CN117870696A - 一种基于感知信息融合的路径导航方法、装置及电子设备 - Google Patents
一种基于感知信息融合的路径导航方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117870696A CN117870696A CN202410287650.2A CN202410287650A CN117870696A CN 117870696 A CN117870696 A CN 117870696A CN 202410287650 A CN202410287650 A CN 202410287650A CN 117870696 A CN117870696 A CN 117870696A
- Authority
- CN
- China
- Prior art keywords
- information
- robot
- odor
- determining
- distribution information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 230000008447 perception Effects 0.000 title claims abstract description 13
- 238000009826 distribution Methods 0.000 claims abstract description 153
- 230000000007 visual effect Effects 0.000 claims abstract description 38
- 239000000779 smoke Substances 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 2
- 235000019645 odor Nutrition 0.000 description 98
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 239000011664 nicotinic acid Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本说明书公开了一种基于感知信息融合的路径导航方法、装置及电子设备。所述方法包括：获取机器人的控制信息以及环境信息，环境信息包括机器人采集到的视觉传感信息以及嗅觉传感信息；根据控制信息以及环境信息，确定机器人的联合状态信息，联合状态信息用于表征机器人的机器人状态和环境状态在未来若干时刻的置信分布；根据联合状态信息，确定气味源所在位置的置信分布信息，并根据气味源所在位置的置信分布信息确定气味烟羽的分布信息；根据联合状态信息、气味源所在位置的置信分布信息以及气味烟羽的分布信息，对机器人进行路径导航。本方案将视觉传感信息和嗅觉传感信息相结合，提高了导航的准确性。
Description
技术领域
本说明书涉及人工智能领域，尤其涉及一种基于感知信息融合的路径导航方法、装置及电子设备。
背景技术
近年来，仿生嗅觉导航机器人在军事和民用领域得到了迅速发展，特别是在诸如搜索救援、危险品探测以及危险气体泄漏监测等人类难以抵达或存在危险场景的场景下，得到了广泛应用。自主导航技术的深入研究对于使仿生嗅觉机器人能够在各种应用场景中执行复杂操作任务至关重要。
然而，目前的仿生嗅觉机器人研究主要集中在仿真环境或理想化的封闭场景，当面对环境较为复杂的实际场景时，嗅觉传感器采集到的传感信息不足以为机器人的导航路径提供有效参照，使得导航结果的准确性较低，无法使机器人顺利完成任务。
因此，如何提高嗅觉导航的准确性，保证机器人顺利完成任务，是一个亟待解决的问题。
发明内容
本说明书提供一种基于感知信息融合的路径导航方法、装置及电子设备，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种基于感知信息融合的路径导航方法，包括：
获取机器人的控制信息以及所述机器人所处环境对应的环境信息，所述环境信息包括所述机器人采集到的视觉传感信息以及嗅觉传感信息；
根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，所述联合状态信息用于表征所述机器人的机器人状态和所处环境的环境状态在未来若干时刻的置信分布；
根据所述联合状态信息，确定气味源所在位置的置信分布信息，并根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息；
根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航。
可选地，据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，具体包括：
根据所述机器人各时刻对应的控制信息，确定所述机器人的控制序列，根据所述机器人在各时刻采集到的视觉传感信息，确定视觉观测序列，以及，根据所述机器人在各时刻采集到的嗅觉传感信息，确定气味观测序列；
根据所述控制序列、所述视觉观测序列以及所述气味观测序列，确定所述联合状态信息。
可选地，根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，具体包括：
根据所述控制信息以及所述环境信息，确定在所述置信分布为高斯分布的情况下，所述联合状态信息的均值；
根据所述联合状态信息，确定气味源所在位置的置信分布信息，具体包括：
根据所述联合状态信息的均值，确定所述气味源所在位置的置信分布信息。
可选地，根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息，具体包括：
根据所述嗅觉传感信息，确定所述气味烟羽从之前每个时刻所在的栅格区域向其他栅格区域进行转移的转移概率；
根据所述转移概率以及所述气味源所在位置的置信分布信息，确定所述气味烟羽的分布信息。
可选地，所述方法还包括：
若监测到所述气味源所在位置的置信分布信息在下一时刻被更新，则根据更新后的气味源所在位置的置信分布信息以及更新后的转移概率，确定更新后的气味烟羽的分布信息。
可选地，根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航，具体包括：
根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数；
以最大化所述奖励函数的奖励值为目标，对所述机器人进行路径导航。
可选地，在根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数之前，所述方法还包括：
根据所述控制信息以及所述环境信息，确定在所述置信分布为高斯分布的情况下，所述联合状态信息的协方差矩阵；
根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数，具体包括：
根据所述协方差矩阵、所述气味源所在位置的置信分布信息、所述气味烟羽的分布信息、所述气味源所在位置的置信分布信息的预设最大值和最小值、所述气味烟羽的分布信息的预设最大值和最小值，确定所述奖励函数。
本说明书提供了一种基于感知信息融合的路径导航装置，包括：
获取模块，用于获取机器人的控制信息以及所述机器人所处环境对应的环境信息，所述环境信息包括所述机器人采集到的视觉传感信息以及嗅觉传感信息；
联合模块，用于根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，所述联合状态信息用于表征所述机器人的机器人状态和所处环境的环境状态在未来若干时刻的置信分布；
确定模块，用于根据所述联合状态信息，确定气味源所在位置的置信分布信息，并根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息；
导航模块，用于根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于感知信息融合的路径导航方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于感知信息融合的路径导航方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的基于感知信息融合的路径导航方法中，获取机器人的控制信息以及环境信息，环境信息包括机器人采集到的视觉传感信息以及嗅觉传感信息；根据控制信息以及环境信息，确定机器人的联合状态信息，联合状态信息用于表征机器人的机器人状态和环境状态在未来若干时刻的置信分布；根据联合状态信息，确定气味源所在位置的置信分布信息，并根据气味源所在位置的置信分布信息确定气味烟羽的分布信息；根据联合状态信息、气味源所在位置的置信分布信息以及气味烟羽的分布信息，对机器人进行路径导航。本方案将视觉传感信息和嗅觉传感信息相结合，提高了导航的准确性。
从上述方法可以看出，本方案可以根据机器人自身的控制信息和采集到的视觉传感信息和嗅觉传感信息来对联合状态信息进行感知和预估，并在联合状态信息的基础上确定气味源所在位置的置信分布信息和气味烟羽的分布信息，从而在多模态信息的支持下对机器人进行路径导航，本方案全方位考虑了机器人所处环境的复杂情况，为嗅觉导航机器人在各类任务场景中的应用提供了有效支持。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中提供的一种基于感知信息融合的路径导航方法的流程示意图；
图2为本说明书中提供的一种联合状态信息的结构示意图；
图3为本说明书提供的一种基于感知信息融合的路径导航装置的示意图；
图4为本说明书提供的一种对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种基于感知信息融合的路径导航方法的流程示意图，包括以下步骤：
S101：获取机器人的控制信息以及所述机器人所处环境对应的环境信息，所述环境信息包括所述机器人采集到的视觉传感信息以及嗅觉传感信息。
本方案主要针对嗅觉机器人自主导航领域中，缺乏对周围未知复杂环境的充分感知与建模的问题，提出视觉/嗅觉感知信息融合的自主导航方法。该方法能够在未知复杂环境应用场景中，对气味源信息以及周围环境信息进行充分的感知与估计，为嗅觉导航机器人在各类任务场景中的应用提供了有效支持。
在本说明书中，用于实现一种基于感知信息融合的路径导航方法的执行主体可以是机器人本身的控制器，当然，也可以是机器人的服务器或上位机，为了便于描述，以下将以服务器作为执行主体为例，对本说明书提供的一种基于感知信息融合的路径导航方法进行说明。
首先，机服务器可以结合机器人的视觉、嗅觉多传感器的异构感知信息，对气味源似然分布状态和视觉特征状态进行联合概率估计。
本说明书中所指的机器人可以为嗅觉导航机器人，该机器人上设置有视觉传感器和嗅觉传感器，在未知或不确定的环境下，利用嗅觉和视觉传感器的感知信息，对潜在的气味源进行搜寻，并在这个过程中对未知环境进行探索。
具体的，服务器可以获取机器人的控制信息以及所述机器人所处环境对应的环境信息，该控制信息可以为机器人在执行诸如前进、后退、转向等运动时被施加的控制指令。
环境信息可以包括机器人通过视觉传感器所采集到的视觉传感信息（如图像或者点云）和嗅觉传感器采集到的嗅觉传感信息。其中，可以使用金属氧化物传感器作为机器人的嗅觉传感器，该传感器可以基于氧化还原反应，确定不同类型不同深度的气味气体信息的响应值，从而得到嗅觉传感信息。
需要说明的是，上述控制信息可以为机器人在不包含当前时刻的之前若干时刻所接收到的控制信息，视觉传感信息以及嗅觉传感信息可以为包括当前时刻在内的之前若干时刻所采集到的传感信息。
S102：根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，所述联合状态信息用于表征所述机器人的机器人状态和所处环境的环境状态在未来若干时刻的置信分布。
服务器可以根据之前各时刻对应的控制信息，确定机器人的控制序列，根据机器人在各时刻采集到的视觉传感信息，确定视觉观测序列，以及，根据机器人在各时刻采集到的嗅觉传感信息，确定气味观测序列，之后根据控制序列、视觉特征测序列视觉观测序列以及气味观测序列，确定联合状态信息。
在本说明书中，联合状态信息用于表征机器人的机器人状态和所处环境的环境状态在未来若干时刻的置信分布，其中，机器人状态可以为机器人所处的位置，环境状态可以包括机器人所处环境的视觉特征和气味源似然分布状态。
在本说明书中，可以将未知环境所带来的这种不确定性建模为信念空间的一部分，具体表示为机器人状态和外部变量状态（环境状态）的联合概率分布，即环境中视觉特征以及气味源的似然分布状态。
具体的，设为/>时刻的机器人状态，/>为/>时刻的环境状态，其中，环境状态/>包括环境中的视觉特征/>以及气味源分布状态/>。/>为/>时刻的视觉传感信息，/>为在/>时刻的控制信息。此外，定义/>，表示/>时刻为止的传感器观测序列，其中/>表示到/>时刻为止嗅觉传感器采集到的嗅觉观测序列，/>表示/>时刻为止施加给机器人的控制序列。
由于在自主导航的决策规划过程中，需要针对时刻之后机器人的第/>个运行步骤进行状态的预测估计。因此，服务器可以首先定义/>时刻的联合状态为，则第/>个运行步骤的联合状态信息可以表示为：
在本说明书中，服务器可以将联合状态信息对应的置信分布设置为高斯分布，则该联合状态信息可以进一步表示为：
其中，为联合状态信息的均值，/>为协方差均值。
基于此，服务器可以确定在上述置信分布为高斯分布的情况下，联合状态信息的均值和协方差均值，其中，均值可以为最大后验概率的估计结果，表示为：
其中，协方差矩阵也可以根据最大后验概率估计的相关信息进行计算，在本说明书中，该协方差均值可以被设定为最优估计处的海森矩阵的逆矩阵。
为了便于理解，本说明书提供了一种联合状态信息的结构示意图，如图2所示。
图2为本说明书中提供的一种联合状态信息的结构示意图。
其中，联合状态信息包括机器人状态信息、视觉特征/>以及气味源分布状态/>，视觉特征可以根据视觉传感信息/>的观测序列确定，气味源分布状态可以根据嗅觉传感信息/>的观测序列确定，机器人状态信息可以由控制信息/>的控制序列确定。
S103：根据所述联合状态信息，确定气味源所在位置的置信分布信息，并根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息。
服务器可以对上述联合状态信息进行边缘化处理，以根据联合状态信息的均值，确定气味源所在位置的置信分布信息。
之后可以根据气味源所在位置的置信分布信息，进一步确定气味烟羽的分布信息，气味烟羽的分布信息可以用于表征气味的传播路径或者分布图。
具体的，服务器可以根据机器人采集的嗅觉传感信息，确定气味烟羽从之前每个时刻所在的栅格区域向其他栅格区域进行转移的转移概率，之后根据该转移概率以及气味源所在位置的置信分布信息，确定气味烟羽的分布信息。气味烟羽的分布信息的传播模型可以表示为：
其中
在上述公式中，表示气味烟羽在/>时刻从栅格/>到/>的一步转移概率，/>表示栅格地图中总的栅格个数。假设/>时刻的气味源概率置信分布为/>，可以通过以上过程得到气味烟羽分布图/>。
若监测到气味源所在位置的置信分布信息在下一时刻被更新，则根据更新后的气味源所在位置的置信分布信息以及更新后的转移概率，进而确定最新的气味烟羽测量更新信息/>，之后进一步确定更新后的气味烟羽的分布信息。
S104：根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航。
本发明考虑气味源概率置信度、气味烟羽分布状态以及机器人导航状态不确定性多方面因素，设置自主导航决策规划器的奖励函数，使得机器人在导航过程中朝向气味源位置运动的同时，考虑环境中的气味烟羽分布信息、机器人运动状态信息以及周围环境特征状态信息，在气味源导航的过程中，可以对未知环境进行充分的感知和建模。
在此过程中，服务器可以根据联合状态信息、气味源所在位置的置信分布信息/>以及气味烟羽的分布信息/>，确定奖励函数，之后以最大化奖励函数的奖励值为目标，对所述机器人进行路径导航。
具体的，服务器可以根据步骤S102所确定的协方差矩阵、气味源所在位置的置信分布信息、气味烟羽的分布信息、气味源所在位置的置信分布信息的预设最大值和最小值、气味烟羽的分布信息的预设最大值和最小值，确定奖励函数，该奖励函数可以表示为：
其中，四个常数、/>、/>和/>，分别表示/>和/>中的最大和最小值，这些常数可以在计算奖励函数之前进行设定，/>和/>分别表示常值系数和系数矩阵，用于调整各个因素在决策规划中所占比重的大小，/>为/>的协方差矩阵。
在实际应用中，服务器可以基于上述方法所确定出的导航路径，控制机器人执行诸如搜索救援、气体泄露检测以及危险品探测等任务。
从上述方法可以看出，本方案提出了一种创新的视觉与嗅觉感知信息融合以及导航状态联合估计策略。在自主导航的过程中，充分考虑了气味源概率置信度、气味烟羽分布状态以及机器人导航状态的不确定性等多方面因素。以确保机器人在导航过程中不仅能够基于气味源位置进行移动，同时考虑到环境中的气味烟羽分布信息、机器人运动状态信息以及周围环境特征状态信息。这样，在进行气味源导航的过程中，机器人能够对未知环境进行充分感知和建模。通过这种全面融合的方法，可以有效提高嗅觉导航系统的鲁棒性和高效性，为未来自主导航技术的发展提供了有力的支持。
以上为本说明书的一个或多个实施基于感知信息融合的路径导航方法，基于同样的思路，本说明书还提供了相应的基于感知信息融合的路径导航装置，如图3所示。
图3为本说明书提供的一种基于感知信息融合的路径导航装置的示意图，包括：
获取模块301，用于获取机器人的控制信息以及所述机器人所处环境对应的环境信息，所述环境信息包括所述机器人采集到的视觉传感信息以及嗅觉传感信息；
联合模块302，用于根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，所述联合状态信息用于表征所述机器人的机器人状态和所处环境的环境状态在未来若干时刻的置信分布；
确定模块303，用于根据所述联合状态信息，确定气味源所在位置的置信分布信息，并根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息；
导航模块304，用于根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航。
可选地，所述联合模块302具体用于，根据所述机器人各时刻对应的控制信息，确定所述机器人的控制序列，根据所述机器人在各时刻采集到的视觉传感信息，确定视觉观测序列，以及，根据所述机器人在各时刻采集到的嗅觉传感信息，确定气味观测序列；根据所述控制序列、所述视觉观测序列以及所述气味观测序列，确定所述联合状态信息。
可选地，所述联合模块302具体用于，根据所述控制信息以及所述环境信息，确定在所述置信分布为高斯分布的情况下，所述联合状态信息的均值；
所述确定模块303具体用于，根据所述联合状态信息的均值，确定所述气味源所在位置的置信分布信息。
可选地，所述确定模块303具体用于，根据所述嗅觉传感信息，确定所述气味烟羽从之前每个时刻所在的栅格区域向其他栅格区域进行转移的转移概率；根据所述转移概率以及所述气味源所在位置的置信分布信息，确定所述气味烟羽的分布信息。
可选地，所述确定模块303还用于，若监测到所述气味源所在位置的置信分布信息在下一时刻被更新，则根据更新后的气味源所在位置的置信分布信息以及更新后的转移概率，确定更新后的气味烟羽的分布信息。
可选地，所述导航模块304具体用于，根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数；以最大化所述奖励函数的奖励值为目标，对所述机器人进行路径导航。
可选地，在根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数之前，所述确定模块303还用于，根据所述控制信息以及所述环境信息，确定在所述置信分布为高斯分布的情况下，所述联合状态信息的协方差矩阵；
所述导航模块304具体用于，根据所述置信分布信息、所述气味烟羽的分布信息、所述气味源所在位置的置信分布信息的预设最大值和最小值、所述气味烟羽的分布信息的预设最大值和最小值，确定所述奖励函数。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种基于感知信息融合的路径导航方法。
本说明书还提供了图4所示的一种对应于图1的电子设备的示意结构图。如图4所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的基于感知信息融合的路径导航方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（ProgrammableLogic Device, PLD）（例如现场可编程门阵列（Field Programmable Gate Array，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（HardwareDescription Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（AdvancedBoolean Expression Language）、AHDL（Altera Hardware Description Language）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（JavaHardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（Ruby HardwareDescription Language）等，目前最普遍使用的是VHDL（Very-High-Speed IntegratedCircuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种基于感知信息融合的路径导航方法，其特征在于，包括：
获取机器人的控制信息以及所述机器人所处环境对应的环境信息，所述环境信息包括所述机器人采集到的视觉传感信息以及嗅觉传感信息；
根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，所述联合状态信息用于表征所述机器人的机器人状态和所处环境的环境状态在未来若干时刻的置信分布；
根据所述联合状态信息，确定气味源所在位置的置信分布信息，并根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息；
根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航。
2.如权利要求1所述的方法，其特征在于，据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，具体包括：
根据所述机器人各时刻对应的控制信息，确定所述机器人的控制序列，根据所述机器人在各时刻采集到的视觉传感信息，确定视觉观测序列，以及，根据所述机器人在各时刻采集到的嗅觉传感信息，确定气味观测序列；
根据所述控制序列、所述视觉观测序列以及所述气味观测序列，确定所述联合状态信息。
3.如权利要求1所述的方法，其特征在于，根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，具体包括：
根据所述控制信息以及所述环境信息，确定在所述置信分布为高斯分布的情况下，所述联合状态信息的均值；
根据所述联合状态信息，确定气味源所在位置的置信分布信息，具体包括：
根据所述联合状态信息的均值，确定所述气味源所在位置的置信分布信息。
4.如权利要求1所述的方法，其特征在于，根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息，具体包括：
根据所述嗅觉传感信息，确定所述气味烟羽从之前每个时刻所在的栅格区域向其他栅格区域进行转移的转移概率；
根据所述转移概率以及所述气味源所在位置的置信分布信息，确定所述气味烟羽的分布信息。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
若监测到所述气味源所在位置的置信分布信息在下一时刻被更新，则根据更新后的气味源所在位置的置信分布信息以及更新后的转移概率，确定更新后的气味烟羽的分布信息。
6.如权利要求1所述的方法，其特征在于，根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航，具体包括：
根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数；
以最大化所述奖励函数的奖励值为目标，对所述机器人进行路径导航。
7.如权利要求6所述的方法，其特征在于，在根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数之前，所述方法还包括：
根据所述控制信息以及所述环境信息，确定在所述置信分布为高斯分布的情况下，所述联合状态信息的协方差矩阵；
根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，确定奖励函数，具体包括：
根据所述协方差矩阵、所述气味源所在位置的置信分布信息、所述气味烟羽的分布信息、所述气味源所在位置的置信分布信息的预设最大值和最小值、所述气味烟羽的分布信息的预设最大值和最小值，确定所述奖励函数。
8.一种基于感知信息融合的路径导航装置，其特征在于，包括：
获取模块，用于获取机器人的控制信息以及所述机器人所处环境对应的环境信息，所述环境信息包括所述机器人采集到的视觉传感信息以及嗅觉传感信息；
联合模块，用于根据所述控制信息以及所述环境信息，确定所述机器人的联合状态信息，所述联合状态信息用于表征所述机器人的机器人状态和所处环境的环境状态在未来若干时刻的置信分布；
确定模块，用于根据所述联合状态信息，确定气味源所在位置的置信分布信息，并根据所述气味源所在位置的置信分布信息确定气味烟羽的分布信息；
导航模块，用于根据所述联合状态信息、所述气味源所在位置的置信分布信息以及所述气味烟羽的分布信息，对所述机器人进行路径导航。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410287650.2A CN117870696B (zh) | 2024-03-13 | 2024-03-13 | 一种基于感知信息融合的路径导航方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410287650.2A CN117870696B (zh) | 2024-03-13 | 2024-03-13 | 一种基于感知信息融合的路径导航方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117870696A true CN117870696A (zh) | 2024-04-12 |
| CN117870696B CN117870696B (zh) | 2024-05-24 |
Family
ID=90592115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410287650.2A Active CN117870696B (zh) | 2024-03-13 | 2024-03-13 | 一种基于感知信息融合的路径导航方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117870696B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
| CN103278151A (zh) * | 2013-02-28 | 2013-09-04 | 中国矿业大学 | 一种动态烟羽环境下多机器人协作搜索气味源方法 |
| CN106918367A (zh) * | 2017-04-26 | 2017-07-04 | 河北工业大学 | 一种机器人主动搜寻定位气味源的方法 |
| CN110514567A (zh) * | 2019-08-28 | 2019-11-29 | 哈尔滨工业大学 | 基于信息熵的气体源搜索方法 |
| CN112525194A (zh) * | 2020-10-28 | 2021-03-19 | 北京工业大学 | 一种基于海马-纹状体内源性和外源性信息的认知导航方法 |
| WO2022229657A1 (en) * | 2021-04-30 | 2022-11-03 | Cambridge Enterprise Limited | Method and system for robot navigation in unknown environments |
| CN116625364A (zh) * | 2023-03-28 | 2023-08-22 | 东南大学 | 一种基于嗅觉追踪辅助激光的四足机器人导航方法 |
| CN117433538A (zh) * | 2023-11-27 | 2024-01-23 | 西北工业大学 | 一种多源异构传感器航迹融合方法 |
-
2024
- 2024-03-13 CN CN202410287650.2A patent/CN117870696B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
| CN103278151A (zh) * | 2013-02-28 | 2013-09-04 | 中国矿业大学 | 一种动态烟羽环境下多机器人协作搜索气味源方法 |
| CN106918367A (zh) * | 2017-04-26 | 2017-07-04 | 河北工业大学 | 一种机器人主动搜寻定位气味源的方法 |
| CN110514567A (zh) * | 2019-08-28 | 2019-11-29 | 哈尔滨工业大学 | 基于信息熵的气体源搜索方法 |
| CN112525194A (zh) * | 2020-10-28 | 2021-03-19 | 北京工业大学 | 一种基于海马-纹状体内源性和外源性信息的认知导航方法 |
| WO2022229657A1 (en) * | 2021-04-30 | 2022-11-03 | Cambridge Enterprise Limited | Method and system for robot navigation in unknown environments |
| CN116625364A (zh) * | 2023-03-28 | 2023-08-22 | 东南大学 | 一种基于嗅觉追踪辅助激光的四足机器人导航方法 |
| CN117433538A (zh) * | 2023-11-27 | 2024-01-23 | 西北工业大学 | 一种多源异构传感器航迹融合方法 |
Non-Patent Citations (4)
| Title |
|---|
| SONG KAI ET AL.: "Olfaction and Hearing Based Mobile Robot Navigation for Odor/Sound Source Search", 《SENSORS》, vol. 11, no. 2, 28 February 2011 (2011-02-28), pages 2129 - 2154 * |
| 孟志林等: "基于哺乳动物空间认知机制的机器人导航综述", 《机器人》, vol. 45, no. 4, 31 July 2023 (2023-07-31), pages 496 - 512 * |
| 张东: "仿生机制下的机器人嗅觉感知与定位研究", 《万方中国学位论文数据库》, 31 December 2015 (2015-12-31) * |
| 王东署;王佳;: "未知环境中移动机器人环境感知技术研究综述", 机床与液压, no. 15, 15 August 2013 (2013-08-15), pages 194 - 198 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117870696B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110262486B (zh) | 一种无人驾驶设备运动控制方法及装置 | |
| CN112766468B (zh) | 一种轨迹预测方法、装置、存储介质及电子设备 | |
| CN111127551B (zh) | 一种目标检测的方法及装置 | |
| CN116740361B (zh) | 一种点云分割方法、装置、存储介质及电子设备 | |
| CN111062372B (zh) | 一种预测障碍物轨迹的方法及装置 | |
| CN111797906B (zh) | 基于视觉和惯性里程定位的方法及装置 | |
| CN116663618B (zh) | 一种算子优化方法、装置、存储介质及电子设备 | |
| CN115600157B (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
| CN116304720B (zh) | 一种代价模型训练的方法、装置、存储介质及电子设备 | |
| CN115618748B (zh) | 一种模型优化的方法、装置、设备及存储介质 | |
| CN116309823A (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
| CN116295415A (zh) | 一种基于脉冲神经网络强化学习的无地图迷宫导航方法和系统 | |
| CN112883871B (zh) | 一种模型训练以及确定无人车运动策略方法及装置 | |
| CN114494381A (zh) | 模型训练及深度估计方法、装置、存储介质及电子设备 | |
| CN117870696B (zh) | 一种基于感知信息融合的路径导航方法、装置及电子设备 | |
| CN117333508A (zh) | 一种目标跟踪方法、装置、设备及介质 | |
| CN116403097A (zh) | 一种目标检测方法、装置、存储介质及电子设备 | |
| CN112393723B (zh) | 一种定位方法、设备、介质及无人设备 | |
| CN112734851B (zh) | 一种位姿确定的方法以及装置 | |
| CN112712561A (zh) | 一种建图方法、装置、存储介质及电子设备 | |
| CN116563387A (zh) | 一种标定模型的训练方法、装置、存储介质以及电子设备 | |
| CN117077817B (zh) | 一种基于标签分布的个性化联邦学习模型训练方法及装置 | |
| CN118053153B (zh) | 一种点云数据的识别方法、装置、存储介质及电子设备 | |
| CN114972909B (zh) | 一种模型训练的方法、构建地图的方法及装置 | |
| CN117876610B (zh) | 针对三维构建模型的模型训练方法、装置、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |