本发明涉及机器人运动规划，具体涉及一种机器人运动规划优化方法。
背景技术：
1、近年来随着智能机器人的不断发展，其自主导航技术成为当前焦点。智能车自主导航的基本框架包含感知、定位、规划、决策、控制等部分，其中运动规划在自主导航系统中直接影响了机器人运动的效率和安全性，要求它必须在有效规避障碍物的同时，确保车辆以最佳方式到达目的地。机器人自主导航在无人配送领域已经实现了商业化，而现有的全局路径规划算法中，基于图搜索的dijkstra算法和a*算法因自身算法的效率性而无法实时适应环境中的动态障碍物；bidirectional-rrt和rrt等经典的基于采样的规划算法通常将实际的机器人路径限制在状态空间的一小部分，在具有大量维度和狭窄通道等复杂的配送场景中使用有很大的局限性。
技术实现思路
1、为解决以上现有技术存在的问题，本发明提出了一种机器人运动规划优化方法，该方法包括：获取地图点云数据，对点云数据进行预处理；采用自动点云编码器对预处理后的点云数据进行编码；根据机器人运动模型和编码后的点云数据构建并训练运动规划网络；对运动规划网络进行前向传播，生成知情样本，将知情样本基于采样的rrt规划器中，得到优化后的机器人运动路径。
2、本发明的有益效果：
3、本发明提出了一种将深度学习与基于采样的规划器rrt相结合的新方法对运动规划网络进行训练，它将机器人当前的状态和目标状态作为输入，并对目标偏向采样进行加权，训练完成后，通过前向传播通路，可以使用运动规划网络生成渐进最优解的知情样本。由于对目标偏向采样进行了加权处理，这些知情样本集成到基于采样的rrt规划器后，可以加速规划过程并导向更好的解。知情样本的引入可以提供更好的初始路径，减少搜索空间，并促进解收敛到全局最优解。这样，机器人将能够更快速地找到安全、高效的路径来完成配送任务，进而加速配送场景下的机器人运动规划过程。
1.一种机器人运动规划优化方法，其特征在于，包括：构建机器人运动模型；获取地图点云数据，对点云数据进行预处理；采用自动点云编码器对预处理后的点云数据进行编码；根据机器人运动模型和编码后的点云数据构建并训练运动规划网络；对运动规划网络进行前向传播，生成知情样本，将知情样本基于采样的rrt规划器中，得到优化后的机器人运动路径。
2.根据权利要求1所述的一种机器人运动规划优化方法，其特征在于，对点云数据进行预处理包括：构建空间坐标系；点集中的每个点云表示为：其中代表d维空间中的一点；将所有点云等比例缩放到一个单位球表面实现归一化；对归一化后的点云数据进行修复。
3.根据权利要求2所述的一种机器人运动规划优化方法，其特征在于，构建空间坐标系以机器人底盘中心的投影为状态参考坐标系原点，机器人正面朝向为x方向，竖直向上为z方向，构建空间坐标系。
4.根据权利要求2所述的一种机器人运动规划优化方法，其特征在于，对点云数据进行归一化处理包括：
5.根据权利要求1所述的一种机器人运动规划优化方法，其特征在于，采用自动点云编码器对点云数据进行编码包括：
6.根据权利要求1所述的一种机器人运动规划优化方法，其特征在于，对训练运动规划网络包括：构建运动规划网络模型，其中运动规划网络模型由自动点云编码器和深度前馈神经网络组成；获取机器人在配送过程中所有可能存在的状态集合c，其中c＝cz+cf，cz和cf代表有障碍物和无障碍物的空间；设定机器人初始状态空间cinit和目标状态空间cgoal；将嵌入了已编码障碍物点云的空间cz、机器人初始状态空间cinit和目标状态空间cgoal作为深度前馈神经网络的输入，对深度前馈神经网络进行训练，训练过程中深度前馈神经网络输出朝向目标区域的下一个路径点cnext。
7.根据权利要求6所述的一种机器人运动规划优化方法，其特征在于，深度前馈神经网络对输入的数据进行处理包括：以增量的形式在无障碍空间cf中逐次生成连接当前状态xj,i和下一状态xj,i+1的无碰撞轨迹；分别计算实际点云数据的边际似然之和与模型生成预测点的边际似然之和，根据实际点云数据的边际似然之和和模型生成预测点的边际似然之和估计两个分布之间的kl散度；初始化编码器和解码器的参数；使用编码器将输入的点云数据映射到障碍物点云空间cz，使用解码器将点云数据映射回原数据空间，得到重构的点云数据；根据预测状态和目标状态计算均方误差损失；根据kl散度构建基于小批量构架完整数据集的边际似然下限的估计器；定义目标函数为均方误差损失和损失正则化项之和；采用目标函数对自动点云编码器进行无监督训练，并采用目标权重对目标点进行加权，解码器输出预测状态，即重构的点云数据；根据预测状态和当前状态计算均方误差作为损失函数，并在每个训练步骤中将其反向传播；重复迭代以上步骤，直到加权均方误差损失函数收敛且均方误差取值较小时，完成模型的训练。
8.根据权利要求7所述的一种机器人运动规划优化方法，其特征在于，目标权重的表达式为：
9.根据权利要求7所述的一种机器人运动规划优化方法，其特征在于，对自动点云编码器进行无监督训练的损失函数为：
10.根据权利要求7所述的一种机器人运动规划优化方法，其特征在于，计算均方误差损失的表达式为：
