【技術實現步驟摘要】
本專利技術涉及空間探索，具體涉及一種機器人在未知空間中的探索方法及機器人。
技術介紹
1、隨著科技水平的不斷發展，各類型的自動化作業機器人層出不窮，這些機器人能夠在多種領域代替傳統的人工作業，從而使得人們的工作和生活得到便利。一般情況下，機器人在自動化作業前，首先要對所處的環境空間進行探索，以便于后續規劃作業的路徑，提高作業的效率和效果。
2、但現有的機器人在空間探索時，往往都是采取隨機探索的方式進行的，即機器人沒有明確的探索目標點，機器人通過遍歷整個空間，從而將空間探索完畢，這就導致了其探索效率十分低下。
3、基于此，需要提出一種方案以解決上述現有技術存在的問題。
技術實現思路
1、為了克服上述現有技術的缺陷，本專利技術提供了一種機器人在未知空間中的探索方法及機器人。
2、具體技術方案如下所示：
3、本專利技術的第一方面，提供一種機器人在未知空間中的探索方法，所述方法包括：
4、在未知空間中使用傳感器采集周邊的環境數據，基于所采集的環境數據生成柵格地圖；
5、將所述柵格地圖輸入給預設的預測模型，以輸出需要探索的目標點；
6、生成到達所述目標點的路徑，并沿所述路徑前往所述目標點；在前往所述目標點的過程中，使用所述傳感器實時采集周邊的環境數據，并基于所采集的環境數據實時更新所述柵格地圖；
7、根據預設規則判斷未知空間是否探索完畢，若未探索完畢，則將更新后的柵格地圖再次輸入所述預測模型，以輸
8、在一個具體實施例中，所述方法還包括：
9、在前往目標點的過程中，將實時更新的柵格地圖輸入所述預測模型，以對目標點進行更新；生成前往所述新目標點的新路徑，并沿所述新路徑移動。
10、在一個具體實施例中，所述的“預設規則”包括：
11、判斷目標點的更新頻率是否低于設定閾值，若低于設定閾值，則探索完畢。
12、在一個具體實施例中，所述預測模型包括卷積神經網絡模型，所述卷積神經網絡模型通過以下方式得到：
13、使用傳感器采集多組環境數據，基于多組環境數據生成多張柵格地圖；依照預設標注規則，標注出所述多張柵格地圖中的目標點；將多張標注后的柵格地圖劃分成訓練集和驗證集，使用所述訓練集對所述卷積神經網絡模型進行訓練，并使用所述驗證集對所述卷積神經網絡模型進行驗證。
14、在一個具體實施例中，所述多組環境數據在多種不同的環境下采集得到。
15、在一個具體實施例中，所述“預設標注規則”包括：
16、對柵格地圖邊緣上未探索、不屬于障礙物且可探索跨度最大的區段的中點進行標注。
17、在一個具體實施例中，使用所述訓練集對所述卷積神經網絡模型進行訓練時，計算所述卷積神經網絡模型的損失函數，通過優化算法調整模型參數，以最小化所述損失函數；
18、所述損失函數式包括：
19、其中，n是訓練集中的樣本總數，(xi,yi)是模型對第i個樣本輸出目標點的預測坐標，(x′i,y′i)是第i個樣本目標點的真實坐標。
20、在一個具體實施例中，所述“基于所采集的環境數據生成柵格地圖”具體包括：基于所采集的環境數據，通過ekf-slam算法生成柵格地圖，并獲得自身的位姿信息；
21、所述“生成到達所述目標點的路徑”具體包括：將所述位姿信息和目標點位置信息輸入路徑規劃算法中，從而生成到達所述目標點的路徑。
22、在一個具體實施例中，所述路徑規劃算法包括a*算法，和/或，所述傳感器包括激光雷達或相機。
23、本專利技術的第二方面，提供一種機器人，包括機器人主體以及集成于所述機器人主體中的地圖生成模塊、目標輸出模塊、路徑生成模塊和判斷模塊；
24、所述地圖生成模塊，用于在未知空間中使用傳感器采集周邊的環境數據，基于所采集的環境數據生成柵格地圖；
25、所述目標輸出模塊，用于將所述柵格地圖輸入給預設的預測模型，以輸出需要探索的目標點；
26、所述路徑生成模塊，用于生成到達所述目標點的路徑，以使所述機器人主體沿所述路徑前往所述目標點；
27、所述地圖生成模塊還用于在前往所述目標點的過程中使用所述傳感器實時采集周邊的環境數據，并基于所采集的環境數據實時更新所述柵格地圖；
28、所述判斷模塊，用于根據預設規則判斷未知空間是否探索完畢；所述目標輸出模塊用于在判斷結果為未探索完畢時，將更新后的柵格地圖再次輸入所述預測模型，以輸出需要探索的新目標點，以使所述機器人主體前往所述新目標點，并使所述地圖生成模塊在所述機器人主體前往所述新目標點的過程中采集環境數據，以再次更新柵格地圖。
29、本專利技術至少具有以下有益效果：
30、本專利技術提供的一種機器人在未知空間中的探索方法及機器人，其中，方法主要是通過向預測模型輸入柵格地圖，使預測模型輸出需要探索的目標點，機器人前往該目標點并在前往的過程中探索周邊區域以及更新柵格地圖，機器人通過將更新后的柵格地圖再次輸入預測模型，從而不斷地得到新的目標點并前往新目標點進行探索，以最終實現對未知空間的全面探索。相較于現有的隨機探索的機器人探索方法，本方法通過預測模型輸出目標點，保證了目標點的探索價值，使得機器人的探索具有明確目標，從而大大提高了探索的效率。另外，本方法由于是通過預測模型輸出目標點，因此具有良好的適應性和可擴展性，在使用的過程中，可以對模型進行持續訓練和調整，使其適應不同環境和任務需求。
31、本專利技術提供的機器人，基于地圖生成模塊、目標輸出模塊、路徑生成模塊和判斷模塊的設置，可執行本專利技術提出的探索方法，從而能夠實現在未知空間中高效、靈活的探索，具有良好的實用性。
本文檔來自技高網...【技術保護點】
1.一種機器人在未知空間中的探索方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種機器人在未知空間中的探索方法，其特征在于，所述方法還包括：
3.根據權利要求2所述的一種機器人在未知空間中的探索方法，其特征在于，所述的“預設規則”包括：
4.根據權利要求1所述的一種機器人在未知空間中的探索方法，其特征在于，所述預測模型包括卷積神經網絡模型，所述卷積神經網絡模型通過以下方式得到：
5.根據權利要求4所述的一種機器人在未知空間中的探索方法，其特征在于，所述多組環境數據在多種不同的環境下采集得到。
6.根據權利要求4所述的一種機器人在未知空間中的探索方法，其特征在于，所述“預設標注規則”包括：
7.根據權利要求4所述的一種機器人在未知空間中的探索方法，其特征在于，使用所述訓練集對所述卷積神經網絡模型進行訓練時，計算所述卷積神經網絡模型的損失函數，通過優化算法調整模型參數，以最小化所述損失函數；
8.根據權利要求1所述的一種機器人在未知空間中的探索方法，其特征在于，所述“基于所采集的環境數據生
9.根據權利要求8所述的一種機器人在未知空間中的探索方法，其特征在于，所述路徑規劃算法包括A*算法，和/或，所述傳感器包括激光雷達或相機。
10.一種機器人，其特征在于，包括機器人主體以及集成于所述機器人主體中的地圖生成模塊、目標輸出模塊、路徑生成模塊和判斷模塊；
...【技術特征摘要】
1.一種機器人在未知空間中的探索方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種機器人在未知空間中的探索方法，其特征在于，所述方法還包括：
3.根據權利要求2所述的一種機器人在未知空間中的探索方法，其特征在于，所述的“預設規則”包括：
4.根據權利要求1所述的一種機器人在未知空間中的探索方法，其特征在于，所述預測模型包括卷積神經網絡模型，所述卷積神經網絡模型通過以下方式得到：
5.根據權利要求4所述的一種機器人在未知空間中的探索方法，其特征在于，所述多組環境數據在多種不同的環境下采集得到。
6.根據權利要求4所述的一種機器人在未知空間中的探索方法，其特征在于，所述“預設標注規則”包括：
7.根據權利要...
【專利技術屬性】
技術研發人員：戰碩，劉沛源，于雷，
申請(專利權)人：清云智能深圳有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。