买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北大学;东北大学佛山研究生创新学院

摘要：一种脑空间认知机理启发的移动机器人仿生导航规划与控制方法，属于移动机器人仿生导航领域。包括：一）基于认知地图状态神经元及经验事件集合序列特性，通过序列重组和优化，为移动机器人规划一条从当前位置到达目标位置的无碰撞最优全局导航路径；二）在全局导航路径基础上将目标导航任务离散成多个子目标导航任务，利用头朝向细胞网络活性确定移动机器人运动朝向，网格细胞网络活性确定移动机器人运动距离，协同控制移动机器人依次到达子目标位置，最终到达目标位置。本发明能够为移动机器人规划一条从当前位置到达目标位置的无碰撞最优全局导航路径，在大规模认知地图中仍能以较高效率进行路径规划；能够有效提升到达目标位置的置信度。

主权项：1.一种脑空间认知机理启发的移动机器人仿生导航规划与控制方法，其特征在于，所述的移动机器人仿生导航规划与控制方法包括两部分：一）基于认知地图状态神经元及经验事件集合序列特性，通过序列重组和优化，为移动机器人规划一条从当前位置到达目标位置的无碰撞最优全局导航路径；二）在全局导航路径基础上，将目标导航任务离散成多个子目标导航任务，利用头朝向细胞网络活性确定移动机器人运动朝向，网格细胞网络活性确定移动机器人运动距离，协同控制移动机器人依次到达子目标位置，最终到达目标位置，具体包括以下步骤：第一步、基于认知地图的全局路径规划，具体如下：（1.1）基于认知地图的状态神经元定位：以离散有限的经验事件集合表示认知地图的顶点，以状态神经元连接权值矩阵表示认知地图顶点的拓扑关系；经验事件集合包含多个经验事件，每个经验事件采用一个四元组表示，包括场景特征、状态神经元、位姿、网格细胞网络活性；在认知地图创建过程中，连续变化的场景特征不断激活新的状态神经元，结合机器人位姿及网格细胞网络活性共同建立新的经验事件；当有新状态神经元被激活时，之前激活过的状态神经元会与新激活状态神经元建立连接，相邻经验事件之间的连接依靠状态神经元之间的连接实现，用来表示认知地图顶点的拓扑关系，经验事件中的位姿关系则表示认知地图顶点的几何关系；对于任意场景特征，总有唯一的状态神经元与其对应；采用场景特征相似度对状态神经元进行定位，首先计算当前场景特征与认知地图中所有个场景特征的相似度，当前场景特征与认知地图中第个场景特征的相似度的计算公式如下： （2）其中，表示当前状态神经元的编号，和表示当前场景特征和第个场景特征中sift特征点数目；表示场景特征和利用sift匹配方法成功匹配的特征点数目；通过计算公式（2）获得当前场景特征与认知地图中所有个场景特征的相似度{}，为了获取与当前场景特征最相似的场景特征，通过公式（3）得到第个场景特征与当前场景特征的相似性最大； （3）其中，是求取最大值函数；是使得相似度集合{}获取最大值的编号，；根据场景特征与状态神经元的一一映射关系，将移动机器人当前场景特征定位到移动机器人认知地图中的状态神经元，即当前状态神经元；同样，采用相同方式将移动机器人目标场景特征定位目标状态神经元，表示目标状态神经元的编号；（1.2）状态神经元序列规划：根据（1.1）中状态神经元定位结果，移动机器人在认知地图中规划从当前状态神经元到目标状态神经元的最优状态神经元序列；对于当前状态神经元，根据公式（4）选取与其连接权值最大的状态神经元作为下一个状态神经元； （4）其中，表示与当前状态神经元连接权值最大的状态神经元编号；表示当前状态神经元与编号为的状态神经元的连接权值；设计一种状态神经元序列规划策略，并根据状态神经元序列规划策略确认当前状态神经元的下一个状态神经元，并将状态神经元保存到状态神经元序列；此时移动机器人系统将状态神经元认作是当前状态神经元，继续预测后续状态神经元，当预测的后续状态神经元是目标状态神经元时，移动机器人完成从当前位置到目标位置的状态神经元序列规划；（1.3）经验事件序列重组与优化：经验事件序列重组是将规划得到的状态神经元序列依次定位到认知地图中相应的经验事件，进而重组形成经验事件序列，作为移动机器人规划的从当前位置到目标位置的全局导航路径；状态神经元与经验事件存在一对一，或一对多关系；针对状态神经元定位经验事件的不确定性，采用经验事件定位原则得到从当前位置到目标位置的经验事件序列；经验事件序列是导航控制的基础，移动机器人需要实时调节自身的导航行为以经过经验事件序列中的每个经验事件；经过优化约束后，移动机器人输出一条经验事件序列长度更短的最优经验事件序列，作为当前位置到目标位置的最优全局导航路径，最优经验事件序列是经验事件序列的子集；第二步、融合头朝向细胞和网格细胞的分层导航控制，具体如下：在全局导航路径基础上，将目标导航任务离散成多个子目标导航任务，利用头朝向细胞和网格细胞网络活性协同控制移动机器人依次到达子目标位置，最终实现到达目标位置；基于（1.3）优化得到的最优经验事件序列，定位最优经验事件序列中第一个经验事件为当前经验事件，最后一个经验事件为目标经验事件，其他经验事件为子目标经验事件，以此将目标导航任务离散成多个以子目标经验事件为目标的子目标导航任务；将移动机器人导航控制过程分为三个阶段：第一阶段是运动转向子目标，第二阶段是移动接近子目标，第三阶段是运动到达子目标，导航控制过程无视觉线索输入；具体如下：（2.1）阶段一，运动转向子目标：给定当前经验事件和子目标经验事件1，根据公式（7），移动机器人获取当前经验事件和子目标经验事件1的方向角； （7）其中，和分别表示当前经验事件在情景认知地图中的位置；和分别表示子目标经验事件1在情景认知地图中的位置；将头朝向细胞应用在移动机器人的导航过程中，以精确感知移动机器人的运动朝向；（2.2）阶段二，移动接近子目标： （17）该阶段以恒定线速度作为运动指令下发给移动机器人控制器，通过控制发送指令的时间以控制移动机器人运动的距离；给定当前经验事件和子目标经验事件1，根据公式（17）移动机器人获取当前经验事件和子目标经验事件1的欧几里得距离；基于移动机器人距离子目标的欧几里得距离，持续发送运动指令的时间根据公式（18）计算得到； （18）在该阶段导航过程中，实时监测运动指令下发累计时间，当下发累计时间达到时，停止下发移动机器人运动指令，所述通过时间戳记录；（2.3）阶段三，运动到达子目标：建立网格细胞群放电模式与移动机器人实际运动位置的稳定靶向关系，保证在空间矢量关系上发生同步变化，允许移动机器人根据实际运动位置及子目标位置的网格细胞群放电模式，输出移动距离；二维环境中网格细胞群放电模式根据公式（19）和（20）计算得到： （19） （20）其中，表示空间波长，与网格细胞放电尺度相关；代表网格细胞方向；表示以网格细胞方向为基准的3个间隔角度的系数；表示移动机器人实际运动位置；表示网格细胞群放电野中心位置；表示角度间隔系数；根据公式（19）和（20），移动机器人在导航过程中能够实时输出移动机器人实际运动位置的网格细胞群放电模式，通过比较移动机器人实际运动位置和子目标位置的网格细胞群放电模式，判断移动机器人是否成功到达子目标位置；在运动到达子目标阶段，移动机器人的运动指令主要受网格细胞群放电模式相似度调节，移动机器人会朝着增大网格细胞放电模式相似度的方向移动，网格细胞群放电模式相似度根据下述表达式计算得到； （21）其中，代表移动机器人子目标经验事件1位置；代表子目标经验事件1位置的网格细胞群放电模式；当移动机器人实际运动位置的网格细胞群放电模式与子目标经验事件1位置的网格细胞群放电模式相似度大于预设的放电模式相似度阈值时，移动机器人停止运动，结束第三阶段导航；此时，移动机器人完成第一个子目标导航任务；根据（2.1）-（2.3）所述的子目标导航过程，移动机器人依次执行接下来的子目标导航任务，直至到达的子目标是目标经验事件，则认为移动机器人到达目标位置。

全文数据：

权利要求：

百度查询： 东北大学 东北大学佛山研究生创新学院 一种脑空间认知机理启发的移动机器人仿生导航规划与控制方法