专利名称：基于认知网络的机器人避障方法      申请号：2020109753223     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 机器人避障方法   相似专利 发布日：2024/01/09  
摘要： 本发明公开了基于认知网络的机器人避障方法，包括构造认知网络集，在机器人的感知空间中利用短时记忆、整合长时记忆对认知网络集进行发育学习，并采用动态进化方法在认知网络集中进行多样性搜索，扩展认知网络集的规模，寻找更合理的认知网络集来完成避障行动。本发明利用仿生学原理的认知网络方法实现机器人在随机无先验动态障碍物环境下能够准确避障。

专利名称：一种基于自适应引力的移动机器人避障方法      申请号：201910497586X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机器人 机器人避障方法   相似专利 发布日：2023/10/17  
摘要： 一种基于自适应引力的移动机器人避障方法，包括如下步骤：步骤1)建立参考轨迹曲线的表达式；步骤2)自适应引力设计，得到自适应引力取值；步骤3)将自适应引力作用在时间尺度上，得到基于引力的参考轨迹曲线；步骤4)通过参考轨迹曲线确定模糊控制器的输出；当机器人在轨迹跟踪过程中未检测到障碍物时，机器人的控制量由轨迹跟踪控制器的输出决定，当机器人检测到的障碍物且距离很近时，当前机器人的控制量由模糊控制器的输出决定。本发明在障碍物情况较复杂或机器人完成避障时间较长时，可有效避免参考机器人过度远离问题，使得机器人完成避障任务后能够快速的回到参考轨迹曲线上，使得机器人的能量消耗减少。

专利名称：一种深度相机与单线激光雷达融合的移动机器人避障方法      申请号：2021104010445     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：激光 机器人避障方法   相似专利 发布日：2023/09/14  
摘要： 本发明涉及一种深度相机与单线激光雷达融合的移动机器人避障方法，包括以下步骤：（1）对深度相机与单线激光雷达进行联合标定；（2）深度图像预处理及裁剪；（3）判断预处理后的深度图像是否需要与激光雷达进行数据融合；（4）使用贝叶斯估计法进行栅格地图融合；（5）使用局部避障算法进行避障。本发明弥补了使用单个深度相机只能获得前方视野范围内的区域不能获得后面和左右两侧环境数据的缺陷，并通过对深度图像进行预处理及裁剪大幅减少了需要计算的深度图像数据，有效加快了避障的数据处理速度。

专利名称：一种基于神经网络的移动机器人避障方法      申请号：2020101739088     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 机器人避障方法   相似专利 发布日：2023/09/14  
摘要： 本发明涉及一种基于神经网络的移动机器人避障方法，包括以下步骤：(1)根据机器人的尺寸和驱动方式确定避障参数；(2)输入深度图像，对深度图像进行预处理、分割前景区域；(3)搭建端到端的避障神经网络；(4)构建数据集，训练避障神经网络；(5)采集一幅深度图像，进行步骤(2)相同的预处理，得到前景区域；(6)若前景区域中存在大障碍物，则进行大障碍物避障处理后，进行步骤(8)，否则，进行步骤(7)；(7)将前景区域的图像输入所述避障神经网络中，输出机器人的转向角度和移动速度；(8)避障完成。本发明利用深度图像和卷积神经网络进行移动机器人避障，无需手动提取特征和参数整定，在室外复杂场景下也能准确避障。

专利名称：基于条件变分自动编码器的移动机器人避障方法及系统      申请号：2021109976442     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机器人 机器人避障方法   相似专利 发布日：2023/03/30  
摘要： 本发明涉及基于条件变分自动编码器的移动机器人避障方法及系统。本发明包括初始化机器人的行人避障区域；机器人根据栅格矩阵接收原始目标点并根据导航信息进行导航；通过机器人进行行人检测并获取行人位置信息和行人属性信息；根据行人的位置判断行人是否在避障范围内；训练条件变分自动编码器；根据临时避障点筛选代价最低的最优临时避障点；机器人接收最优临时避障点并向最优临时避障点进行导航；判断机器人是否到达最优临时避障点。本发明将深度学习与导航动态避障相结合，生成临时避障点，引导机器人规划出满足行人舒适度的路径，减少了由于环境的不确定性引起的机器人迷失、碰撞等问题。

专利名称：一种基于神经网络模型的机器人避障方法      申请号：201710585099X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 机器人避障方法   相似专利 发布日：2024/07/26  
摘要： 本发明公开了一种基于神经网络模型的机器人避障方法。当机器人上的红外感应器感应到前方存在障碍物时，机器人上的图像采集器采集前方图像，并将采集到的图像进行二值化处理；将二值图像进行傅里叶变换，得到频谱图，将频率信号作为神经网络模型的外部输入信号；当外部输入信号输入神经网络模型，左、右兴奋性神经元集群相互竞争，仅二者之一能够在外部刺激输入和内部抑制作用下通过增加自身的活性到达阈值发生脉冲而赢得竞争，而其他集群最终被抑制，最终产生一个向左或向右偏转的偏转信号，机器人根据该偏转信号向不存在障碍物的一侧偏转，从而实现避障。本发明克服了现有技术存在的缺陷，使机器人能够更加自主地在环境中高速度、高效率地避障。