基于bp神經(jīng)網(wǎng)絡(luò)和距離信息的機器人自主避障方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機器人自主運動領(lǐng)域，涉及一種搭載激光測距傳感器的移動機器人自 主避障方法。
【背景技術(shù)】
[0002] 智能移動機器人是一類能夠通過傳感器和其他技術(shù)感知環(huán)境和自身狀態(tài)，實現(xiàn)在 有障礙物的環(huán)境中面向目標(biāo)的自主導(dǎo)航運動，從而完成預(yù)定任務(wù)的機器人系統(tǒng)。避障是移 動機器人運動規(guī)劃中的基本問題之一。在機器人自主運動中由于計算的復(fù)雜性、控制的實 時性、環(huán)境的不確定性因素，尤其是在包含多個障礙的復(fù)雜環(huán)境中，避障問題一直以來都 是機器人路徑規(guī)劃中的難點。
[0003] 目前，常用的避障方法有人工勢場法、柵格法、模糊控制法等。人工勢場法結(jié)構(gòu)簡 單，易于實現(xiàn)，但存在陷阱區(qū)域，在障礙物之間會發(fā)生震蕩。柵格法存在空間分辨率，時間復(fù) 雜度、實時性不夠等缺點。模糊控制法會造成數(shù)據(jù)冗余或數(shù)據(jù)沖突。
[0004] 相對于以上方法，基于神經(jīng)網(wǎng)絡(luò)的機器人自主避障方法，既能大大降低模型復(fù)雜 度和時間復(fù)雜度，滿足移動機器人對實時性的要求，也能使機器人具備一定的泛化能力，在 一定程度上適應(yīng)于未知環(huán)境。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有方法中存在的種種問題，本發(fā)明提供一種搭載激光測距傳感器的移動機 器人自主避障方法，使移動機器人具備一定的在未知環(huán)境中避障的能力。首先對機器人和 障礙物的相對位置關(guān)系建立模型，針對每種位置關(guān)系采集距離數(shù)據(jù)，最后利用BP神經(jīng)網(wǎng)絡(luò) 對機器人進(jìn)行訓(xùn)練使其具備利用距離信息進(jìn)行自主避障的能力。本發(fā)明提出的方法模型簡 單，數(shù)據(jù)量和時間復(fù)雜度均能滿足移動機器人對實時性的要求。本發(fā)明也具有一定的應(yīng)用 價值：可以作為機器學(xué)習(xí)方法的實際測試平臺，輔助教學(xué)。
[0006] 本發(fā)明主要由移動機器人和激光測距傳感器組成，激光測距傳感器可以在二維平 面上進(jìn)行扇形掃描，用于實時測量機器人和障礙物之間的距離。
[0007] -種基于BP神經(jīng)網(wǎng)絡(luò)和距離信息的機器人自主避障方法，其特征在于包括激光 測距、人工訓(xùn)練和自主避障；
[0008] 所述的激光測距由激光測距傳感器在二維平面上進(jìn)行扇形掃描，用于實時測量機 器人和障礙物之間的距離，激光測距傳感器采集到的距離數(shù)據(jù)標(biāo)記為（A1, A2,……，Ad)，d為 數(shù)據(jù)維度，數(shù)據(jù)維度d的計算方法如下：
[0009] d = I (L+R) / Θ
[0010] 式中，L、R分別為激光距離傳感器向左和向右掃描偏離正前方的最大偏角；Θ為 相鄰兩條激光射線之間的夾角；本發(fā)明設(shè)定所使用角度為機器人前方180度，也就是L為 90度，R為90度；通過設(shè)定Θ值來設(shè)定距離數(shù)據(jù)維度；
[0011] 所述的人工訓(xùn)練包括如下步驟：
[0012] 步驟I. 1 :建立移動機器人和障礙物相對位置關(guān)系模型；
[0013] 步驟1. 2 :設(shè)定移動機器人和障礙物之間的位置關(guān)系標(biāo)記為C = (C1, C2, C3, C4, C5, C6);共包含六種情況，針對每種情況根據(jù)步驟1. 1中建立的移動機器人和 障礙物相對位置關(guān)系模型設(shè)定機器人和障礙物的位置，進(jìn)行距離數(shù)據(jù)采集，每次采集的數(shù) 據(jù)為一個數(shù)據(jù)維度為d的向量；采集數(shù)據(jù)過程中，操縱機器人前后左右小幅度擺動，使采集 到的數(shù)據(jù)更加全面；每種情況采集完后人工標(biāo)記距離數(shù)據(jù)對應(yīng)的類別，由于有六種情況，所 以標(biāo)記的類別是6*1的矩陣，對應(yīng)移動機器人和障礙物位置關(guān)系的六種情況，設(shè)定矩陣（1， 〇,〇,〇,〇,〇)對應(yīng)的類別是C 1，設(shè)定矩陣（0，1，0,0,0,0)對應(yīng)的類別是C2，設(shè)定矩陣（0,0，1， 〇,〇,〇)對應(yīng)的類別是C 3，設(shè)定矩陣（0,0,0,1，0,0)對應(yīng)的類別是C4，設(shè)定矩陣（0,0,0,0，1， 0)對應(yīng)的類別是C 5，設(shè)定矩陣（0,0,0,0,0，1)對應(yīng)的類別是C6;
[0014] 步驟1. 3 :根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型，以距離數(shù)據(jù)作為輸入矩陣，人工標(biāo)記的類別作為 期望輸出矩陣，使用神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行訓(xùn)練，訓(xùn)練出BP神經(jīng)網(wǎng)絡(luò)的兩個權(quán)值矩陣，分別 為輸入層到隱含層的連接權(quán)值矩陣和隱含層到輸出層的連接權(quán)值矩陣；
[0015] 所述的自主避障包括如下步驟：
[0016] 步驟2. 1 :在自主避障程序中設(shè)置安全距離為0. 5米、運行時間為10分鐘，打開激 光測距傳感器；
[0017] 步驟2.2 :根據(jù)自主避障程序中的計時器判斷是否已達(dá)到運行時間，達(dá)到運行時 間自主避障結(jié)束，沒達(dá)到運行時間執(zhí)行步驟2. 3 ;
[0018] 步驟2. 3 :根據(jù)激光測距傳感器實時得到的距離信息判斷是否有障礙物，當(dāng)激光 測距傳感器實時采集到的距離數(shù)據(jù)中有若干維的數(shù)據(jù)小于安全距離時，判斷為有障礙物； 當(dāng)距離數(shù)據(jù)中所有維度的數(shù)據(jù)都大于安全距離時，判斷為無障礙物；有障礙物執(zhí)行步驟 2. 4,否則執(zhí)行步驟2. 5 ;
[0019] 步驟2. 4 :移動機器人進(jìn)行自主避障，通過激光測距傳感器實時采集到的距離數(shù) 據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入矩陣，通過人工訓(xùn)練階段得到的兩個權(quán)值矩陣將輸入矩陣映射 到一個6*1的矩陣作為輸出矩陣，輸出矩陣中值最大的那一維對應(yīng)的類別就是當(dāng)前機器人 采集的距離數(shù)據(jù)對應(yīng)的類別，以此對機器人當(dāng)前所處情況進(jìn)行分類，設(shè)定輸出矩陣為（0. 9， 0. 01，0. 11，0. 0002,0.023,0.008)對應(yīng)C1，也就是避障模型中的第一類；當(dāng)分類結(jié)果為 C1, C2, (：3時，機器人向前運動；C 4時，機器人向左運動；C 5時，機器人向右運動；C 6時，機器人 向左或向右隨機運動；執(zhí)行完成后，執(zhí)行步驟2. 2 ;
[0020] 步驟2. 5 :沒有障礙物，移動機器人繼續(xù)向前運動，執(zhí)行步驟2. 2。
【附圖說明】
[0021] 圖1移動機器人和障礙物相對位置關(guān)系模型；
[0022] 圖2 BP神經(jīng)網(wǎng)絡(luò)模型；
[0023] 圖3基于BP神經(jīng)網(wǎng)絡(luò)和距離信息的移動機器人自主避障方法流程圖；
[0024] 圖4本發(fā)明所用的AS_RF移動機器人；
[0025] 圖5激光測距傳感器模型示意圖。
【具體實施方式】
[0026] 本發(fā)明對機器人和障礙物位置關(guān)系建立模型，根據(jù)模型進(jìn)行距離數(shù)據(jù)采集，利用 BP神經(jīng)網(wǎng)絡(luò)模型通過人工訓(xùn)練，最終使機器人具備利用距離信息進(jìn)行自主避障的能力。本 發(fā)明旨在提出一種模型簡單、時間復(fù)雜度相對較低、能在一定程度上適應(yīng)未知環(huán)境的移動 機器人自主避障方法。
[0027] 下面結(jié)合相關(guān)附圖對本發(fā)明進(jìn)行更加詳細(xì)的解釋和闡述：
[0028] 人工訓(xùn)練階段：
[0029] 步驟I. 1 :建立移動機器人和障礙物相對位置關(guān)系模型，如圖1。其中長方形為移 動機器人，直線為障礙物，機器人前方平行于紙面向上。
[0030] 步驟1. 2 :本發(fā)明中自主避障模型設(shè)定移動機器人和障礙物之間的位置關(guān)系有六 種情況，標(biāo)記為C = (C1, C2, C3, C4, C5, C6)。針對每種情況設(shè)定機器人和障礙物位置關(guān)系，進(jìn) 行距離數(shù)據(jù)采