-
公开(公告)号：CN113848911B
公开(公告)日：2023-06-27
申请号：CN202111140913.X
申请日：2021-09-28
Applicant: 华东理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于Q‑learning和RRT*的移动机器人全局路径规划方法，包括以下步骤：1)根据环境地图中确定起始点与目标点，并以起始点为根节点构建拓展树；2)对地图栅格化并初始化Q值矩阵；3)以初始化的Q值矩阵作为初始Q值矩阵，从起始点位置开始对地图进行探索学习并更新Q值矩阵，将探索点所经过的位置添加到探索列表中；4)搜索探索列表，概率选择Q值最大节点作为新节点拓展方向，将新节点插入拓展树中更新最优路径。与现有技术相比，本发明通过结合强化学习方法提高节点拓展的目的性，环境复杂度上升时，使整体路径规划任务的成功率上升，并且能够应用于移动机器人的全局路径规划任务中，在环境复杂度上升时依然能保持较高的成功率。
-
公开(公告)号：CN113902862B
公开(公告)日：2024-04-16
申请号：CN202111186071.1
申请日：2021-10-12
Applicant: 华东理工大学
IPC: G06T17/05 , G06T7/40 , G06T7/13 , G06V10/762 , G06V10/44
Abstract: 本发明涉及一种基于一致性集群的视觉SLAM回环验证系统，该系统包括：前端视觉里程计模块：用以对输入的图像帧提取特征，并确定相邻图像帧间的位置关系，构建局部地图；回环检测模块：以前端视觉里程计计算过的图像帧为基础，以相似度为依据进行图像帧为相同位置的判断，即判定回环；后端非线性优化模块：用以通过图优化方法对前端视觉里程计模块输入的局部地图和回环检测模块输出的回环约束进行全局优化，得到全局一致的轨迹和地图。与现有技术相比，本发明具有可靠性高、准确性好、资源消耗少等优点。
-
公开(公告)号：CN113848911A
公开(公告)日：2021-12-28
申请号：CN202111140913.X
申请日：2021-09-28
Applicant: 华东理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于Q‑learning和RRT*的移动机器人全局路径规划方法，包括以下步骤：1)根据环境地图中确定起始点与目标点，并以起始点为根节点构建拓展树；2)对地图栅格化并初始化Q值矩阵；3)以初始化的Q值矩阵作为初始Q值矩阵，从起始点位置开始对地图进行探索学习并更新Q值矩阵，将探索点所经过的位置添加到探索列表中；4)搜索探索列表，概率选择Q值最大节点作为新节点拓展方向，将新节点插入拓展树中更新最优路径。与现有技术相比，本发明通过结合强化学习方法提高节点拓展的目的性，环境复杂度上升时，使整体路径规划任务的成功率上升，并且能够应用于移动机器人的全局路径规划任务中，在环境复杂度上升时依然能保持较高的成功率。
-
公开(公告)号：CN113902862A
公开(公告)日：2022-01-07
申请号：CN202111186071.1
申请日：2021-10-12
Applicant: 华东理工大学
Abstract: 本发明涉及一种基于一致性集群的视觉SLAM回环验证系统，该系统包括：前端视觉里程计模块：用以对输入的图像帧提取特征，并确定相邻图像帧间的位置关系，构建局部地图；回环检测模块：以前端视觉里程计计算过的图像帧为基础，以相似度为依据进行图像帧为相同位置的判断，即判定回环；后端非线性优化模块：用以通过图优化方法对前端视觉里程计模块输入的局部地图和回环检测模块输出的回环约束进行全局优化，得到全局一致的轨迹和地图。与现有技术相比，本发明具有可靠性高、准确性好、资源消耗少等优点。
-
-
-
Search Results
4
records
(took 0.021 seconds)
