本發(fā)明涉及智能機(jī)器人路徑規(guī)劃領(lǐng)域的一種路徑規(guī)劃方法，具體是一種基于語(yǔ)義地圖的建立，并根據(jù)語(yǔ)義信息在地圖的不同區(qū)域應(yīng)用不同路徑規(guī)劃算法的混合多策略路徑規(guī)劃方法。使得機(jī)器人能夠更加智能地，在不同的運(yùn)動(dòng)環(huán)境中，自主選擇適應(yīng)于該環(huán)境的路徑規(guī)劃算法。

背景技術(shù)：

當(dāng)下能夠自主導(dǎo)航避障的機(jī)器人系統(tǒng)研究異?；馃幔乙惨呀?jīng)有許多產(chǎn)品應(yīng)用于實(shí)踐。如餐館的服務(wù)機(jī)器人，就擁有障礙物識(shí)別，路徑規(guī)劃的能力；又如家庭掃地機(jī)器人，也擁有在開(kāi)闊空間內(nèi)規(guī)劃自身運(yùn)動(dòng)路徑的能力。在公共運(yùn)輸方面，無(wú)人機(jī)快遞投遞的應(yīng)用已經(jīng)開(kāi)展的如火如荼，在快遞投遞上也必須用到路徑規(guī)劃，以使無(wú)人機(jī)能夠在避開(kāi)障礙物的前提下以最短的路徑到達(dá)目的地并完成投遞。

路徑規(guī)劃即是指機(jī)器人決策如何從地圖的某一點(diǎn)運(yùn)動(dòng)到另一點(diǎn)的能力。首先要求機(jī)器人能夠獲得當(dāng)前環(huán)境的地圖信息，并能定位當(dāng)前自身的位置，隨后才可以進(jìn)行路徑規(guī)劃，定位和建圖的算法目前最實(shí)用的就是slam算法。目前有許多路徑規(guī)劃算法，如a*、dijkstra、rrt、prm等。

但是目前在機(jī)器人應(yīng)用中，都是采用單一的路徑規(guī)劃策略，例如在ros操作系統(tǒng)下的導(dǎo)航算法包，其運(yùn)用了a*算法作為機(jī)器人的全局路徑規(guī)劃，無(wú)論機(jī)器人處于何種環(huán)境，它都將使用a*算法來(lái)進(jìn)行導(dǎo)航。但是，隨著機(jī)器人應(yīng)用領(lǐng)域的不斷擴(kuò)大，機(jī)器人應(yīng)用的場(chǎng)景也越來(lái)越多，單一的路徑規(guī)劃策略是很難滿足人們對(duì)機(jī)器人日漸提高的要求。a*算法是非常優(yōu)秀的路徑規(guī)劃算法，它在房間、辦公室等地形復(fù)雜，障礙物較多的環(huán)境中有很好的表現(xiàn)，但它在走廊、大廳這樣的障礙物較少或者道路細(xì)長(zhǎng)的環(huán)境中表現(xiàn)就顯得不盡如人意，因?yàn)閍*的路徑總是貼近障礙物邊緣的，但在走廊，更傾向于機(jī)器人能夠走在道路的正中間，以更高的安全性通過(guò)細(xì)長(zhǎng)的走廊。因此在不同的場(chǎng)景下，機(jī)器人對(duì)路徑規(guī)劃算法的需求也是不同的，在本發(fā)明中，就提出了一種基于地圖的語(yǔ)義推斷和語(yǔ)義地圖的建立，根據(jù)地圖的語(yǔ)義信息來(lái)在不同語(yǔ)義區(qū)域使用不同路徑規(guī)劃算法的混合策略路徑規(guī)劃方法，在混合策略路徑規(guī)劃方法下，機(jī)器人就能更加智能地依據(jù)當(dāng)前所處的環(huán)境，來(lái)選擇合適的路徑規(guī)劃算法。

本發(fā)明中所使用的基本技術(shù)有廣義沃羅諾伊圖(gvg)、條件隨機(jī)場(chǎng)推斷(crf)、形態(tài)學(xué)操作等。沃羅諾伊圖是俄國(guó)數(shù)學(xué)家voronoi建立的空間分割方法，在本發(fā)明中，應(yīng)用了廣義沃羅諾伊圖來(lái)生成走廊區(qū)域的道路，它有很明顯的特征，即距離障礙物最遠(yuǎn)，到其兩側(cè)的障礙物的距離相等的，亦即是道路中線，機(jī)器人在這樣的道路上行走會(huì)有很高的安全性。而條件隨機(jī)場(chǎng)(crf)模型是lafferty于2001年在最大熵模型和隱馬爾科夫模型的基礎(chǔ)上，提出的一種判別式概率無(wú)向圖學(xué)習(xí)模型，在機(jī)器視覺(jué)、自然語(yǔ)言處理等領(lǐng)域都有很好的應(yīng)用，在本發(fā)明中則用其來(lái)推斷地圖各個(gè)區(qū)域的語(yǔ)義。形態(tài)學(xué)開(kāi)操作和閉操作是形態(tài)學(xué)的基本操作，常常用于圖像的處理，在opencv計(jì)算機(jī)視覺(jué)庫(kù)中，對(duì)形態(tài)學(xué)操作有很好的支持。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的技術(shù)解決問(wèn)題：革新了移動(dòng)機(jī)器人路徑規(guī)劃算法應(yīng)用的方法，不同于以往機(jī)器人只使用一種規(guī)劃算法，在本發(fā)明中，首先基于語(yǔ)義地圖的建立，賦予了機(jī)器人更高的智能，完成了機(jī)器人在不同的應(yīng)用環(huán)境中采用不同的路徑規(guī)劃算法的能力，使得最終路徑更易于機(jī)器人行走。

本發(fā)明的技術(shù)解決方案：一種基于語(yǔ)義地圖的移動(dòng)機(jī)器人多策略路徑規(guī)劃方法，其特征在于，基于語(yǔ)義地圖的建立并在其上作混合策略的路徑規(guī)劃算法，其步驟如下：

步驟1：對(duì)slam算法得到的地圖進(jìn)行預(yù)處理，先應(yīng)用形態(tài)學(xué)閉操作濾去地圖的白噪聲，再應(yīng)用形態(tài)學(xué)開(kāi)操作使地圖中各個(gè)獨(dú)立區(qū)域分割出來(lái)，得到的結(jié)果地圖稱為基地圖；

步驟2：在基地圖上生成廣義沃羅諾伊圖(gvg)，并將地圖中的每個(gè)獨(dú)立區(qū)域分割與廣義沃羅諾伊圖相互映射，提取兩個(gè)相鄰獨(dú)立區(qū)域之間共有的沃羅諾伊圖線部分，并取該線的中點(diǎn)，作為這兩個(gè)獨(dú)立區(qū)域相連的門(mén)(doorway)，此過(guò)程稱為doorway提取過(guò)程；

步驟3：將每一個(gè)獨(dú)立區(qū)域的幾何中心作為節(jié)點(diǎn)，連接得到無(wú)向圖d，將無(wú)向圖d和每一個(gè)獨(dú)立區(qū)域的不變矩作為參數(shù)，應(yīng)用條件隨機(jī)場(chǎng)(crf)進(jìn)行推斷，得到各個(gè)區(qū)域的類型，即為各個(gè)區(qū)域賦予語(yǔ)義信息，是房間(room)或是走廊(hallway)，得到語(yǔ)義結(jié)果，此過(guò)程稱為地圖的語(yǔ)義賦予過(guò)程；

步驟4：將步驟2所得的doorway連接成一個(gè)無(wú)向圖g(v，e)，其中v代表圖頂點(diǎn)，e代表邊，無(wú)向圖g稱為區(qū)域拓?fù)涞貓Drtm(regiontopologicalmap，rtm)，此過(guò)程稱為rtm生成過(guò)程；

步驟5：根據(jù)步驟3所得的語(yǔ)義結(jié)果，將步驟4所得的rtm中每一條邊區(qū)分為房間內(nèi)的和走廊內(nèi)的，此過(guò)程稱為規(guī)劃預(yù)處理；

步驟6：給定起點(diǎn)和終點(diǎn)，并將起點(diǎn)和終點(diǎn)連入rtm中，進(jìn)行多策略路徑規(guī)劃，得到最終路徑，此過(guò)程稱為路徑規(guī)劃過(guò)程。

所述步驟5中，區(qū)分rtm邊類型的方法為：

根據(jù)步驟3所得的語(yǔ)義結(jié)果，將步驟4所得的rtm中每一條邊都區(qū)分為房間內(nèi)的和走廊內(nèi)的，若rtm某一條邊所連接的兩個(gè)節(jié)點(diǎn)必定與一個(gè)區(qū)域同時(shí)相關(guān)，若該區(qū)域?yàn)樽呃?hallway)，則該條邊為走廊內(nèi)的邊，否則該條邊為房間內(nèi)的邊。

所述步驟6中，路徑規(guī)劃的方法為：

給定起點(diǎn)和終點(diǎn)，假定所給的路徑規(guī)劃任務(wù)都是從房間到房間的規(guī)劃任務(wù)，這也是符合機(jī)器人的路徑規(guī)劃任務(wù)特點(diǎn)，將起點(diǎn)和終點(diǎn)分別和與之最近的rtm中的節(jié)點(diǎn)連接，得到一張與特定規(guī)劃任務(wù)對(duì)應(yīng)的拓?fù)鋱D，并在該拓?fù)鋱D上應(yīng)用迪杰斯特拉(dijkstra)算法尋找從起點(diǎn)到終點(diǎn)的代價(jià)最小的節(jié)點(diǎn)序列，節(jié)點(diǎn)間的代價(jià)用節(jié)點(diǎn)之間的歐氏距離來(lái)計(jì)算；從起點(diǎn)開(kāi)始遍歷所得節(jié)點(diǎn)序列，根據(jù)上述無(wú)向圖g的邊e上的標(biāo)記，若兩節(jié)點(diǎn)之間的邊是房間內(nèi)的邊，則在這兩點(diǎn)應(yīng)用a*路徑規(guī)劃算法得到最終路徑；若兩節(jié)點(diǎn)之間的邊是走廊內(nèi)的邊，則直接從廣義沃羅諾伊圖取得這兩節(jié)點(diǎn)之間的廣義沃羅諾伊圖作為這兩節(jié)點(diǎn)之間的最終路徑，遍歷整個(gè)節(jié)點(diǎn)序列后，即得到從起點(diǎn)到終點(diǎn)的完整路徑；房間內(nèi)使用a*路徑，走廊內(nèi)使用廣義沃羅諾伊圖作為路徑。

本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：

(1)本發(fā)明應(yīng)用了語(yǔ)義導(dǎo)航的技術(shù)，提高了機(jī)器人的智能，不同于一般技術(shù)在二值地圖上做路徑規(guī)劃，在本發(fā)明中，機(jī)器人可以明確直到當(dāng)前行走的區(qū)域的語(yǔ)義信息，即知道當(dāng)前的環(huán)境的何種環(huán)境；

(2)本發(fā)明提出了語(yǔ)義拓?fù)涞貓D(rtm)的概念，不同于一般技術(shù)建立的拓?fù)涞貓D，本發(fā)明中的拓?fù)涞貓D也是具有語(yǔ)義信息的，在語(yǔ)義拓?fù)渖蠈ふ业玫降淖疃搪窂綄в姓Z(yǔ)義信息，為多策略路徑規(guī)劃提供了基礎(chǔ)；

(3)本發(fā)明使用了在地圖的不同語(yǔ)義部分使用不同路徑規(guī)劃算法的混合規(guī)劃策略，可以組合生成特征不同的路徑，亦即基于語(yǔ)義拓?fù)涞貓D，機(jī)器人在不同的運(yùn)動(dòng)場(chǎng)景下，調(diào)用不同的路徑規(guī)劃算法，將每一種路徑規(guī)劃算法的優(yōu)點(diǎn)在該運(yùn)動(dòng)場(chǎng)景下完全體現(xiàn)出來(lái)，而隱去其不足之處，可說(shuō)這種混合策略規(guī)劃方法是綜合了各個(gè)路徑規(guī)劃算法的優(yōu)點(diǎn)并最大程度消除了路徑規(guī)劃算法的不足，在本發(fā)明中，a*路徑可以有效避開(kāi)障礙物，在房間內(nèi)這樣復(fù)雜的環(huán)境下可以發(fā)揮其最大的優(yōu)勢(shì)，而在走廊內(nèi)，廣義沃羅諾伊圖則可以得到最安全的路徑，兩者結(jié)合使得最終的路徑更加適合于機(jī)器人的行走。

附圖說(shuō)明

圖1為本發(fā)明語(yǔ)義拓?fù)涞貓D的示意圖；

圖2為本發(fā)明方法的流程圖；

圖3為本發(fā)明路徑規(guī)劃示意圖。

具體實(shí)施方式

如圖2所示，本發(fā)明具體實(shí)施步驟詳細(xì)說(shuō)明如下：

步驟1：對(duì)slam算法獲得的地圖首先進(jìn)行形態(tài)學(xué)閉操作，濾除slam地圖中的白噪聲，再對(duì)地圖進(jìn)行形態(tài)學(xué)開(kāi)操作，使地圖中各個(gè)獨(dú)立區(qū)域被分割出來(lái)，得到的區(qū)域分割圖稱為基地圖，地圖預(yù)處理完成；

步驟2：將基地圖中每一個(gè)獨(dú)立區(qū)域內(nèi)的廣義沃羅諾伊圖與該區(qū)域建立映射關(guān)系，再對(duì)比相鄰區(qū)域之間的廣義沃羅諾伊圖，提取其共有的部分，取這部分廣義沃羅諾伊圖的中點(diǎn)，作為這兩個(gè)相鄰區(qū)域的doorway。對(duì)每?jī)蓚€(gè)相鄰的區(qū)域都進(jìn)行這樣的操作，即可提取出地圖上每一個(gè)doorway；

步驟3：以每一個(gè)獨(dú)立區(qū)域的幾何中心作為節(jié)點(diǎn)，每?jī)蓚€(gè)相鄰的區(qū)域之間建立邊，得到無(wú)向圖d，將無(wú)向圖d和每一個(gè)獨(dú)立區(qū)域的不變矩作為條件隨機(jī)場(chǎng)(crf)推斷的參數(shù)，得到各個(gè)區(qū)域的類型，在本發(fā)明中，地圖的語(yǔ)義僅有兩種，即房間(room)和走廊(hallway)。假設(shè)無(wú)向圖共有n個(gè)節(jié)點(diǎn)，則所有不同的語(yǔ)義組合共有2ⁿ種，則crf的循環(huán)次數(shù)即為2ⁿ次，在每次循環(huán)中，地圖的語(yǔ)義都有一個(gè)確定的狀態(tài)，crf則通過(guò)計(jì)算每種狀態(tài)的置信度，并最終選取置信度最大的一個(gè)語(yǔ)義狀態(tài)作為最終的推斷結(jié)果，是房間(room)或是走廊(hallway)。crf的置信度計(jì)算可以由以下公式表示：

式中參數(shù)x、y分別指結(jié)果語(yǔ)義類型和crf所定的語(yǔ)義組合，z(x)是為歸一化設(shè)置的函數(shù)，m(x,y)指幾何觀測(cè)量，主要由區(qū)域的不變矩決定，d(x,y)指連接觀測(cè)量，主要由該區(qū)域在無(wú)向圖d中的鄰接鄰域的個(gè)數(shù)決定，c指與該區(qū)域有連接所有鄰域，tk則指crf的狀態(tài)轉(zhuǎn)移量，主要由該區(qū)域的類型和與之相鄰的區(qū)域類型決定，各項(xiàng)系數(shù)μ、η、δk則由監(jiān)督學(xué)習(xí)模型訓(xùn)練得到。

計(jì)算得到概率最大的語(yǔ)義組合即為crf的推斷結(jié)果，亦即最終每一個(gè)獨(dú)立區(qū)域均有一個(gè)語(yǔ)義信息；

步驟4：根據(jù)區(qū)域的相鄰關(guān)系將步驟2得到的doorway連接成一個(gè)無(wú)向圖。由于每一個(gè)doorway均與兩個(gè)相鄰區(qū)域相關(guān)，對(duì)同一區(qū)域相關(guān)的任意兩個(gè)不同的doorway，一般來(lái)說(shuō)都為其添加邊，但若某一doorway在該區(qū)域內(nèi)已經(jīng)有三個(gè)不同的doorway與其相連，則不再為其添加新的邊，最終將得到一個(gè)連通的無(wú)向圖g(e，v)，其中v代表圖頂點(diǎn)，e代表邊，無(wú)向圖g即稱為區(qū)域拓?fù)涞貓D(rtm)；

步驟5：根據(jù)步驟3所得的語(yǔ)義結(jié)果，將步驟4所得的rtm中每一條邊都區(qū)分為房間內(nèi)的和走廊內(nèi)的。若rtm某一條邊所連接的兩個(gè)節(jié)點(diǎn)必定與一個(gè)區(qū)域同時(shí)相關(guān)，若該區(qū)域?yàn)樽呃?hallway)，則該條邊為走廊內(nèi)的邊，否則該條邊為房間內(nèi)的邊。

步驟6：給定起點(diǎn)和終點(diǎn)，在本發(fā)明中，假定所給的路徑規(guī)劃任務(wù)都是從房間到房間的規(guī)劃任務(wù)，這也是符合一般機(jī)器人的路徑規(guī)劃任務(wù)特點(diǎn)。將起點(diǎn)和終點(diǎn)分別和與之最近的rtm中的節(jié)點(diǎn)連接，得到一張與特定規(guī)劃任務(wù)對(duì)應(yīng)的拓?fù)鋱D，并在該拓?fù)鋱D上應(yīng)用迪杰斯特拉(dijkstra)算法尋找從起點(diǎn)到終點(diǎn)的代價(jià)最小的節(jié)點(diǎn)序列，在本發(fā)明中，節(jié)點(diǎn)間的代價(jià)用節(jié)點(diǎn)之間的歐氏距離來(lái)計(jì)算。從起點(diǎn)開(kāi)始遍歷所得節(jié)點(diǎn)序列，根據(jù)上述無(wú)向圖的邊e上的標(biāo)記，若兩節(jié)點(diǎn)之間的邊是房間內(nèi)的邊，則在這兩點(diǎn)應(yīng)用a*路徑規(guī)劃算法得到最終路徑；若兩節(jié)點(diǎn)之間的邊是走廊內(nèi)的邊，則直接從廣義沃羅諾伊圖取得這兩節(jié)點(diǎn)之間的廣義沃羅諾伊圖作為這兩節(jié)點(diǎn)之間的最終路徑。遍歷整個(gè)節(jié)點(diǎn)序列后，即得到從起點(diǎn)到終點(diǎn)的完整路徑，其特征為：房間內(nèi)使用a*路徑，走廊內(nèi)使用廣義沃羅諾伊圖作為路徑。

如圖1，是本發(fā)明生成的區(qū)域分割和區(qū)域拓?fù)涞貓D的示意圖，三角形和星形示意處分別是起點(diǎn)和終點(diǎn)，圖中各個(gè)圓點(diǎn)既表示區(qū)域間的doorway，也表示區(qū)域拓?fù)涞貓D的節(jié)點(diǎn)，節(jié)點(diǎn)間的粗線表示房間內(nèi)的邊，節(jié)點(diǎn)間的細(xì)線則表示走廊內(nèi)的邊。

如圖3，是本發(fā)明路徑規(guī)劃的示意圖，三角形和星形示意處分別是起點(diǎn)和終點(diǎn)，左圖是在區(qū)域拓?fù)涞貓D上求取最短路徑的結(jié)果示意，包含兩條房間內(nèi)的邊和走廊內(nèi)的邊，右圖則是在該最短路徑下的路徑規(guī)劃示意圖，在房間內(nèi)的邊上使用a*路徑規(guī)劃，用曲線作為示意，在走廊內(nèi)的邊上取用廣義沃羅諾伊圖作為路徑。