一种基于神经网络的机器人行走方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的机器人行走方法及装置。其中，该方法包括：获取目标位置信息；根据目标位置信息，确定至少两个次目标位置信息；将所述目标位置信息以及所述次目标位置信息通过神经网络模型生成路线信息；根据所述路线信息，执行机器人行走操作。本发明专利技术解决了现有技术中机器人行走过程中仅通过单一算法进行路径计算，路径制定效率低，行走精度低的技术问题。

【技术实现步骤摘要】
一种基于神经网络的机器人行走方法及装置
本专利技术涉及机器人领域，具体而言，涉及一种基于神经网络的机器人行走方法及装置。
技术介绍
随着智能化、信息化的不断发展，神经网络模型的训练和使用已经广泛地应用于各个领域，例如在机器人行走过程中，往往通过步进电机来对机器人行走步伐进行控制，并通过处理器的计算对机器人的行进路线进行规划和分析。目前，在机器人行走的过程中，往往采用直接算法对机器人的欲达到地点和起始地点进行规划和计算，并根据相关数据和算法计算出机器人即将行进的路线，其安装在机器人身上的步进电机会根据路线情况进行步进和制动，以达到移动机器人的目的，但是这样仅仅通过起始点和终点进行单一计算路径，导致机器人每次步进移动的时候都需要进行大量的计算工作，且每次步进移动不会根据历史移动情况进行调整和学习，降低了机器人行走的效率和精准度。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种基于神经网络的机器人行走方法及装置，以至少解决现有技术中机器人行走过程中仅通过单一算法进行路径计算，路径制定效率低，行走精度低的技术问题。根据本专利技术实施例的一个方面，提供了一种基于神经网络的机器人行走方法，包括：获取目标位置信息；根据目标位置信息，确定至少两个次目标位置信息；将所述目标位置信息以及所述次目标位置信息通过神经网络模型生成路线信息；根据所述路线信息，执行机器人行走操作。可选的，所述根据目标位置信息，确定至少两个次目标位置信息包括：获取预设次目标位置数量信息；根据所述预设次目标位置数量信息计算所述次目标位置信息。可选的，所述根据所述次目标位置数量信息计算所述次目标位置信息包括：获取机器人的当前位置信息；根据所述当前位置信息与所述目标位置信息，计算距离信息；将所述距离信息与所述预设次目标位置数量信息进行计算，得到所述次目标位置信息。可选的，所述机器人行走操作包括：机器人步进、机器人目标追踪。根据本专利技术实施例的另一方面，还提供了一种基于神经网络的机器人行走装置，包括：获取模块，用于获取目标位置信息；确定模块，用于根据目标位置信息，确定至少两个次目标位置信息；生成模块，用于将所述目标位置信息以及所述次目标位置信息通过神经网络模型生成路线信息；执行模块，用于根据所述路线信息，执行机器人行走操作。可选的，所述确定模块包括：获取单元，用于获取预设次目标位置数量信息；计算单元，用于根据所述预设次目标位置数量信息计算所述次目标位置信息。可选的，所述计算单元包括：获取子单元，用于获取机器人的当前位置信息；计算子单元，用于根据所述当前位置信息与所述目标位置信息，计算距离信息；计算子单元，还用于将所述距离信息与所述预设次目标位置数量信息进行计算，得到所述次目标位置信息。可选的，所述机器人行走操作包括：机器人步进、机器人目标追踪。根据本专利技术实施例的另一方面，还提供了一种包括指令的计算机程序产品，当所述指令在计算机上运行时，使得所述计算机执行一种基于神经网络的机器人行走方法。根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于神经网络的机器人行走方法。在本专利技术实施例中，采用获取目标位置信息；根据目标位置信息，确定至少两个次目标位置信息；将所述目标位置信息以及所述次目标位置信息通过神经网络模型生成路线信息；根据所述路线信息，执行机器人行走操作的方式，解决了现有技术中机器人行走过程中仅通过单一算法进行路径计算，路径制定效率低，行走精度低的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种基于神经网络的机器人行走方法的示意图；图2是根据本专利技术实施例的一种基于神经网络的机器人行走装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本专利技术实施例，提供了一种基于神经网络的机器人行走方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。实施例一图1是根据本专利技术实施例的一种基于神经网络的机器人行走方法的示意图，如图1所示，该方法包括如下步骤：步骤S102，获取目标位置信息。具体的，本专利技术实施例为了通过计算机器人的行走位置数据，来制定机器人的行走步数和行走路线，从而达到利用神经网络模型来驱动机器人进行行走的方式。为了实现本专利技术实施例的技术目的，首先需要获得目标位置信息，该目标位置信息包括机器人此次行走的终点位置的信息，例如，机器人在此次行走计划中的目的地是A(a，b)，那么(a，b)就是机器人此次行走的目标位置信息。步骤S104，根据目标位置信息，确定至少两个次目标位置信息。可选的，所述根据目标位置信息，确定至少两个次目标位置信息包括：获取预设次目标位置数量信息；根据所述预设次目标位置数量信息计算所述次目标位置信息。具体的，当本专利技术实施例获取到了机器人此次行走的目标位置信息之后，需要根据机器人本地位置与目标位置信息之间的次目标位置信息，来进行总体机器人行进路线的规划和制定。因此，首先根据预设的次目标位置数量信息决定机器人本地位置与目标位置之间需要采集多少个点位坐标来进行路线规划计算。进而根据次目标位置数量信息来计算所有的次目标位置信息。例如，此次机器人行走的次目标位置数量信息为5，那么在机器人本地位置与目标位置之间，需要平均分配5个次目标点位来生成次目标位置信息，以便后续路线计算之用。可选的，所述根据所述次目标位置数量信息计算所述次目标位置信息包括：获取机器人的当前位置信息；根据所述当前位置信息与所述目标位置信息，计算距离信息；将所述距离信息与所述预设次本文档来自技高网...

【技术保护点】
1.一种基于神经网络的机器人行走方法，其特征在于，包括：/n获取目标位置信息；/n根据目标位置信息，确定至少两个次目标位置信息；/n将所述目标位置信息以及所述次目标位置信息通过神经网络模型生成路线信息；/n根据所述路线信息，执行机器人行走操作。/n

【技术特征摘要】
1.一种基于神经网络的机器人行走方法，其特征在于，包括：
获取目标位置信息；
根据目标位置信息，确定至少两个次目标位置信息；
将所述目标位置信息以及所述次目标位置信息通过神经网络模型生成路线信息；
根据所述路线信息，执行机器人行走操作。


2.根据权利要求1所述的方法，其特征在于，所述根据目标位置信息，确定至少两个次目标位置信息包括：
获取预设次目标位置数量信息；
根据所述预设次目标位置数量信息计算所述次目标位置信息。


3.根据权利要求2所述的方法，其特征在于，所述根据所述次目标位置数量信息计算所述次目标位置信息包括：
获取机器人的当前位置信息；
根据所述当前位置信息与所述目标位置信息，计算距离信息；
将所述距离信息与所述预设次目标位置数量信息进行计算，得到所述次目标位置信息。


4.根据权利要求1所述的方法，其特征在于，所述机器人行走操作包括：机器人步进、机器人目标追踪。


5.一种基于神经网络的机器人行走装置，其特征在于，包括：
获取模块，用于获取目标位置信息；
确定模块，用于根据目标位置信息，确定至少两个次目标位置信息；
生成模块，用于将...

【专利技术属性】
技术研发人员：朱保民，孙仕宇，
申请(专利权)人：杭州潇楠科技有限公司，
类型：发明
国别省市：浙江;33