-
公开(公告)号：CN111596668B
公开(公告)日：2021-12-21
申请号：CN202010556856.2
申请日：2020-06-17
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于逆向强化学习的移动机器人拟人化路径规划方法，包括：创建运动规划场景，作为地图，根据机器人在所述地图上的信息采集数据集；规定一个训练轮回的场景数，所述训练轮回的场景数的数量与所述数据集中的训练集中场景数的数量相同；计算当前场景的代价地图；在所述代价地图中机器人自主重复规划多次路径，计算规划路径的特征和以及所述数据集中示范路径的特征和；判断示范路径与规划路径是否同伦，根据同伦结果结合两条路径的长度判断是否引入惩罚函数增加规划路径的特征和。本发明有利于形成更为安全可靠、自然舒适的路径。
-
公开(公告)号：CN112327852A
公开(公告)日：2021-02-05
申请号：CN202011240856.8
申请日：2020-11-09
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明公开了融合路径信息丰富度的移动机器人自主探索方法，包括：机器人获取感知范围内的环境信息，将环境由未知状态变为已知状态；在已知状态的空闲区域内生成快速搜索随机树，采用聚类算法对快速搜索随机树的边界点进行聚类得到质心点，同时检测边界点的栅格状态并剔除无效点；结合信息增益、路径成本、路径信息丰富度和边界点信息丰富度构建收益函数，计算收益函数在每个质心点的收益值；选择收益值最大的质心点作为目标点，引导机器人向目标点移动；重复以上步骤直至探索完整个环境得到栅格地图。本发明在构建收益函数时加入路径信息丰富度和边界点信息丰富度，丰富边界点选取过程的考量因素，减少机器人的感知不确定性，提升探索效率。
-
公开(公告)号：CN111596668A
公开(公告)日：2020-08-28
申请号：CN202010556856.2
申请日：2020-06-17
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于逆向强化学习的移动机器人拟人化路径规划方法，包括：创建运动规划场景，作为地图，根据机器人在所述地图上的信息采集数据集；规定一个训练轮回的场景数，所述训练轮回的场景数的数量与所述数据集中的训练集中场景数的数量相同；计算当前场景的代价地图；在所述代价地图中机器人自主重复规划多次路径，计算规划路径的特征和以及所述数据集中示范路径的特征和；判断示范路径与规划路径是否同伦，根据同伦结果结合两条路径的长度判断是否引入惩罚函数增加规划路径的特征和。本发明有利于形成更为安全可靠、自然舒适的路径。
-
公开(公告)号：CN113110482B
公开(公告)日：2022-07-19
申请号：CN202110475488.3
申请日：2021-04-29
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于先验信息启发式的室内环境机器人探索方法及系统，包括以下步骤：机器人通过自身携带的传感器采集周围环境信息的数据；基于周围环境信息的数据更新一部分地图为已知区域，获得更新后的地图；使用两棵快速搜索随机树对更新后的地图进行边界提取，获得RRT边界点；识别启发式物体并对其进行位置估计，以启发式物体的位置为基准构建先验区域，在先验区域内提取边界点，获得房间边界点；基于RRT边界点和房间边界点，机器人进行室内环境探索。其优先探索先验区域内的环境，可以使机器人优先探索完一个房间区域再转向其它区域，有效减少探索过程中的回溯现象，提升探索效率。
-
公开(公告)号：CN112327852B
公开(公告)日：2022-12-27
申请号：CN202011240856.8
申请日：2020-11-09
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明公开了融合路径信息丰富度的移动机器人自主探索方法，包括：机器人获取感知范围内的环境信息，将环境由未知状态变为已知状态；在已知状态的空闲区域内生成快速搜索随机树，采用聚类算法对快速搜索随机树的边界点进行聚类得到质心点，同时检测边界点的栅格状态并剔除无效点；结合信息增益、路径成本、路径信息丰富度和边界点信息丰富度构建收益函数，计算收益函数在每个质心点的收益值；选择收益值最大的质心点作为目标点，引导机器人向目标点移动；重复以上步骤直至探索完整个环境得到栅格地图。本发明在构建收益函数时加入路径信息丰富度和边界点信息丰富度，丰富边界点选取过程的考量因素，减少机器人的感知不确定性，提升探索效率。
-
Patent Agency Ranking
公开(公告)号：CN112428271B
公开(公告)日：2022-07-12
申请号：CN202011262159.2
申请日：2020-11-12
Applicant: 苏州大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于多模态信息特征树的机器人实时运动规划方法，包括获取环境地图，实时提取机器人的位姿信息，判断特征点对该环境地图的表征度是否已经完备，如果还未完备则使用角速度和距离融合对机器人的节点位姿进行特征初步提取，直到特征点的表征度完备获得最优特征点，得到最终特征点集，更新特征地图；如果已经完备则使用欧式距离对环境地图更新，得到特征地图；然后根据特征点集得到特征矩阵，根据起点、终点以及特征矩阵生成特征点的多模态信息特征树，得到启发式路径。本发明通过构建多模态信息特征树和实时提取特征点的方式快速找出可行区域的候选节点来优化基于随机采样的路径规划，解决陷阱空间、提高移动机器人的智能化。
-
公开(公告)号：CN111504321B
公开(公告)日：2022-03-18
申请号：CN202010277152.1
申请日：2020-04-10
Applicant: 苏州大学
Abstract: 本发明公开了一种基于扩展维诺图特征的可复用搜索树方法，包括以下步骤：S1：提取环境地图的扩展维诺图；S2：使用尺度滤波器对扩展维诺图进行特征初步提取，获得初始特征GPF；S3：使用环境结构滤波器对初始特征GPF进行进一步提取，获得最终特征GAF；S4：使用欧氏距离细化特征地图MF，完成扩展维诺图的特征提取；S5：根据起点、终点及细化后的特征地图MF形成扩展维诺图的特征搜索树，输出路径；其优点在于，在路径规划的搜索过程中，仅需遍历GVD特征节点，而不是遍历所有的地图栅格点，大大降低了遍历的复杂度，保证了路径规划的实时性。
-
公开(公告)号：CN111397598A
公开(公告)日：2020-07-10
申请号：CN202010301450.X
申请日：2020-04-16
Applicant: 苏州大学
Abstract: 本发明涉及一种人机共融环境中的移动型机器人路径规划采样方法及系统,包括：计算地图中的点到最近障碍物的距离，同时，对环境中的行人进行检测，并标记环境中行人的位置；选择起点位置作为根节点，初始化搜索树；在可行区域随机选取候选节点,计算搜索树上节点到所述候选节点的累计成本，选取成本最小的点作为生长点；对所述生长点和所述候选节点之间的连线作碰撞检测，判断碰撞检测是否通过；将所述候选节点连接到所述生长点上，判断所述候选节点是否为终点；从所述搜索树上获取从根节点到终点之间的节点连线集合，形成最终路径。本发明有利于形成更为安全可靠的路径。
-
公开(公告)号：CN111397598B
公开(公告)日：2022-02-01
申请号：CN202010301450.X
申请日：2020-04-16
Applicant: 苏州大学
Abstract: 本发明涉及一种人机共融环境中的移动型机器人路径规划采样方法及系统,包括：计算地图中的点到最近障碍物的距离，同时，对环境中的行人进行检测，并标记环境中行人的位置；选择起点位置作为根节点，初始化搜索树；在可行区域随机选取候选节点,计算搜索树上节点到所述候选节点的累计成本，选取成本最小的点作为生长点；对所述生长点和所述候选节点之间的连线作碰撞检测，判断碰撞检测是否通过；将所述候选节点连接到所述生长点上，判断所述候选节点是否为终点；从所述搜索树上获取从根节点到终点之间的节点连线集合，形成最终路径。本发明有利于形成更为安全可靠的路径。
-
公开(公告)号：CN113110482A
公开(公告)日：2021-07-13
申请号：CN202110475488.3
申请日：2021-04-29
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于先验信息启发式的室内环境机器人探索方法及系统，包括以下步骤：机器人通过自身携带的传感器采集周围环境信息的数据；基于周围环境信息的数据更新一部分地图为已知区域，获得更新后的地图；使用两棵快速搜索随机树对更新后的地图进行边界提取，获得RRT边界点；识别启发式物体并对其进行位置估计，以启发式物体的位置为基准构建先验区域，在先验区域内提取边界点，获得房间边界点；基于RRT边界点和房间边界点，机器人进行室内环境探索。其优先探索先验区域内的环境，可以使机器人优先探索完一个房间区域再转向其它区域，有效减少探索过程中的回溯现象，提升探索效率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
