一种融合深度神经网络和强化学习方法的路径规划方法

    公开(公告)号:CN116448117A

    公开(公告)日:2023-07-18

    申请号:CN202310415309.6

    申请日:2023-04-18

    Applicant: 安徽大学

    Abstract: 本发明公开了一种融合深度神经网络和强化学习方法的路径规划方法,步骤一:机器人在每个离散时间步内,通过传感器获取环境信息以建立相应的数学模型;步骤二:建立当前所处的模拟环境模型;步骤三:根据奖励值更新网络参数和学习更优的行为策略;步骤四:解耦目标Q值动作的选择和目标Q值的计算;步骤五:使用深度神经网络表示智能体的各种组件这些网络的参数通过梯度下降来训练;步骤六:通过迭代;步骤七:根据添加噪音引起的网络输出值变化选择动作。本发明新型涉及机器人路径规划技术领域,具体为具体为一种融合深度神经网络和强化学习方法的路径规划方法。

    一种基于双目图像分析与紧耦合SLAM融合的导航定位系统

    公开(公告)号:CN118730098A

    公开(公告)日:2024-10-01

    申请号:CN202310313788.0

    申请日:2023-03-28

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于双目图像分析与紧耦合SLAM融合的导航定位系统,涉及定位导航技术领域,包括数据采集层、数据处理层和应用层,数据采集层使用基于激光‑惯导‑视觉‑IMU‑GPS融合SLAM方法,将激光点云特征与IMU数据和相机提取并优化后的特征信息进行一同运算,提高整个系统在非结构化环境中的定位精度,通过关键帧的匹配降低整个系统的计算量。本发明通过提出了一个实时同步定位、建图和着色框架,解决了基于LiDAR、惯性和视觉测量的紧耦合融合的实时同步定位、3D建图和地图渲染问题,提高系统的鲁棒性和准确性,避免了弱GNSS信号下定位不准,误差较大的问题,解决了单一传感器数据捕获和处理精度不高的问题。

Patent Agency Ranking