申请/专利权人：苏州大学

申请日：2023-12-21

公开（公告）日：2024-04-09

公开（公告）号：CN117850410A

主分类号：G05D1/43

分类号：G05D1/43;G05D1/246;G05D1/65;G05D1/633;G05D1/644;G05D1/247;G05D109/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及一种基于在线环境学习的全时段非同伦机器人路径优化方法，包括获取地图中无障碍物区域的特征点集合，构建行人矩阵与行人矩阵知识库，利用Risk‑RRT算法生成初始启发式路径；利用行人群聚动态矩阵算法，基于行人矩阵与行人平均行进速度，更新行人群聚动态矩阵；若行人群聚动态矩阵中存在元素不小于预设行人阈值，则判断路径上出现突发人群；提取地图中每个障碍物的多个邻域特征点生成对应的核环结构；获取与突发人群具有最小距离的障碍物；若该最小距离不超过预设聚合阈值，则提取其对应的邻域特征点，以当前机器人位置为当前起始点，保持目标点不变，再次进行路径规划，生成非同伦逆向回环路径，直至机器人到达目标点。

主权项：1.一种基于在线环境学习的全时段非同伦机器人路径优化方法，其特征在于，包括：S1：利用高斯混合模型，获取地图中无障碍物区域的特征点，生成特征点集合；基于特征点集合中每两个特征点连线区域之间的经过的行人总数，构建行人矩阵；获取多个典型时段的行人矩阵，组成行人矩阵知识库；S2：根据机器人初始起始点、目标点与当前时段的行人矩阵，基于特征点集合，利用Risk-RRT算法，生成初始启发式路径，令机器人沿着所述初始启发式路径前进；S3：利用行人群聚动态矩阵算法，基于行人矩阵与行人平均行进速度，按照预设时间步长，更新行人群聚动态矩阵；S4：比较更新后的行人群聚动态矩阵中，每个元素的值与预设行人阈值的大小：若行人群聚动态矩阵中存在元素的值不小于预设行人阈值，且该元素所处区域位于所述启发式路径的机器人未经过路径上，则判断所述启发式路径上出现突发人群；S5：利用深度优先搜索算法，获取地图中所有障碍物；提取每个障碍物的多个邻域特征点进行排序，生成每个障碍物对应的核环结构；S6：获取与突发人群具有最小距离的障碍物；若该最小距离不超过预设聚合阈值，则基于该障碍物的核环结构，提取其对应的邻域特征点；S7：根据最小距离所对应的障碍物的邻域特征点，以当前机器人位置为当前起始点，保持所述目标点不变，利用Risk-RRT算法再次进行路径规划，生成非同伦逆向回环路径；S8：令机器人沿着所述非同伦逆向回环路径行进，重复步骤S3至步骤S7，直至机器人到达所述目标点。

全文数据：

权利要求：

百度查询： 苏州大学 基于在线环境学习的全时段非同伦机器人路径优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD