【技术实现步骤摘要】
本专利技术涉及智能导航，尤其是涉及一种基于图采样与聚合的无人平台导航方法。
技术介绍
1、随着现代生活智能化水平的不断提高，各类机器人已经深度融入我们的生活，而自主化导航则是制约智能机器人发展的一大因素。因此关于机器人自主智能导航的研究热度经久不衰。从救援机器人、军用无人机，到扫地机器人、服务机器人，无不需要高自主、高智能化的导航、避障、路径规划能力。
2、实际上，如果已知环境信息模型，则目前已经有诸多能够实现导航的技术，但是上述机器人的工况或者是陌生的、或者是高动态的(在光照、结构等方面容易发生变化或存在包括人、车在内等高动态物体)，这对机器人的避障与导航提出了更高的要求。面对上述的应用场景或者工作状态，人们或者是想要提出一类能够直接执行完全陌生环境探索任务的智能化导航方法，或者是想要预先人工进行训练得到一套针对不同场景的导航动作策略之后再泛化到陌生场景中，显然前者的实现难度更大，因此结合一些深度学习方法对机器人的决策方式进行训练是有效的方法。
3、目前常用于机器人导航的技术手段有：gnss、sins、stan、slam等，上述方法利用gnss信号、imu、地形地图、视觉图像/激光雷达等数据对机器人的运动状态与环境信息进行建模，从而实现了机器人在不同场景中的导航任务。而针对无人平台的室内定位方法也得到了一定的发展，实现体制也多种多样，例如基于信号特征(toa、tdoa、aoa、rss等)的导航方法，基于不同信号/协议类型(ble、wi-fi、rfid、zigbee、uwb、伪卫星等)的方法等，已经能够在
4、但上述提及的现有的机器人导航技术或多或少存在着一些弊端，gnss在室外等开阔场景中能够获得良好的导航定位精度，但是对于城市等多径信号严重以及室内等卫星信号拒止的环境，gnss难以提供可靠的导航能力；sins的短期稳定度良好，但是由于缺乏全局的校正信息而导致长期稳定度不佳；stan需要数据库采集与匹配，难以应对陌生场景中的导航任务；slam算法复杂度高，算力要求大，鲁棒性与导航决策自主性不强，并且需要甄别建图能力与针对地图做出导航决策的能力，二者存在本质不同。
5、针对上述的方法存在的一些固有的体制问题，现有通过组合导航的手段融合上述的多种传感器或方法进行导航，但是由于采用了更多的传感器与更为复杂的融合算法，使得系统硬件成本、存储计算成本显著增加，并且依然难以自主地、泛化地针对不同场景做出相应的导航决策。
6、同时，上述基于有源体制的室内导航方法也存在需提前布站、需提前采集环境信号特征的弊端，无法适应陌生环境的导航任务，并且上述方法侧重于室内定位，在导航、避障与循迹方面存在较大不足。
7、最后，目前传统基于图卷积神经网络的方法每次迭代更新都针对全图进行操作，冗余较大，效率低下。基于图神经网络的导航方法能够对环境特征进行提取并生成低维的节点嵌入，但是缺乏针对图节点信息的去冗余手段，导航图谱规模随着导航过程的进行而显著增加，且既有方法针对全图每个节点进行单独的训练与学习，该过程是直推的，难以泛化到一些陌生的场景(若想要对陌生场景进行泛化，则需要利用新数据对全图进行重新训练)。并且，当前的基于强化学习的机器人导航方法，往往针对当前的导航观测数据做出即时判决，难以利用实体的空间位置信息与邻域信息，面对复杂的导航场景存在收敛困难或收敛时间极长的问题。
技术实现思路
1、本专利技术旨在提供一种基于图采样与聚合的无人平台导航方法，以解决上述技术问题，基于获取的导航动作判决实现无人平台完全自主地针对环境中物体之间的关系做出导航判决与循迹动作，实现无人平台的智能导航。
2、为了解决上述技术问题，本专利技术提供了一种基于图采样与聚合的无人平台导航方法，包括以下步骤：
3、将无人平台置于预设仿真环境中，获取无人平台位移信息和实体识别结果；
4、根据实体识别结果和无人平台位移信息构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系；
5、采用graphsage算法对知识图谱进行采样与聚合，生成表征有空间结构特征的导航知识嵌入；
6、构建导航动作决策生成网络，并基于实体识别结果、知识图谱及导航知识嵌入对导航动作决策生成网络进行训练，获取主线程图谱网络参数；
7、将无人平台置于陌生环境中实现知识图谱的子线程拓展，并基于主线程图谱网络参数对导航动作决策生成网络进行更新，以令导航动作决策生成网络实现对子线程的导航动作判决，进而实现无人平台的导航。
8、上述方案是一种可以针对不同场景进行泛化的导航策略强换学习训练方法，其基于获取的导航动作判决实现无人平台完全自主地针对环境中物体之间的关系做出导航判决与循迹动作，实现无人平台的智能导航。
9、进一步地，所述将无人平台置于预设仿真环境中，获取无人平台位移信息和实体识别结果，具体为：
10、将无人平台置于预设仿真环境中，获取环境反馈imu数据和视觉图像数据；
11、基于环境反馈imu数据所输出的无人平台位姿信息进行积分，获取无人平台位移信息；
12、基于训练好的深度神经网络对视觉图像数据进行实体识别，获取实体识别结果。
13、进一步地，所述根据实体识别结果和无人平台位移信息构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系，具体为：
14、基于实体识别结果提取空间实体信息；
15、结合空间实体信息和无人平台位移信息，获取无人平台与空间实体间的每个时刻的空间关系，构成多个知识图谱节点；
16、基于多个知识图谱节点构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系。
17、进一步地，所述基于多个知识图谱节点构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系，具体包括：
18、在拓展知识图谱时，将当前知识图谱节点作为知识图谱的拓展节点；
19、逐个计算拓展节点与知识图谱中的节点的相似分数；
20、若存在相似分数超过预设阈值，则将拓展节点添加到知识图谱中，并与其距离相近的节点相连；否则，将拓展节点予以丢弃。
21、进一步地，所述采用graphsage算法对知识图谱进行采样与聚合，生成表征有空间结构特征的导航知识嵌入，具体为：
22、基于采样函数对知识图谱中每个节点的邻域节点进行采样，确定每个节点的聚合邻域节点；
23、k层每个节点基于聚合函数聚合其k-1层聚合邻域节点的表征，生成代表k层每个节点对应其k-1层聚合邻域节点的第k层聚合邻域特征向量；其中，k表示当前的搜索深度，基于k-1层节点的表征和第k层聚合邻域特征向量生成第k层节点的表征；
24、令k＝k+1，重复执行上述步骤，直至满足聚合深度k，获取每层节点的表征其中，
25、基于每层节点的表征生成表征有空间结本文档来自技高网...
【技术保护点】
1.一种基于图采样与聚合的无人平台导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述将无人平台置于预设仿真环境中，获取无人平台位移信息和实体识别结果，具体为：
3.根据权利要求1所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述根据实体识别结果和无人平台位移信息构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系，具体为：
4.根据权利要求3所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述基于多个知识图谱节点构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系，具体包括：
5.根据权利要求3或4所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述采用GraphSAGE算法对知识图谱进行采样与聚合，生成表征有空间结构特征的导航知识嵌入，具体为：
6.根据权利要求5所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述基于k-1层节点的表征和第k层聚合邻域特征向量生成第k层节点的表征
7.根据权利要求5所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述聚合函数为最大池化聚合函数，其具体表示为：
8.根据权利要求1所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述构建导航动作决策生成网络，并基于实体识别结果、知识图谱及导航知识嵌入对导航动作决策生成网络进行训练，获取主线程图谱网络参数，具体为：
9.根据权利要求8所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述采用A3C强化学习方法，并将实体识别结果、知识图谱及导航知识嵌入作为导航动作决策生成网络的输入，对导航动作决策生成网络进行训练，获取主线程图谱网络参数，包括：
10.根据权利要求9所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述将无人平台置于陌生环境中实现知识图谱的子线程拓展，并基于主线程图谱网络参数对导航动作决策生成网络进行更新，以令导航动作决策生成网络实现对子线程的导航动作判决，进而实现无人平台的导航，具体为：
...【技术特征摘要】
1.一种基于图采样与聚合的无人平台导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述将无人平台置于预设仿真环境中，获取无人平台位移信息和实体识别结果，具体为：
3.根据权利要求1所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述根据实体识别结果和无人平台位移信息构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系，具体为：
4.根据权利要求3所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述基于多个知识图谱节点构建适用于导航场景的知识图谱，以描述所处环境中存在的各实体之间的关系，具体包括：
5.根据权利要求3或4所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述采用graphsage算法对知识图谱进行采样与聚合，生成表征有空间结构特征的导航知识嵌入，具体为：
6.根据权利要求5所述的一种基于图采样与聚合的无人平台导航方法，其特征在于，所述基于k-1层节点的表征和...
【专利技术属性】
技术研发人员：朱祥维，刘格陆，马岳鑫，刘若帆，何少烽，翁淇臻，翟春磊，
申请(专利权)人：中山大学·深圳，
类型：发明
国别省市：
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。