[发明专利]一种基于语义地图的移动机器人多策略路径规划方法

说明书

本发明公开了一种基于语义地图的移动机器人多策略路径规划方法。该方法融合了广义沃罗诺伊图(Generalized Voronoi Graph，GVG)、条件随机场推断(Conditional Random Field，CRF)和形态学开闭操作(morphological open and close operation)等技术，实现了对一般SLAM(simultaneous localization and mapping)算法所建立的地图进行去噪、语义赋予等处理，最终在语义地图上带有不同语义的区域应用不同的、适应该区域特征的路径规划算法，实现了多策略路径规划算法的混合使用。本发明是基于语义地图规划导航，不仅仅在算法层面改进了机器人所应用的路径的优越性，使机器人选择路径的能力更倾向于人类的智能，也为未来机器人良好的人机交互方面打下技术基础。

技术领域

本发明涉及智能机器人路径规划领域的一种路径规划方法，具体是一种基于语义地图的建立，并根据语义信息在地图的不同区域应用不同路径规划算法的混合多策略路径规划方法。使得机器人能够更加智能地，在不同的运动环境中，自主选择适应于该环境的路径规划算法。

背景技术

当下能够自主导航避障的机器人系统研究异常火热，而且也已经有许多产品应用于实践。如餐馆的服务机器人，就拥有障碍物识别，路径规划的能力；又如家庭扫地机器人，也拥有在开阔空间内规划自身运动路径的能力。在公共运输方面，无人机快递投递的应用已经开展的如火如荼，在快递投递上也必须用到路径规划，以使无人机能够在避开障碍物的前提下以最短的路径到达目的地并完成投递。

路径规划即是指机器人决策如何从地图的某一点运动到另一点的能力。首先要求机器人能够获得当前环境的地图信息，并能定位当前自身的位置，随后才可以进行路径规划，定位和建图的算法目前最实用的就是SLAM算法。目前有许多路径规划算法，如A*、Dijkstra、RRT、PRM等。

但是目前在机器人应用中，都是采用单一的路径规划策略，例如在ROS操作系统下的导航算法包，其运用了A*算法作为机器人的全局路径规划，无论机器人处于何种环境，它都将使用A*算法来进行导航。但是，随着机器人应用领域的不断扩大，机器人应用的场景也越来越多，单一的路径规划策略是很难满足人们对机器人日渐提高的要求。A*算法是非常优秀的路径规划算法，它在房间、办公室等地形复杂，障碍物较多的环境中有很好的表现，但它在走廊、大厅这样的障碍物较少或者道路细长的环境中表现就显得不尽如人意，因为A*的路径总是贴近障碍物边缘的，但在走廊，更倾向于机器人能够走在道路的正中间，以更高的安全性通过细长的走廊。因此在不同的场景下，机器人对路径规划算法的需求也是不同的，在本发明中，就提出了一种基于地图的语义推断和语义地图的建立，根据地图的语义信息来在不同语义区域使用不同路径规划算法的混合策略路径规划方法，在混合策略路径规划方法下，机器人就能更加智能地依据当前所处的环境，来选择合适的路径规划算法。

本发明中所使用的基本技术有广义沃罗诺伊图(GVG)、条件随机场推断(CRF)、形态学操作等。沃罗诺伊图是俄国数学家Voronoi建立的空间分割方法，在本发明中，应用了广义沃罗诺伊图来生成走廊区域的道路，它有很明显的特征，即距离障碍物最远，到其两侧的障碍物的距离相等的，亦即是道路中线，机器人在这样的道路上行走会有很高的安全性。而条件随机场(CRF)模型是Lafferty于2001年在最大熵模型和隐马尔科夫模型的基础上，提出的一种判别式概率无向图学习模型，在机器视觉、自然语言处理等领域都有很好的应用，在本发明中则用其来推断地图各个区域的语义。形态学开操作和闭操作是形态学的基本操作，常常用于图像的处理，在opencv计算机视觉库中，对形态学操作有很好的支持。

发明内容

本发明的技术解决问题：革新了移动机器人路径规划算法应用的方法，不同于以往机器人只使用一种规划算法，在本发明中，首先基于语义地图的建立，赋予了机器人更高的智能，完成了机器人在不同的应用环境中采用不同的路径规划算法的能力，使得最终路径更易于机器人行走。