基于脉冲神经网络的机器人跟踪目标的控制方法技术

本发明专利技术是一种基于脉冲神经网络的机器人跟踪目标的控制方法，是将机器人感知的多传感器信息预处理后，以脉冲串的方式在脉冲神经网络中集成处理，进而控制机器人实现对目标的无碰跟踪。机器人综合视觉、码盘以及超声数据产生目标信息及障碍信息，预处理后送入脉冲神经网络的输入层，包括目标神经元、传感器神经元和避障神经元，生成对应的脉冲信号，其中避障神经元生成的脉冲信号还经隐藏层神经元进行处理；产生的脉冲信号经加权送入输出层的两对电机神经元，这两对电机神经元输出的脉冲串所对应的脉冲数分别通过竞争、滤波、限幅后，控制左右电机。本发明专利技术机器人根据自身感知信息做出实时决策，为其在安全警戒、保卫等方面的应用提供技术支持。

【技术实现步骤摘要】

本专利技术涉及移动机器人
，特别是一种基于脉冲(Spiking)神经网络的机器人跟踪目标的控制方法。
技术介绍
移动机器人能够代替人在危险、恶劣(如辐射、有毒等)以及人所不及的(如宇宙空间、水下等)环境下作业，应用前景广泛。目标跟踪作为移动机器人的一个典型研究内容，在安全警戒、安全保卫等方面具有重要的应用前景。为实现移动机器人未知环境下的实时运动控制，出现很多方法，包括人工势场法、向量场直方图法、动态窗口法以及基于行为的方法等，同时，智能控制方法例如模糊逻辑与神经网络方法等也应用到机器人中。近年来，脉冲神经网络(Spiking神经网络)以其采用脉冲的形式来接收、传递和处理信息受到关注。有必要深入开展基于脉冲神经网络的机器人控制器研究，在有效综合视觉、码盘以及超声数据产生的目标信息及障碍信息基础上，使得机器人安全无碰的实现对目标的跟踪。
技术实现思路
本专利技术的目的是提供一种基于脉冲神经网络的机器人跟踪目标的控制方法，使得机器人无碰的实现对目标的跟踪，达到令人满意的效果。为实现上述目的，本专利技术基于脉冲神经网络的机器人跟踪目标的控制方法，包括步骤：步骤A：机器人利用视觉传感器、码盘以及超声传感器探测环境，对获取的视觉图像数据、码盘数据和超声数据进行处理，产生目标信息及障碍信息送入信息预处理模块M1、M2和M3中，获得预处理后的结果和分别与脉冲神经网络输入层的目标神经元、传感器神经元和避障神经元相对应，其中ng为脉冲神经网络的输入层的目标神经元的个数，ns为脉冲神经网络的输入层的传感器神经元的个数；步骤B：信息预处理模块M1、M2和M3分别将预处理后的结果送入脉冲神经网络输入层的目标神经元、传感器神经元和避障神经元，目标神经元、传感器神经元和避障神经元分别生成对应的脉冲信号；其中避障神经元部分生成的脉冲信号经隐藏层神经元处理后产生避障相关的脉冲信号；步骤C：目标神经元、传感器神经元和隐藏层神经元将产生的脉冲信号加权处理后送入输出层的左电机正向神经元和右电机正向神经元；同时，隐藏层神经元将产生的脉冲信号加权处理后送入输出层的左电机反向神经元和右电机反向神经元；左电机正向神经元和左电机反向神经元、右电机正向神经元和右电机反向神经元组成输出层的两对电机神经元，两对电机神经元点火后分别生成脉冲串，脉冲串所对应的脉冲数分别为nlf、nlb、nrf和nrb；步骤D：两对电机神经元输出的脉冲串所对应的脉冲数分别通过竞争、滤波、限幅后，产生机器人移动机构的左右电机的控制信号nlo和nro，进而控制左右电机实现机器人的运动；步骤E：在生成左右电机的控制信号后，机器人采用赫布(Hebb)学习算法，对连接输入层的目标神经元和传感器神经元到输出层的左电机正向神经元和右电机正向神经元的权值进行在线调整；步骤F：返回步骤A。优选实施例，目标上带有一中空圆柱形的色标筒，色标筒的中心与目标的中心保持一致。优选实施例，左电机正向神经元和左电机反向神经元为竞争关系，输出脉冲串所对应的脉冲数多的神经元抑制脉冲数少的神经元，并且输出脉冲数多的神经元的脉冲数。优选实施例，右电机正向神经元和右电机反向神经元为竞争关系，输出脉冲串所对应的脉冲数多的神经元抑制脉冲数少的神经元，并且输出脉冲数多的神经元的脉冲数。本专利技术的有益效果：本专利技术采用基于脉冲神经网络的控制方法，以脉冲串的方式在脉冲神经网络中实时处理目标和障碍相关信息，规划机器人运动，实现对移动目标的无碰动态跟踪。本专利技术机器人可根据自身感知信息做出实时决策，为其在安全警戒、安全保卫等方面的应用提供技术支持。附图说明图1是基于脉冲神经网络的机器人跟踪目标的控制框图；图2是机器人超声传感器模型；图3是机器人对静止目标跟踪的轨迹；图4是机器人对静止目标跟踪过程中生成的左右电机的控制信号；图5是机器人跟踪动态目标的轨迹；图6是机器人跟踪动态目标过程中生成的左右电机的控制信号。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。本专利技术提供了一种基于脉冲神经网络的机器人目标跟踪控制方法，机器人利用视觉传感器、码盘以及超声传感器探测环境，对获取的视觉图像数据、码盘数据和超声数据进行处理，产生目标信息及障碍信息，预处理后送入脉冲神经网络的输入层，包括目标神经元、传感器神经元和避障神经元，生成对应的脉冲信号，其中避障神经元部分生成的脉冲信号经隐藏层处理后产生避障相关的脉冲信号；目标神经元、传感器神经元和隐藏层神经元将产生的脉冲信号加权处理后送入输出层的左电机正向神经元和右电机正向神经元；同时，隐藏层神经元将产生的脉冲信号加权处理后送入输出层的左电机反向神经元和右电机反向神经元；左电机正向神经元和左电机反向神经元、右电机正向神经元和右电机反向神经元组成输出层的两对电机神经元，这两对电机神经元输出的脉冲串所对应的脉冲数分别通过竞争、滤波、限幅后，产生机器人移动机构的左右电机的控制信号，进而控制左右电机实现机器人的运动，使机器人在避开障碍物的同时跟踪目标。此外，对连接输入层的传感器神经元和目标神经元到输出层的左电机正向神经元和右电机正向神经元的权值采用赫布学习算法进行调整。控制框图如图1所示，包含信息预处理单元以及脉冲神经网络单元，其中，和分别为信息预处理模块M1、M2和M3处理后的结果，ng为目标神经元的个数，ns为传感器神经元的个数；nlf，nlb，nrf和nrb分别为左电机正向神经元、左电机反向神经元以及右电机正向神经元、右电机反向神经元点火后生成的脉冲串所对应的脉冲数；和分别为左电机正向神经元和左电机反向神经元、右电机正向神经元和右电机反向神经元竞争后的输出；nlo和nro分别为机器人移动机构的左右电机的控制信号。1.信息预处理在介绍信息预处理模块M1，M2和M3之前，首先给出周围障碍信息和目标信息的产生。机器人装有三摄像机Sv(1)，Sv(2)，Sv(3)，从机器人中心到这三个摄像机光心的连线方向分别与各自的光轴方向相一致，且分别与机器人当前运动方向向右转方向、当前运动方向、当前运动方向左转方向相一致，视野均为扇形区域，摄像机视角的限制会带来三个盲区。为了实现对感兴趣目标的识别与相对定位，目标带一色标筒，该筒为中空的圆柱形筒，本文档来自技高网...

【技术保护点】
１．一种基于脉冲神经网络的机器人跟踪目标的控制方法，包括步骤：步骤Ａ：机器人利用视觉传感器、码盘以及超声传感器探测环境，对获取的视觉图像数据、码盘数据和超声数据进行处理，产生目标信息及障碍信息送入信息预处理模块Ｍ１、Ｍ２和Ｍ３中，获得预处理后的结果和分别与脉冲神经网络输入层的目标神经元、传感器神经元和避障神经元相对应，其中ｎｇ为脉冲神经网络的输入层的目标神经元的个数，ｎｓ为脉冲神经网络的输入层的传感器神经元的个数；步骤Ｂ：信息预处理模块Ｍ１、Ｍ２和Ｍ３分别将预处理后的结果送入脉冲神经网络输入层的目标神经元、传感器神经元和避障神经元，目标神经元、传感器神经元和避障神经元分别生成对应的脉冲信号；其中避障神经元部分生成的脉冲信号经隐藏层神经元处理后产生避障相关的脉冲信号；步骤Ｃ：目标神经元、传感器神经元和隐藏层神经元将产生的脉冲信号加权处理后送入输出层的左电机正向神经元和右电机正向神经元；同时，隐藏层神经元将产生的脉冲信号加权处理后送入输出层的左电机反向神经元和右电机反向神经元；左电机正向神经元和左电机反向神经元、右电机正向神经元和右电机反向神经元组成输出层的两对电机神经元，两对电机神经元点火后分别生成脉冲串，脉冲串所对应的脉冲数分别为ｎｌｆ、ｎｌｂ、ｎｒｆ和ｎｒｂ；步骤Ｄ：两对电机神经元输出的脉冲串所对应的脉冲数分别通过竞争、滤波、限幅后，产生机器人移动机构的左右电机的控制信号ｎｌｏ和ｎｒｏ，进而控制左右电机实现机器人的运动；步骤Ｅ：在生成左右电机的控制信号后，机器人采用赫布（Ｈｅｂｂ）学习算法，对连接输入层的目标神经元和传感器神经元到输出层的左电机正向神经元和右电机正向神经元的权值进行在线调整；步骤Ｆ：返回步骤Ａ。...

【技术特征摘要】
1.一种基于脉冲神经网络的机器人跟踪目标的控制方法，包括步
骤：
步骤A：机器人利用视觉传感器、码盘以及超声传感器探测环境，
对获取的视觉图像数据、码盘数据和超声数据进行处理，产生目标信
息及障碍信息送入信息预处理模块M1、M2和M3中，获得预处理后的
结果和分别与脉冲神经网络输入层
的目标神经元、传感器神经元和避障神经元相对应，其中ng为脉冲神
经网络的输入层的目标神经元的个数，ns为脉冲神经网络的输入层的
传感器神经元的个数；
步骤B：信息预处理模块M1、M2和M3分别将预处理后的结果送
入脉冲神经网络输入层的目标神经元、传感器神经元和避障神经元，
目标神经元、传感器神经元和避障神经元分别生成对应的脉冲信号；
其中避障神经元部分生成的脉冲信号经隐藏层神经元处理后产生避障
相关的脉冲信号；
步骤C：目标神经元、传感器神经元和隐藏层神经元将产生的脉冲
信号加权处理后送入输出层的左电机正向神经元和右电机正向神经
元；同时，隐藏层神经元将产生的脉冲信号加权处理后送入输出层的
左电机反向神经元和右电机反向神经元；左电机正向神经元和左电机
反向神经元、右电机正向神经元和右电机反向神经元组成输出层的两
对电机神经元，两对电机神经元点火后分别...

【专利技术属性】
技术研发人员：谭民，曹志强，周超，王旭，石坤，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11