[发明专利]一种突发障碍物识别的BVGSP-SLAM复合模型的实现方法

说明书

本发明公开了一种突发障碍物识别的BVGSP‑SLAM复合模型的实现方法，涉及细胞生物学和仿生学领域，包括以下步骤：1)进行融合速度细胞的RatSLAM模型研究，并建立速度细胞活性的数学模型；2)进行融合边界细胞的RatSLAM模型研究，并建立边界细胞活性的数学模型，本发明在RatSLAM模型基础上融入速度细胞实现自身的定位，通过对边界细胞的模型分析建模实现突发障碍物的判别与避障，融入网格细胞实现场景重定位的功能，修正里程计的累计误差，本发明提出的融合速度细胞和边界细胞的复合SLAM模型的建立更优，尤其对突发障碍物出现时能够直接从边界细胞模型提取出出所需的状态信息进行判断并实现避障，最后通过实物进行系统分析验证。

技术领域

本发明涉及细胞生物学和仿生学领域，特别涉及一种突发障碍物识别的BVGSP-SLAM复合模型的实现方法。

背景技术

传统的概率算法能够处理传感器与环境的模糊性，有很好的同步定位与地图构建性能并建立高准确度、高精度的笛卡尔地图，但这些方法很少能够完全解决整个地图构建和导航问题。如何通过现有其他技术解决动态复杂环境下整个地图构建和导航成为移动机器人同步定位和地图构建的关键问题之一。

在哺乳类动物中枢神经系统的大脑皮质中，存在一种形状类似于海马，功能上负责短期记忆储存和学习的区域，被称为海马体。在日常中的一个记忆片段，比如一个电话号码在短时间内被重复提及经过海马体可以将其转存入大脑皮层，成为永久记忆。1971年伦敦大学学院的美国科学家O′Keefe等在海马脑区发现了一种特殊的神经细胞，这种细胞在鼠类经过空间某特定位置时其中的一些细胞会产生兴奋，而经过另一个位置时另一些细胞会产生兴奋，他将这种细胞命名为位置细胞。1984年纽约大学的James Ranck等发现一组与动物的方向感知直接相关的神经并命名为头方向细胞，头方向细胞能够辨别头部的朝向。当头部朝向北方的时候，一组细胞会兴奋；而头部转向南方时，另一组细胞兴奋，通过这两种细胞的兴奋状态能够准确判断出在某一时间老鼠所处的精确位置。除此之外，内嗅皮质也参与整个信号的传递过程，内嗅皮质层从网格细胞处将有关方向和移动距离的信息传递给海马体，将关于动物运动的方向和距离信息通过不同的神经通路传递至海马体中的齿状回(DG，Dentate Gyrus)、CA3和位置细胞所在的CA1等区域，由此产生的大脑认知地图可以帮助动物更好规划未来的“旅程”。2005年挪威大学科学与技术学院的May-Britt Moser和Edvard Moser夫妇在海马区以外的内嗅皮质的脑区里发现了一种全新的神经细胞并将其命名为网格细胞(Grid cells)，这些被激活细胞的位置呈现均匀六边形分布。2008年，研究者们从内嗅皮质中发现一种新的细胞类型，当动物接近墙壁、围场边缘、或是其它隔断时，这些细胞就会放电，这种细胞能够通过细胞活性计算自身到达边界的距离，研究者们将其命名为边界细胞(Border cells)。2015年，在获得诺贝尔生理学或医学奖后，May-BrittMoser和Edvard Moser夫妇继续发现一些神经细胞能够随移动速度的提升成比例地提升放电率，通过查看这种细胞的放电频率便能够判断一个动物在给定时间点上的移动速度，研究者们将其命名为速度细胞(Speed cells)。现阶段生物细胞学领域大鼠脑部存在的几种主要导航细胞如图1所示。

澳大利亚昆士兰大学课题组提出的包含视觉细胞和位姿细胞的RatSLAM模型对鼠类海马脑区细胞进行实验分析和建模，该模型包含位姿细胞、局部场景细胞以及经历图三个部分，局部场景细胞在环境中学习独特场景，由头方向细胞和位置细胞合并形成的位姿细胞表征当前位置，以及用节点和链路编码局部场景细胞和位姿细胞构建拓扑化的经验图，连续吸引子网络(CAN，Continuous Attractive Network)控制着位姿感知网络内部的活动。由于该模型依赖纯视觉算法，在诸如突发障碍物等复杂场景下无法通过对图像处理进行自身速度的提取，如图3所示，视觉细胞测速明显偏离正常数值，研究者基于此进行了一些研究。

于乃功等人通过头方向细胞测量角信号，条纹细胞进行线速度信号采集，并引入网格细胞的仿生导航模型具有一定的借鉴意义，但遇移动障碍物等突发状况不能及时判别并避障。

发明内容