一种基于概率地图的机器人最短预期时间目标搜索方法技术

本发明专利技术公开了一种基于概率地图的机器人最短预期时间目标搜索方法，包括以下步骤：S01：建立概率地图初始数据集，构建概率模型；S02：观测点序列规划并计算预期时间；S03：执行搜索，根据进度更新概率模型；S04：重复步骤S02及S03，直至找到目标或接到停止指令。本发明专利技术的实质性效果包括：根据初始的概率模型对搜索路径进行规划，同时又在执行搜索的过程中根据当前进度对概率模型进行更新，通过不断更新的概率模型重新规划路径，保证搜索期望时间最短，搜索效率最高。

【技术实现步骤摘要】
一种基于概率地图的机器人最短预期时间目标搜索方法
本专利技术涉及机器人路径搜索领域，特别涉及一种基于概率地图的机器人最短预期时间目标搜索方法。
技术介绍
运动规划是慎思体系结构或反应-慎思体系结构机器人执行任务的上层决策关键环节。不确定环境下的机器人目标搜索任务属于比较复杂的任务类型，合理的运动规划方法可以极大的提高搜索任务的工作效率。如申请号CN201610257825.0的专利技术公开了一种基于概率地图的工业机器人路径搜索优化算法，所述算法包括以下步骤：(1)在工业机器人末端运动的位姿空间中，运用碰撞检测算法选取若干无碰撞的采样位姿点，放入采样位姿点集V；(2)采用局部路径规划器选取采样位姿点之间的局部安全路径，放入边集E；(3)采样位姿点集V和边集E构成所需的概率地图G；(4)输入工业机器人末端运动的起始点与终止点；(5)采用A*算法搜索路径，获取全局无碰撞路径；(6)采用路径优化算法对所得路径进行优化，获得全局优化路径。目前服务机器人运动规划方法常用的评价指标为时间最短或路径最短，无法匹配多样化的搜索任务需求。以上搜索方本文档来自技高网...

【技术保护点】
1.一种基于概率地图的机器人最短预期时间目标搜索方法，其特征在在于，包括以下步骤：/nS01：建立概率地图初始数据集，构建概率模型；/nS02：观测点序列规划并计算预期时间；/nS03：执行搜索，根据进度更新概率模型；/nS04：重复步骤S02及S03，直至找到目标或接到停止指令。/n

【技术特征摘要】
1.一种基于概率地图的机器人最短预期时间目标搜索方法，其特征在在于，包括以下步骤：
S01：建立概率地图初始数据集，构建概率模型；
S02：观测点序列规划并计算预期时间；
S03：执行搜索，根据进度更新概率模型；
S04：重复步骤S02及S03，直至找到目标或接到停止指令。


2.根据权利要求1所述的一种基于概率地图的机器人最短预期时间目标搜索方法，其特征在于，步骤S01的过程包括：
建立初始的特征地图，选定若干观测点，获取观测点之间的通路，同时记录通路的路径长度，生成初始拓扑地图及概率模型。


3.根据权利要求2所述的一种基于概率地图的机器人最短预期时间目标搜索方法，其特征在于，所述生成初始拓扑地图及概率模型的过程包括：采用具有碰撞测试和回归机制的RRT算法在特征地图中获取相邻观测点之间的通路，并记录其生成的路径长度，连接观测点形成初始拓扑地图；搜索区域满足：






其中Ok是第k观测点，Ck是在该观测点全景视觉能覆盖到的区域，Q是待搜索区域，fk是区域的Ck的概率密指标，fk由历史数据统计得到；
则第k个观测点能发现目标的初始概率为：



其中S(Ck)是区域Ck的面积；以位置为关联信息，建立概率信息、特征地图、拓扑地图的相互映射，从而构成环境的概率模型。


4.根据权利要求3所述的一种基于概率地图的机器人最短预期时间目标搜索方法，其特征在于，步骤S02的过程包括：根据概率模型中各观测点的概率分布计算任务...

【专利技术属性】
技术研发人员：张波涛，王亚东，吕强，吴秋轩，仲朝亮，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33