[发明专利]一种不依赖地图的智能仓储移动机器人路径规划方法

权利要求书

1.一种不依赖地图的智能仓储移动机器人路径规划方法，其特征在于，包括以下步骤：

S1：首先移动机器人在模拟的环境中进行训练；

a1：设置移动机器人运动时的目标，随机初始目标点坐标位置信息(xt，yt)和目标半径范围R_m；xt、yt分别表示目标点的中心在静态地图中的X、Y轴坐标，R_m表示以(xt，yt)为中心的边长为d_min的正方形区域，在区域中都可算到达目的地，设定移动机器人当前的位姿(x，y，θ_r)，x、y是移动机器人当前的位置坐标，θ_r是移动机器人实时的运动方向与X轴的夹角，并通过目标点在移动机器人极坐标下的位置信息(θ，d)进行路径规划，并以固定速度向前行驶，θ是目标点在移动机器人极坐标下的角度信息，d是目标点距移动机器人中心的距离信息；

a2：导航过程中，将移动机器人上激光传感器检测到的环境数据L_i和目标位置数据D_i进行预处理与特征化，然后相融合得到环境数据S_i；

a3：利用深度确定梯度策略方法，得到下一步的动作状态a，a∈W代表执行动作时移动机器人所偏转的角度在W范围内；

a4：判断移动机器人是否到达目标点(xt，yt)，如果没有则返回a2继续导航，如果已到达则结束导航；

a5：结束导航后，根据奖励值，更新深度确定梯度策略方法中的策略子网络，评价网络参数，在训练的成功率达到目标成功率后，保存在深度确定梯度策略方法中的网络参数；

S2：实际环境移动机器人导航使用在S1中保存了网络参数的深度确定梯度策略方法进行移动机器人动作选择。

2.根据权利要求1所述的一种不依赖地图的智能仓储移动机器人路径规划方法，其特征在于，所述步骤a2将激光传感器检测到的环境数据L_i和目标位置数据D_i进行预处理与特征化，然后相融合得到环境数据S_i，具体包括：

激光传感器数据L_i(i＝1，2，…，10)进行预处理，再转换为环境特征参数L_fi(i＝1，2，…，10)；目标位置的数据需先进行分区域处理，然后得到区域距离数据D_i(i＝1，2，3)，其中D₁是当前移动机器人相对X坐标的角度，D₂是距离目标点的距离即d，D₃是目标点相对于移动机器人自身前进方向的角度即θ，然后D_i再进行转换得到距离特征参数D_fi(i＝11，12，13)；根据定义的最大距离dm，将激光传感器的距离数据转换为距离特征值数据：L_fi＝L_i÷dm(i＝1，2，3，…，10)将激光传感器的距离数据转换为距离特征值数据：D_fi＝D₁₁÷π，D₁₂÷dm，D₁₃÷π，然后根据激光传感器的距离特征值数据和目标点位置的距离特征值数据进行融合，得出当前的环境特征数据S_f1～S_f13，融合方式为：

3.根据权利要求2所述的一种不依赖地图的智能仓储移动机器人路径规划方法，其特征在于，所述目标位置的数据需先进行分区域处理后得到数据D₁₃，D₁₃是目标点相对于移动机器人自身前进方向的角度，具体包括：先将移动机器人正前方作为参考起点，顺时针角度为负，逆时针角度为正，得到相对于目标位置的最优角度，角度的绝对值小于等于180°。