机器人运动路径的规划方法、装置、终端设备及介质制造方法及图纸

本申请适用于机器人技术领域，尤其涉及一种机器人运动路径的规划方法、装置、终端设备及介质。该方法通过将机器人所在三维空间的障碍物环境地图，以及在该障碍物环境地图中选取的起点和终点，输入训练好的卷积神经网络模型，确定机器人在该三维空间内的从起点至终点的可行域，并根据可行域确定启发点集合，将启发点集合与快速随机搜索树结合规划机器人从起点至终点的运动路径，避免在三维空间中随机选取启发点进行路径规划，从而可以有效地找到运动路径，减少路径规划收敛的时间，提高了路径规划的效率。径规划的效率。径规划的效率。

【技术实现步骤摘要】
机器人运动路径的规划方法、装置、终端设备及介质


[0001]本申请属于机器人
，尤其涉及一种机器人运动路径的规划方法、装置、终端设备及介质。

技术介绍

[0002]目前，随着机器人的结构和工作空间日益复杂，机器人高维空间下的运动规划成为重点问题和研究方向。机器人的运动规划方法是基于搜索的策略，通过将地图栅格化或建立图来执行搜索算法，由于高维空间下的搜索空间显著增大，可能会导致搜索效率较低，适用性较差。基于此，产生了随机采样策略，该随机采样策略通过构建随机搜索树来进行路径规划，对高维空间能够实现快速搜索，适用于机器人高维空间下的路径规划。但是由于采样策略的随机性，无法保证规划出的路径的质量，并且从找到初始路径后，优化到最优路径的收敛过程也需耗费大量时间，导致规划的效率较低。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种机器人运动路径的规划方法、装置、终端设备及介质，以解决现有技术规划路径时效率较低的问题。
[0004]第一方面，本申请实施例提供一种机器人运动路径的规划方法，所述规划方法包括：
[0005]获取所述机器人所在三维空间的障碍物环境地图；
[0006]从所述障碍物环境地图中非障碍物的空间内选取两点作为所述机器人的起点和终点，生成三维空间图，所述三维空间图包括所述起点和所述终点在所述三维空间中的位置信息；
[0007]将所述障碍物环境地图和所述三维空间图输入训练好的卷积神经网络模型，得到所述机器人从所述起点至所述终点的可行域；
[0008]对所述可行域进行离散化处理，得到启发点集合，所述启发点集合为所述可行域离散化处理后产生的点的集合；
[0009]根据所述启发点集合，结合快速随机搜索树，规划得到所述机器人从所述起点至所述终点的运动路径。
[0010]第二方面，本申请实施例提供一种机器人运动路径的规划装置，所述规划装置包括：
[0011]环境地图获取模块，用于获取所述机器人所在三维空间的障碍物环境地图；
[0012]空间图生成模块，用于从所述障碍物环境地图中非障碍物的空间内选取两点作为所述机器人的起点和终点，生成三维空间图，所述三维空间图包括所述起点和所述终点在所述三维空间中的位置信息；
[0013]可行域确定模块，用于将所述障碍物环境地图和所述三维空间图输入训练好的卷积神经网络模型，得到所述机器人从所述起点至所述终点的可行域；
[0014]启发点确定模块，用于对所述可行域进行离散化处理，得到启发点集合，所述启发点集合为所述可行域离散化处理后产生的点的集合；
[0015]运动路径规划模块，用于根据所述启发点集合，结合快速随机搜索树，规划得到所述机器人从所述起点至所述终点的运动路径。
[0016]第三方面，本申请实施例提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的规划方法。
[0017]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的规划方法。
[0018]第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的规划方法。
[0019]本申请实施例与现有技术相比存在的有益效果是：本申请通过将机器人所在三维空间的障碍物环境地图，以及在该障碍物环境地图中选取的起点和终点，输入训练好的卷积神经网络模型，确定机器人在该三维空间内的从起点至终点的可行域，并根据可行域确定启发点集合，将启发点集合与快速随机搜索树结合规划机器人从起点至终点的运动路径，避免在三维空间中随机选取启发点进行路径规划，从而可以有效地找到运动路径，减少路径规划收敛的时间，提高了路径规划的效率。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本申请实施例一的提供的一种机器人运动路径的规划方法的流程示意图；
[0022]图2是本申请实施例一提供的一种卷积神经网络模型的示意图；
[0023]图3是本申请实施例二的提供的一种机器人运动路径的规划方法的流程示意图；
[0024]图4是本申请实施例三提供的一种机器人运动路径的规划装置的结构示意图；
[0025]图5是本申请实施例四提供的一种终端设备的结构示意图。
具体实施方式
[0026]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0027]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0028]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0029]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0030]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0031]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0032]本申请实施例提供的一种机器人运动路径的规划方法可以应用于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra
‑
mobile personal c本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人运动路径的规划方法，其特征在于，所述规划方法包括：获取所述机器人所在三维空间的障碍物环境地图；从所述障碍物环境地图中非障碍物的空间内选取两点作为所述机器人的起点和终点，生成三维空间图，所述三维空间图包括所述起点和所述终点在所述三维空间中的位置信息；将所述障碍物环境地图和所述三维空间图输入训练好的卷积神经网络模型，得到所述机器人从所述起点至所述终点的可行域；对所述可行域进行离散化处理，得到启发点集合，所述启发点集合为所述可行域离散化处理后产生的点的集合；根据所述启发点集合，结合快速随机搜索树，规划得到所述机器人从所述起点至所述终点的运动路径。2.根据权利要求1所述的规划方法，其特征在于，所述训练好的卷积神经网络模型包括输入层、N个编码器、N个解码器和输出层，N为大于1的整数，所述将所述障碍物环境地图和所述三维空间图输入训练好的卷积神经网络模型，得到所述机器人从所述起点至所述终点的可行域包括：通过所述输入层，将所述障碍物环境地图和所述三维空间图的特征进行拼接，得到拼接结果；使用所述N个编码器对所述拼接结果进行卷积编码，得到编码结果；使用所述N个解码器对所述编码结果进行反卷积解码，得到解码结果；将所述解码结果输入所述输出层，得到从所述起点至所述终点的概率路线图；对所述概率路线图进行二值化处理，得到所述概率路线图的二值图；确定所述二值图中的目标像素点所构成的区域为所述可行域，所述目标像素点为灰度值为目标值的像素点。3.根据权利要求1所述的规划方法，其特征在于，所述根据所述启发点集合，结合快速随机搜索树，规划得到所述机器人从所述起点至所述终点的运动路径包括：根据所述启发点集合，以所述起点作为根节点，建立快速随机搜索树；使用随机数生成函数生成随机数；在所述随机数小于数值阈值时，从所述启发点集合中随机采样，确定第一随机采样点；根据所述根节点和所述第一随机采样点，使用寻找最近点、碰撞检测、连线、重布线，检测所述快速随机搜索树的节点中是否包括所述终点；若所述快速随机搜索树的节点中包括所述终点，则根据所述快速随机搜索树中所述起点至所述终点的连接线，得到所述运动路径，或者若所述快速随机搜索树的节点中不包括所述终点，则返回执行所述使用随机数生成函数生成随机数的步骤。4.根据权利要求3所述的规划方法，其特征在于，所述根据所述快速随机搜索树中所述起点至所述终点的连接线，得到所述运动路径包括：检测所述快速随机搜索树中所述起点至所述终点的连接线的长度是否小于长度阈值；若检测到所述快速随机搜索树中所述起点至所述终点的连接线的长度小于长度阈值，则确定所述起点至所述终点的连接线的长度为所述运动路径；或者若检测到所述快速随机搜索树中所述起点至所述终点的连接线的长度大于或等
于长度阈值，则减小所述数值阈值，并返回执行所述使用随机数生成函数生成随机数的步骤。5.根据权利要求3所述的规划方法，其特征在于，在所述使用随机数生成函数生成随机数之后，还包括：在所述随机数大于或者等于所述数值阈值时，从所述三维空间中随机采样，确定第二随...

【专利技术属性】
技术研发人员：王建坤，张天怡，孟庆虎，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：