深度神经网络下机器人滑移量检测与路径规划

简介

为保证机器人行驶路径最短时避免发生滑移,提出基于深度神经网络的机器人移量检测与路径规划方法。通过分析机器人运动学情况,结合机器人滑移量会随轨迹、地面平整度及障碍物影响范围发生变化,构建运行轨迹方程组,求得会影响滑移量的因变量值;建立位姿计算坐标系,设置机器人滑轮初始位姿坐标,计算发生滑移后末端位姿,更新后代入滑移公式求得滑移量;以障碍物避障和路径最短为规划标准,采用深度神经网络算法激活避障及路径最短的约束函数,输出规划结果。通过对比实验结果证明所提方法的有效性,在所提方法控制下滑移量检测结果与实测值表达一致,规划路径在保障高效避障的同时确保是最短行驶距离,优于对比方法,可靠性强。