[发明专利]非结构化环境下人机协同智能导航新技术

说明书

本发明公开了非结构化环境下人机协同智能导航新技术，涉及脑机交互领域。通过采集操控者大脑的脑电信号，构建了包括有运动想象、稳态视觉诱发电位、眨眼三种模态下的多操作指令集，实现移动机器人的启动、二维建图、地图保存、模式切换、自主导航、停止。同时实现了脑电信号纠正移动机器人在自主导航中产生的路径偏差。加入脑电眼动快速检测技术，检测非结构化环境下异常事件的发生，并在人机协同智能导航中设置人脑疲劳状态检测分析。

技术领域

本发明属于脑科学、人工智能、机器人与智能控制交叉研究领域。

背景技术

移动机器人导航技术目前广泛应用于自动驾驶、仓储物流、服务引导等场景。由于受环境变化、传感器精度等影响，目前移动机器人在自主导航中还存在许多问题。例如如何构建高精度地图、如何进行高精度定位、传感器受环境影响失效等。本发明是关于非结构化环境下人机协同智能导航新技术，即通过人脑智能与人工智能相互协同、互相结合，使智能体成为具有感知、决策、推理的强人工智能体(人机协同)，从而完成真实环境构建、协同导航和非结构化环境下异常状况决策等复杂任务。

近几年来随着脑机接口技术的发展，利用人脑智能技术控制移动机器人的研究得到快速发展，许多研究团队实现了脑控移动机器人的操作，例如2012年西班牙萨拉戈萨大学的Escolano等学者设计了一个基于脑机接口的遥操作控制系统；2017年华南理工大学李远清团队开发出的脑控轮椅及脑控网页浏览器；2018年新加坡国立大学的Brice等学者研制的人机交互智能轮椅。但是以上研究团队多数采用P300的范式，存在着以下问题：

(1)现有移动机器人自主导航时与人脑之间交互性不足，且存在信息传输速率低，实时性差的问题。

(2)现有的基于即时定位与地图构建(Simultaneous Localization AndMapping，SLAM)的导航技术，受到周围环境和传感器精度的影响，导航过程中会累积偏差，导致实际路径与规划路径不一致，移动机器人自主导航失败。

(3)长时间使用脑机接口技术控制移动机器人，易使大脑疲劳负担较重，导致任务完成能力差。

(4)在自主导航任务中单纯使用移动机器人，虽有比较成熟的避障导航算法，但是移动机器人在面对复杂多变的环境不具备类似人脑同样的认知、决策、推理能力。

本发明旨在解决移动机器人在导航自主导航中存在的人机交互性不足、脑机接口导航技术传输速率慢、不具备异常事件认知与处理的能力等问题。

发明内容

本发明提供了一种非结构化环境下人机协同智能导航的新方法，采用稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)范式和运动想象(MotorImager,MI)多模态实现人机协同智能导航。控制机器人对非结构化环境进行二维建图，通过连续眨眼的操作实现模式切换。在导航的误差累积过大时，采用脑电信号来调整机器人的位置。并构建脑电眼动异常检测模型，利用脑的下意识反应，以及相应的眼动信号，实现对异常状况的快速检测，保证移动机器人导航的持续性。利用实时采集的脑电和眼动信息来分析检测人脑疲劳程度，防止人脑过度疲劳，保证工作的高效性。

本发明通过如下技术方案实现：

一、非结构化环境下人机协同智能导航系统，其硬件包括脑电信号采集传输装置、眼动信号采集传输装置、移动机器人平台、远程显示操作平台。系统硬件框图如图1所示。

(1)脑电信号采集传输装置

用于采集稳态视觉诱发电位、有意识的眨眼脑电信号、运动想象脑电信号。

(2)眼动信号采集传输装置

用于采集整个导航过程中人眼的眼动信号，用以获取注意力集中度。

(3)移动机器人平台