基于深度学习的移动机器人路径规划算法设计

作     者：崔航 

作者单位：哈尔滨工业大学 

学位级别：硕士

导师姓名：贺风华

授予年度：2022年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：路径规划 深度学习 模仿学习 移动机器人 

摘      要：近年来,移动机器人已经有了广泛的应用,在感知、定位、决策、规划、控制等方向上的研究也逐渐深入与完善,移动机器人的其中路径规划是目前研究的热点。本文主要研究基于深度学习模型生成一系列预测轨迹。本文的主要工作如下:首先,定义赛场坐标系以及轮式机器人坐标系,并给出转换关系。介绍轮式机器人的结构,建立轮式机器人的运动学模型,给出机器人的自主规划问题的分析和数学描述。其次,设计基于全局路径规划的与局部轨迹规划的数据集生成算法。针对使用过程中存在的帧间一致性与平滑性的问题,设计改进的A*算法,改进其启发式函数,改善了路径生成跳变的问题,为TEB算法中增加加加速度约束条件,平滑了轮式机器人的加速度。然后,针对IMU数据、处理后的图像数据以及轨迹数据,分别设计了相应的网络分支结构。确定了相应的网络结构及参数,设计算法训练所需的损失函数,基于B样条插值与多项式插值对生成的预测轨迹进行平滑处理,设计了最优轨迹选取的评价指标。最后,分析了规划仿真环境所需要的功能,选定仿真环境,设计了数据集生成的算法,设定不同的起点与终点生成不同的路径,同时生成多条轨迹,收集轨迹数据,并对其坏点及重复数据进行预处理,为后续模型设计提供数据支持。通过仿真实验证明深度学习模型可以在更短的时间内规划出可行路径。