【技术实现步骤摘要】
本专利技术涉及导航技术，尤其涉及自适应降维的多动态导航方法，可用于自动导航系统的复杂路径搜索和规划。
技术介绍
1、导航是自主移动系统的一项重要任务，该任务不仅涉及机器人如何自主移动，还涉及如何实现各种特定类型的目标。具体来说，机器人必须在硬约束(如动态可行性、避障)和软约束(如社会规则)的情况下实现既定目标。这些问题的求解是在工作空间中找到满足上述约束的从初始化配置到目标配置的轨迹，因此取决于导航规划器的两个重要方面：
2、第一、自主系统需要具有一个准确的环境动力学或周围世界状态模型；
3、第二、该系统的行为如何影响世界状态的变化。
4、对于自主系统来说，导航规划是一个巨大的挑战，因为系统必须依赖传感器的感知数据来创建世界状态的模型。在缺乏准确的、长时间模型且有限感知的情况下，自主系统通常只能使用反应式方法或一步规划算法；这些传统方法将当前时间步长观察到的世界状态映射到机器人执行的动作过程中。
5、采用精确的环境模型，移动机器人可以提前计划行动，实现更高效的行为；然而，环境模型很可能具有随时间变化的动态特性，难以获取精确的模型表达。考虑到复杂环境的时变性，自主系统的导航规划不能只依赖于预先设定的环境模型，而是需要将动态变化与导航规划相结合，才能获得较好的自适应动态规划性能。
技术实现思路
1、本专利技术所要解决的技术问题是实现一种自主导航方法，在复杂环境下的自适应动态导航，引入了自适应维度和代价评估机制，通过路径维度的自适应缩放，最
2、为了实现上述目的，本专利技术采用的技术方案为：一种自适应降维的多动态导航方法，包括以下步骤：
3、步骤1、初始化自适应维度图；
4、步骤2、搜索与路径匹配的自适应维度图，若未搜索到则返回步骤1，若搜索到了则执行下一步；
5、步骤3、构建路径附近的通道；
6、步骤4、根据通道搜索最小代价路径，若未搜索到则以当前终止路径降/升维，并返回步骤2，若搜索到了则执行下一步；
7、步骤5、判断搜索到的最小代价路径是否满足设定要求，若否则以当前终止路径降/升维，并返回步骤2，若是则执行下一步；
8、步骤6、将最小代价路径作为最佳导航路径，并输出。
9、所述步骤1中，初始化自适应维度图gad，将导航区域的全维度信息加入到当前环境中。
10、所述步骤2中，开始进入导航循环，为路径搜索自适应维度图gad，其中(xs,xg)为一对可转换的状态xs和xg；如果没有搜索到路径则提示在搜索时间t内没有找到从xs到xg之间的导航路径，并返回步骤1重新初始化。
11、所述步骤3中，如果搜索到路径则在附近构建通道τ。
12、所述步骤4中，以通道τ搜索最小代价路径其中为状态xg的高维表示，隶属于xg的逆投影函数集合；
13、如果没有搜索到路径那么令π(xs,xend)为当前目标状态最好的路径，若xend为高维矩阵，则使用自定义的投影函数降维，反之，使用自适应维度图gad增加维数，进入下一次循环；
14、如果搜索到路径且的代价大于的代价与跟踪因子ε的乘积，则找出代价最小的状态xr，若xr为高维矩阵，则使用自定义的投影函数降维，反之，使用自适应维度图gad增加维数，进入下一次循环；
15、所述步骤5中，如果搜索到的路径的代价小于等于的代价与跟踪因子ε的乘积，则满足设定要求。
16、本专利技术通过改进动态环境中的自适应导航维度和代价评估机制，将复杂的环境特征进行尺度缩放，一方面降低了动态环境下的导航算法复杂度，另一方面适应了不断变化的场景特征，同时适用于任何维度的导航规划场景。
17、并且具有以下优点：
18、1、本专利技术能够从最初始的导航维度图开始进化，能够适应不断变换的时变动态环境，具有良好的多动态自适应特性；
19、2、通过自适应降维降低了算法的复杂度，尤其能够适应高维度的导航场景；
20、3、在导航过程中通过代码函数的评估优化实时变化路径，从而满足不同目标用户的实际需求。
本文档来自技高网...【技术保护点】
1.一种自适应降维的多动态导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自适应降维的多动态导航方法，其特征在于：所述步骤1中，初始化自适应维度图Gad，将导航区域的全维度信息加入到当前环境中。
3.根据权利要求2所述的自适应降维的多动态导航方法，其特征在于：所述步骤2中，开始进入导航循环，为路径搜索自适应维度图Gad，其中(XS,XG)为一对可转换的状态XS和XG；如果没有搜索到路径则提示在搜索时间T内没有找到从XS到XG之间的导航路径，并返回步骤1重新初始化。
4.根据权利要求3所述的自适应降维的多动态导航方法，其特征在于：所述状态XS设置为自主系统的惯导信息，状态XG设置为自主系统的GPS信息，设定搜索时间T＝1s。
5.根据权利要求4所述的自适应降维的多动态导航方法，其特征在于：所述步骤3中，如果搜索到路径则在附近构建通道τ。
6.根据权利要求5所述的自适应降维的多动态导航方法，其特征在于：所述步骤4中，以通道τ搜索最小代价路径其中为状态XG的高维表示，隶属于XG的逆投影函数集合。
7.
8.根据权利要求7所述的自适应降维的多动态导航方法，其特征在于：如果搜索到路径且的代价大于的代价与跟踪因子ε的乘积，则找出代价最小的状态Xr，若Xr为高维矩阵，则使用自定义的投影函数降维，反之，使用自适应维度图Gad增加维数，进入下一次循环。
9.根据权利要求6、7或8所述的自适应降维的多动态导航方法，其特征在于：所述步骤5中，如果搜索到的路径的代价小于等于的代价与跟踪因子ε的乘积，则满足设定要求。
...【技术特征摘要】
1.一种自适应降维的多动态导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自适应降维的多动态导航方法，其特征在于：所述步骤1中，初始化自适应维度图gad，将导航区域的全维度信息加入到当前环境中。
3.根据权利要求2所述的自适应降维的多动态导航方法，其特征在于：所述步骤2中，开始进入导航循环，为路径搜索自适应维度图gad，其中(xs,xg)为一对可转换的状态xs和xg；如果没有搜索到路径则提示在搜索时间t内没有找到从xs到xg之间的导航路径，并返回步骤1重新初始化。
4.根据权利要求3所述的自适应降维的多动态导航方法，其特征在于：所述状态xs设置为自主系统的惯导信息，状态xg设置为自主系统的gps信息，设定搜索时间t＝1s。
5.根据权利要求4所述的自适应降维的多动态导航方法，其特征在于：所述步骤3中，如果搜索到路径则在附近构建通道τ。
6.根据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。