一种机器人自主导航方法、系统、电子设备及存储介质

技术领域

本发明涉及路径规划技术领域，特别是涉及一种机器人自主导航方法、系统、电子设备及存储介质。

背景技术

为了实现移动机器人在未知动态环境中的自主导航，移动机器人需要解决三个基本问题，即“我在哪里？”、“我的周围都什么样？”、“我下一步该怎么做？”。为了解决这三个核心基本问题，就涉及到环境感知、地图创建、自主定位、运动规划等一系列核心技术。

1、环境感知

移动机器人的环境感知技术，即通过移动机器人自身携带的传感器感知周围环境，并对获得的环境数据进行处理以得到周围环境的具体信息(包括特征信息与位置信息)的过程。在未知环境地图和未知初始位置的前提下，移动机器人必须首先依靠自身携带的传感器感知外部环境的信息，才可以进一步完成位置确定、地图构建与路径规划等任务。因此环境感知是移动机器人自主导航技术的基础与关键。

根据所用传感器的不同，移动机器人感知环境的方法可分为基于声呐、基于激光雷达、基于视觉与融合多传感器的环境感知等。声呐通过声波的传播时间来判断物体的距离信息，在水下传播的速度较快且不会如相机和激光雷达传感器那样受到水介质本身的干扰，因此基于声呐的环境感知方法被广泛地应用于水下机器人领域。与声纳传感器相比，激光传感器使用的光信号传播速度更快，抗干扰性更好，因此测得的环境信息更加准确。与声纳、激光传感器相比，相机重量轻、价格低廉、可以获得更加丰富的环境信息且无需主动发出信号，因此被广泛应用于无人机、无人车等领域。随着深度学习技术的快速发展，部分研究者通过深度学习方法提取图像的语义信息来完成对环境的感知。近年来，基于多传感器融合的环境感知方法也受到了许多研究者的关注和重视。从融合激光雷达点云数据与图像数据中提取语义信息来实现三维空间下环境感知任务。随着深度学习的迅速发展，基于深度学习的图像和点云特征提取方法引起科学界的广泛关注。通过深度学习方法提取到的深层次语义特征具有准确度高、提取速度快、稳定性好的特点。因此越来越多的移动机器人通过基于深度学习的方法来从图像与点云中提取深层次的语义特征以感知周围环境。而在传感器类型的选择上，由于机器人往往工作在复杂多变的环境中而单一传感器的应用范围有限，因此基于多传感器融合的环境感知与自主导航方法成为了研究的热门问题。

2、地图创建

要想使机器人可以自由安全的进行移动，地图信息必不可少。建图实质是运动过程对环境的描述，构建的地图形式分为度量地图和拓扑地图等。度量地图又可以分为稀疏地图和稠密地图。

其中，稀疏地图对环境进行了一定的抽象表达，不能表达周围环境所有信息，通常用于快速定位与导航，具有较快的计算能力。拓扑地图由节点和边两种元素组成，主要表达地图元素之间的连通性。传统的构建地图的方法大致可分为滤波方法和优化方法两类。近几年基于多传感器融合，如激光雷达、相机、惯性测量单元(Inertial Measurement Unit，IMU)融合的建图方法逐渐成为发展的一个重心，通过多种传感器的信息来增加机器人建图的鲁棒性，获得更加精准，信息更加丰富的地图。

3、自主定位

定位问题是实现移动机器人自主移动能力的基本问题。依据完成任务要求的不同，可以将移动机器人定位问题分为位姿跟踪、全局定位、绑架问题。所谓自主定位就是机器人利用先验环境地图信息、机器人位姿的估计以及传感器的观测值等输入信息，经过一定的运算产生更加准确的对机器人位姿的估计。

定位方法根据所采用传感器不同可以分为：激光定位、视觉定位、红外定位、组合惯导定位、超声波定位、Wi-Fi定位、蓝牙定位、UWB定位等。一般情况下，基于单一传感器的定位在复杂环境中，其精度与鲁棒性难以保证，而多传感器融合则克服了单一传感器的缺陷，能够在具有挑战性的环境中实现高精度定位和强鲁棒性。在移动机器人的自主定位中，最为广泛使用的传感器就是激光雷达。传统的激光雷达定位方法主要基于几何信息，依赖几何约束来估计车辆的运动。最直接的方法是应用点云配准算法来解决运动问题。常见配准算法有迭代最近点(Iterative Closest Point，ICP)、G-ICP和正态分布变换(NormalDistributions Transform，NDT)。但是，这些配准方法对初始猜测非常敏感，且它们在没有丰富几何信息的场景中容易定位失败，例如高速公路或其他开放空间。近年来，也有人提出了一种基于学习的新型雷达定位系统，可实现厘米级的定位精度。传统的定位方法与学习的定位方法在场景较为简单的城市街道、园区环境，精度和鲁棒性都取得了良好的效果，但在环境多变的野外下，定位问题还存在诸多挑战。此外，在多变的室外场景下，需要不断地维护更新地图才能达到良好的定位效果。

4、运动规划

路径规划即在现实环境中，机器人根据先验的地图环境信息以及自身传感器实时感知的周围动态环境信息，综合一定的评价指标搜索出一条能够连接起始点与目标点，且在一定指标下具有最优性的轨迹曲线，并且保证机器人在沿着这条曲线运动的过程中能够实时避开环境中的动态障碍物，顺利到达目标点。

由于近几年来大量学者与研究机构参与到机器人技术的研究中来，路径规划技术同样也得到了飞速的发展。现阶段，路径规划技术已不仅仅应用于工业自动化生产和移动机器人领域，其在计算机辅助设计、卡通设计、医疗手术、分子生物学、货物仓储、农林监测、灾害现场救援等领域也有了极其广泛的应用。到目前为止，路径规划技术已经有了近60多年的发展历程。在此期间，种类繁多的路径规划算法被相继提出。近年来，基于传统的搜索和采样的算法依然层出不穷，除此之外基于学习的规划方法也吸引了多数研究者研究，包括传统与学习混合的方法。其中，传统搜索方法包括基于可视图搜索算法和基于栅格地图的搜索算法；基于采样的算法包括基于概率路线图和基于随机搜索树的方法；基于学习的方法包括基于强化学习的社会意识运动规划等；传统与学习混合的方法包括基于采样的非完整运动规划中自我车辆姿态预测的学习方法。

然而，现有的基于强化学习的迷宫机器人自主导航算法大多需要进行预训练，这使得算法无法快速适应不同环境，因此泛化能力不高。

发明内容

本发明的目的是提供一种机器人自主导航方法、系统、电子设备及存储介质，无需预训练，仅通过推理就可实现机器人在陌生环境的自主导航，提高了机器人导航的泛化能力。

为实现上述目的，本发明提供了如下方案：

一种机器人自主导航方法，包括：

迷宫机器人在进入环境后的初始位置处保持不动，将初始位置对应的节点作为初始节点开始探索过程，并获取探索过程经过的节点的好奇度；

从初始节点开始，按照预设推理逻辑进行推理过程，找到好奇度为零的第一个节点作为起始节点，所述迷宫机器人导航到所述起始节点处；

迷宫机器人在起始节点处保持不动，开始探索过程并按照预设推理逻辑进行推理过程；

获取探索过程经过的节点的好奇度；

找到好奇度大于预设好奇度阈值的第一个节点作为目标节点，并确定所述起始节点与所述目标节点间的路径；

所述迷宫机器人按照所述路径导航到所述目标节点，将所述目标节点作为新的起始节点，并返回“迷宫机器人在起始节点处保持不动，开始探索过程并按照预设推理逻辑进行推理过程”，直到所述环境中所有节点的好奇度小于所述预设好奇度阈值。

可选地，任一好奇度的确定过程包括：

确定所述迷宫机器人所在任一节点的序号；

确定所述迷宫机器人上的8个距离传感器在对应探测方向上的实际探测距离；

分别基于各实际探测距离和最大探测距离，判断对应探测方向上是否存在障碍物；

若存在障碍物，则基于对应的距离传感器的探测位置末端的自建坐标和对应的初始节点的序号，确定障碍物所在的节点；

基于所述迷宫机器人所在的节点和障碍物所在的节点，确定位于所述迷宫机器人所在的节点的8个探测方向上的节点的通过信息；所述通过信息为可通过或不可通过；

分别对所述迷宫机器人所在的节点和8个探测方向的执行动作进行编码，得到8个编码矩阵；执行动作为：向上前进、向下前进、向左前进、向右前进、向左上前进、向左下前进、向右上前进或向右下前进；

基于各编码矩阵确定所述迷宫机器人所在的节点的各第一周围节点的节点信息和激活状态；所述节点信息为节点向各探测方向的通过信息；所述激活状态为激活或未激活；第一周围节点为以所述迷宫机器人所在的节点为中心的九宫格的节点中除所述迷宫机器人所在的节点之外的8个节点；

基于所述迷宫机器人所在的节点和各第一周围节点的激活状态，计算所述迷宫机器人所在的节点的好奇度。

可选地，确定所述迷宫机器人所在任一节点的序号，包括：

将迷宫机器人进入环境后的初始位置在现实坐标系下的初始坐标作为修正坐标；所述现实坐标系为以所述环境的任一点为原点建立的坐标系；

将自构建坐标系中的第k象限的初始节点的序号确定为k，k为1、2、3或4；所述自构建坐标系为以所述迷宫机器人在所述环境中的初始位置为原点建立的坐标系；

获取所述迷宫机器人在现实坐标系下的任一现实坐标；

基于所述现实坐标和所述修正坐标，确定所述迷宫机器人的自建坐标；所述自建坐标为所述迷宫机器人的现实坐标转换到自构建坐标系后的坐标；

基于所述自建坐标和各初始节点的序号，确定所述迷宫机器人所在的节点。

可选地，确定所述迷宫机器人上的8个距离传感器在对应探测方向上的实际探测距离，包括：

分别获取所述迷宫机器人上的8个距离传感器的探测位置末端的自建坐标和欧拉角；各距离传感器探测方向均不同；所述方向为上、下、左、右、左上、左下、右上或右下；

分别基于所述迷宫机器人的自建坐标以及各距离传感器的探测位置末端的自建坐标和欧拉角，确定所述迷宫机器人在对应探测方向上的实际探测距离。

可选地，找到好奇度大于预设好奇度阈值的第一个节点作为目标节点，并确定所述起始节点与所述目标节点间的路径，包括：

按照预设标定距离方式，对位于已经搜索过区域内的且位于以所述起始节点为中心的同心正方形的边上的节点标定距离，从而确定已经搜索过的各节点的标定距离；

以所述起始节点为中心，依次确定各同心正方形的边上的节点的好奇度，将好奇度大于预设好奇度阈值的第一个节点作为所述目标节点；

确定距离所述目标节点最近的标定距离为正值的节点为路径确定节点；

按照预设方向和好奇度下降的逻辑，将从所述路径确定节点开始到所述起始节点为止经过的节点组成的路径确定为所述起始节点与所述目标节点间的路径。

一种机器人自主导航系统，包括：

初始探索模块，用于迷宫机器人在进入环境后的初始位置处保持不动，将初始位置对应的节点作为初始节点开始探索过程，并获取探索过程经过的节点的好奇度；

初始推理模块，用于从初始节点开始，按照预设推理逻辑进行推理过程，找到好奇度为零的第一个节点作为起始节点，所述迷宫机器人导航到所述起始节点处；

循环探索推理模块，用于迷宫机器人在起始节点处保持不动，开始探索过程并按照预设推理逻辑进行推理过程；

好奇度确定模块，用于获取探索过程经过的节点的好奇度；

路径确定模块，用于找到好奇度大于预设好奇度阈值的第一个节点作为目标节点，并确定所述起始节点与所述目标节点间的路径；

返回模块，用于所述迷宫机器人按照所述路径导航到所述目标节点，将所述目标节点作为新的起始节点，并返回循环探索推理模块，直到所述环境中所有节点的好奇度小于所述预设好奇度阈值。

一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述所述的机器人自主导航方法。

一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述所述的机器人自主导航方法。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开了一种机器人自主导航方法、系统、电子设备及存储介质，迷宫机器人在进入环境后的初始节点保持不动并开始探索过程，获取探索过程经过节点的好奇度；从初始节点开始，按照预设推理逻辑进行推理过程，找到好奇度为零的第一个节点作为起始节点，并导航到起始节点处；在起始节点处保持不动，开始探索过程和推理过程；将探索过程好奇度大于预设好奇度阈值的第一个节点作为目标节点，确定起始节点与目标节点间的路径；按照路径导航到目标节点，将目标节点作为新的起始节点，重新探索和推理，直到所有好奇度小于预设好奇度阈值。本发明无需预训练，仅通过推理就可实现机器人在陌生环境的自主导航，提高了机器人导航的泛化能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1提供的机器人自主导航方法流程示意图；

图2为具有推理机制的迷宫机器人自主导航算法框架示意图；

图3为节点生成规则图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种机器人自主导航方法、系统、电子设备及存储介质，旨在无需预训练，仅通过推理就可实现机器人在陌生环境的自主导航，提高机器人导航的泛化能力。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

图1为本发明实施例1提供的机器人自主导航方法流程示意图。如图1所示，本实施例中的机器人自主导航方法，包括：

步骤101：迷宫机器人在进入环境后的初始位置处保持不动，将初始位置对应的节点作为初始节点开始探索过程，并获取探索过程经过的节点的好奇度。

步骤102：从初始节点开始，按照预设推理逻辑进行推理过程，找到好奇度为零的第一个节点作为起始节点，迷宫机器人导航到起始节点处。

步骤103：迷宫机器人在起始节点处保持不动，开始探索过程并按照预设推理逻辑进行推理过程。

步骤104：获取探索过程经过的节点的好奇度。

步骤105：找到好奇度大于预设好奇度阈值的第一个节点作为目标节点，并确定起始节点与目标节点间的路径。

步骤106：迷宫机器人按照路径导航到目标节点，将目标节点作为新的起始节点，并返回步骤103，直到环境中所有节点的好奇度小于预设好奇度阈值。

作为一种可选的实施方式，任一好奇度的确定过程包括：

确定迷宫机器人所在任一节点的序号。

确定迷宫机器人上的8个距离传感器在对应探测方向上的实际探测距离。

分别基于各实际探测距离和最大探测距离，判断对应探测方向上是否存在障碍物。

若存在障碍物，则基于对应的距离传感器的探测位置末端的自建坐标和对应的初始节点的序号，确定障碍物所在的节点。

基于迷宫机器人所在的节点和障碍物所在的节点，确定位于迷宫机器人所在的节点的8个探测方向上的节点的通过信息；通过信息为可通过或不可通过。

分别对迷宫机器人所在的节点和8个探测方向的执行动作进行编码，得到8个编码矩阵；执行动作为：向上前进、向下前进、向左前进、向右前进、向左上前进、向左下前进、向右上前进或向右下前进；

基于各编码矩阵确定迷宫机器人所在的节点的各第一周围节点的节点信息和激活状态；节点信息为节点向各探测方向的通过信息；激活状态为激活或未激活；第一周围节点为以迷宫机器人所在的节点为中心的九宫格的节点中除迷宫机器人所在的节点之外的8个节点。

基于迷宫机器人所在的节点和各第一周围节点的激活状态，计算迷宫机器人所在的节点的好奇度。

作为一种可选的实施方式，确定迷宫机器人所在任一节点的序号，包括：

将迷宫机器人进入环境后的初始位置在现实坐标系下的初始坐标作为修正坐标；现实坐标系为以环境的任一点为原点建立的坐标系。

将自构建坐标系中的第k象限的初始节点的序号确定为k，k为1、2、3或4；自构建坐标系为以迷宫机器人在环境中的初始位置为原点建立的坐标系。

获取迷宫机器人在现实坐标系下的任一现实坐标。

基于现实坐标和修正坐标，确定迷宫机器人的自建坐标；自建坐标为迷宫机器人的现实坐标转换到自构建坐标系后的坐标。

基于自建坐标和各初始节点的序号，确定迷宫机器人所在的节点。

作为一种可选的实施方式，确定迷宫机器人上的8个距离传感器在对应探测方向上的实际探测距离，包括：

分别获取迷宫机器人上的8个距离传感器的探测位置末端的自建坐标和欧拉角；各距离传感器探测方向均不同；方向为上、下、左、右、左上、左下、右上或右下。

分别基于迷宫机器人的自建坐标以及各距离传感器的探测位置末端的自建坐标和欧拉角，确定迷宫机器人在对应探测方向上的实际探测距离。

作为一种可选的实施方式，找到好奇度大于预设好奇度阈值的第一个节点作为目标节点，并确定起始节点与目标节点间的路径，包括：

按照预设标定距离方式，对位于已经搜索过区域内的且位于以起始节点为中心的同心正方形的边上的节点标定距离，从而确定已经搜索过的各节点的标定距离。

以起始节点为中心，依次确定各同心正方形的边上的节点的好奇度，将好奇度大于预设好奇度阈值的第一个节点作为目标节点。

确定距离目标节点最近的标定距离为正值的节点为路径确定节点。

按照预设方向和好奇度下降的逻辑，将从路径确定节点开始到起始节点为止经过的节点组成的路径确定为起始节点与目标节点间的路径。

实际上，为了实现实施例1中的方法，如图2所示，还提供了具有推理机制的迷宫机器人自主导航算法框架，包括自建节点系统、好奇心系统、推理算法和强化学习模块。其中，自建节点系统包括自构建坐标系和环境映射器；好奇心系统包括数据处理、发育联想记忆网络和好奇度计算模块；推理算法包含路径规划器。其中自建节点系统中的自构建坐标系并建立在环境地图上，实际上它更像是一种迷宫机器人自身对周围环境的“自我理解”。环境映射器将传感器所返回的数据映射到自构建坐标系上，以表示世界。然后好奇心系统中的发育联想记忆网络对处理后的数据进行记忆并生成节点好奇度，以供后续推理算法进行推理。在推理算法中，迷宫机器人通过不断地将发育联想记忆网络输出数据进行再处理变为输入进而得到新输出数据，周而复始直至寻找到好奇度高的节点。这一过程与人的推理过程极为相似，即一个事件的结果作为另一事件的线索，顺藤摸瓜直至寻找到想要的结果。同时在推理的过程中，会对已经推理过的节点进行标记，即标定距离，如此一来路径规划器便可以推理结束后规划出一条由推理出发点到好奇度高的节点的路径，以供迷宫机器人进行导航。

(1)自建节点系统

迷宫机器人开始在一个环境中进行学习时，由于需要将自构建坐标系与现实坐标系进行匹配对应，首先会进行坐标修正，即将迷宫机器人进入环境后的初始位置在现实坐标系下的初始坐标作为修正坐标，公式如下：

其中，x

迷宫机器人当前位置与自构建坐标系的坐标位置对应关系如下：

其中，x

其中，N

每个象限的节点数(所有节点均建立在自构建坐标系中)增加方向如图3所示。节点生成规则如下：

1、节点在4个象限分布。

2、每一象限的节点均为一组等差数列，首项为象限序号，差值为4的等差序列。

3、每一象限的节点成圈层分布，随后第一象限和第三象限以顺时针方式依次分布，第二象限和第四象限以逆时针方式依次分布，直到到达x轴。

4、向外生成一圈层的节点后，按照以上步骤进行下一圈层节点序号的生成。

(2)环境映射器

迷宫机器人上的8个距离传感器在时间上的积累可以加以利用，形成迷宫机器人对环境的感知。在一定时间内，根据节点自建系统，通过对距离传感器返回的信息加以计算可以获取到距离传感器末端的坐标，进而可以得到末端坐标所对应的节点序号，由此得到对现实世界的映射。

某一时刻τ距离传感器的端部位置公式：

其中，d

这样就可以得到传感器在一定时间内扫过的区域所覆盖的节点，并且可以知道这些节点的信息。基于此，发育联想记忆网络的权重更新可以在迷宫机器人未到达该节点的情况下进行。由此针对每个节点的好奇度计算也变得可行。好奇度计算公式如下：

其中，F

某一节点好奇度(好奇度是单个节点的属性)由其周围8个节点的探索情况根据公式8所得出，根据公式可以看到，当周围节点探索的越充分，当前节点的好奇度就越低。

(3)发育联想记忆网络

发育联想记忆网络用于学习相邻某一节点信息与当前节点以及所执行动作之间的联系，包含一个输入层和一个输出层。由于输入输出间形成一对一映射关系，因此需要输入的矩阵之间互为线性无关。而输入的信息为[N,a

其中，m＝n×p，n是环境中节点的总数，p是可选动作的数量，p＝8。矩阵中按顺序，每p列与一个节点相关。在每组p列不重叠的元素中，从左到右数，第z位元素的值为1，表示在当前节点执行的动作a

例如，迷宫机器人有8个可选动作，故矩阵中每八个元素都表示某一个节点的信息，若在节点2上执行的动作a

将[N,a

j＝p×(N-1)+a

矩阵

相反的，

发育联想记忆网络的输出：

其中，

联想记忆网络的权重矩阵W

当生成的节点序号大于发育联想记忆网络的规模(即发育联想记忆网络可存储的节点数上限)时，进行发育，其规模增长如下：

m′＝m×4 (15)。

新网络的规模是原来的四倍，覆盖已探索的领域的基础上代表更多的未知领域。发育联想记忆网络的权重矩阵W

(4)推理算法及路径规划

推理算法旨在寻找到好奇心度F

推理算法的过程包括：

步骤1：对要进行推理的节点和动作进行数据处理，得到对应的

步骤2：计算每个结果中节点的好奇度F

步骤3：如果在步骤2中没有找到符合条件的节点，算法将重复步骤1，直到满足步骤2中的条件。

实施例2

本实施例中的机器人自主导航系统，包括：

初始探索模块，用于迷宫机器人在进入环境后的初始位置处保持不动，将初始位置对应的节点作为初始节点开始探索过程，并获取探索过程经过的节点的好奇度。

初始推理模块，用于从初始节点开始，按照预设推理逻辑进行推理过程，找到好奇度为零的第一个节点作为起始节点，迷宫机器人导航到起始节点处。

循环探索推理模块，用于迷宫机器人在起始节点处保持不动，开始探索过程并按照预设推理逻辑进行推理过程。

好奇度确定模块，用于获取探索过程经过的节点的好奇度。

路径确定模块，用于找到好奇度大于预设好奇度阈值的第一个节点作为目标节点，并确定起始节点与目标节点间的路径。

返回模块，用于迷宫机器人按照路径导航到目标节点，将目标节点作为新的起始节点，并返回循环探索推理模块，直到环境中所有节点的好奇度小于预设好奇度阈值。

实施例3

一种电子设备，包括：

一个或多个处理器。

存储装置，其上存储有一个或多个程序。

当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如实施例1中的机器人自主导航方法。

实施例4

一种存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如实施例1中的机器人自主导航方法。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。