[发明专利]基于条件变分自动编码器的移动机器人避障方法及系统

说明书

本发明涉及基于条件变分自动编码器的移动机器人避障方法及系统。本发明包括初始化机器人的行人避障区域；机器人根据栅格矩阵接收原始目标点并根据导航信息进行导航；通过机器人进行行人检测并获取行人位置信息和行人属性信息；根据行人的位置判断行人是否在避障范围内；训练条件变分自动编码器；根据临时避障点筛选代价最低的最优临时避障点；机器人接收最优临时避障点并向最优临时避障点进行导航；判断机器人是否到达最优临时避障点。本发明将深度学习与导航动态避障相结合，生成临时避障点，引导机器人规划出满足行人舒适度的路径，减少了由于环境的不确定性引起的机器人迷失、碰撞等问题。

技术领域

本发明涉及智能机器人技术领域，尤其是指基于条件变分自动编码器的移动机器人避障方法及系统。

背景技术

人工智能技术的突破与计算机软硬件技术的飞速升级推动了移动型服务机器人的研究与进步。目前，智能服务机器人产业规模不断扩大，应用场景也在更加丰富，相关成熟的产品已经应用到家庭、酒店、医院、机场等多种环境。移动机器人动态避障技术是指机器人在无人干预的条件下，自动根据地图信息和所在环境中运动的行人信息采取相应运动规划防止机器人发生碰撞的过程，该运动规划可以是机器人选择绕行或者原地等待行人通过。相对于工业机器人来说，服务型移动机器人所在的人机共融环境复杂度更高，不确定性更大，对避障策略的实时性要求更高。目前导航框架中的动态避障模块通常将行人视为动态障碍物，如动态窗口法，或者根据特定的交互规则专注于对象的下一时刻运动，如相对速度障碍物算法和最优相对碰撞避免算法。这些方法使得机器人通过被动反应来躲避行人，生成的路径不安全且不自然，无法满足行人的要求。因此希望机器人在导航过程中提前检测到行人，并使用深度学习的方法生成自然连续且让行人感到舒适的路径。

以动态窗口算法(Dynamic Window Approach,DWA)为例，简要说明基于机器人速度采样的动态避障算法的一般步骤：

步骤一：初始化，配置好机器人移动的最大最小速度、加速度，评价函数权重等；

步骤二：判断是否到达目的地。首先判断机器人现在所处的位置是不是目标点，如果不是就执行步骤三，如果是就终止；

步骤三：速度采样，基于移动机器人的运动模型计算当前采样的速度范围(动态窗口)，如图1所示。其中移动机器人的运动模型大致分为两种：

模型一：机器人底盘不是全向移动的，只能前进(x轴线速度v)和旋转(z轴角速度w)，如差速底盘，相邻时刻内(毫秒级)运动距离短，可将相邻两点之间的运动轨迹看成直线。机器人下一状态的位置可表示为

x＝x+vΔt cos(θ_t)

y＝y+vΔt sin(θ_t)

θ_t＝θ_t+ωΔt

模型二：全向移动的，有x轴速度Vx，y轴速度Vy和角速度w，如麦轮车，这种模型中的下一状态位置可表示为

x＝x+v_xΔt cos(θ_t)-v_yΔt sin(θ_t)

y＝y+v_xΔt sin(θ_t)+v_yΔt cos(θ_t)

θ_t＝θ_t+wΔt

在有了底盘运动模型之后，当前底盘的速度(线速度v和角速度w)信息就可以表示出来，在当前速度的基础上设置一个速度范围；

步骤四：遍历，遍历所有范围内的线速度和角速度，根据模型模拟一段时间的路径，如图2所示；