稀疏区域机器人未来长期运动轨迹预测精度较低。

发明内容

要解决的技术问题

为了解决现有的基于学习的方法严重依赖于训练的数据集,在数据稀疏区域轨迹预测精度较低的问题,本发明提供一种基于模型置信度和高斯过程的机器人轨迹预测方法,首先建立基于模型置信度的机器人决策概率模型,然后利用模型生成的概率路径获得增广数据集,并利用增广数据集训练高斯过程模型,结合高斯过程和RRT设计机器人长期运动轨迹预测算法,提高了数据稀疏情况下机器人长期运动轨迹预测精度。

技术方案

一种基于模型置信度和高斯过程的机器人轨迹预测方法,其特征在于步骤如下:

步骤1:生成环境栅格地图,设计针对固定障碍物的机器人移动规则;

步骤2:建立基于模型置信度的机器人决策概率模型:

步骤2.1:计算机器人在当前位置采取不同决策后的状态-动作值,即Q值;

步骤2.2:根据Q值计算机器人未来运动状态的概率分布;

步骤2.3:更新模型置信度;

步骤3:利用概率模型计算机器人未来多时间步长状态的概率分布,通过模拟传感器量测信息的更新,得到起始点到目标点的概率路径;

步骤4:在最大模型置信度路径集合中选择概率最大的三条路径作为训练集的参考运动路径;

步骤5:以三条参考运动路径为基准,通过双轮差速小车模型做参考运动路径跟踪构建增广数据集;

步骤6:利用增广数据集训练高斯过程模型,得到模型的超参数集合;

步骤7:模拟传感器量测信息,利用训练好的模型预测轮式机器人未来长时间运动轨迹:

步骤7.1:初始化各运动模式的先验概率和随机树,随机树的根节点为机器人当前位置;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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西北工业大学,未经西北工业大学许可,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/202111089958.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top