买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京大学

摘要：本发明公开了基于自适应粒子滤波树的机器人动态目标搜索和追踪方法，该方法基于sigma点的互信息估计方法，能够快速准确地计算互信息。在蒙特卡洛树搜中利用符合运动学模型的运动基元组成动作空间，用以生成满足运动学约束的平滑路径。所采用的自适应粒子滤波树中自适应的停止策略，能够根据奖励信息动态调整规划时域，减少运算时间。本发明对未来可行路径进行有选择地搜索，同时其自适应的性质能够根据当前奖励信息动态调整规划时域，节省计算资源。结合以运动基元构成的动作空间，该发明可以高效地生成考虑未来观测影响的、长时域的、符合运动学模型的平滑路径，从而高效地完成目标搜索和追踪的问题。

主权项：1.基于自适应粒子滤波树的机器人动态目标搜索和追踪方法，其特征在于，包括以下步骤：步骤1：移动机器人在当前所在位置利用有限视野的传感器，包括相机、雷达等，获取周围环境信息；定义移动机器人通过多种传感器对目标的观测结果为z；如果目标在移动机器人的观测范围之内，移动机器人获得目标的观测信息，即目标相对于机器人的距离和角度信息；否则，移动机器人对目标的观测结果为空；移动机器人使用粒子滤波技术对观测结果z进行滤波，得到目标位置的估计结果；步骤2：根据当前基于粒子的目标位置估计结果和移动机器人自身状态，基于蒙特卡洛树搜方法进行建树，迭代地进行选择-扩展-模拟-回溯四个步骤，增量式地建立自适应粒子滤波树，不断在自适应粒子滤波树中添加节点并维护更新节点的信息，用于后续的移动机器人决策；自适应粒子滤波树中的节点用于存储移动机器人在规划时域的信息，包括预测移动机器人在规划时域内可能到达的位置及对应的奖励，自适应粒子滤波树是用来是探索移动机器人未来可能的轨迹，为移动机器人提供最优的运动决策方案；自适应粒子滤波树包含两种类型的节点：动作节点和状态节点，两种节点根据动作-观测序列交替生成，来模拟规划移动机器人在规划时域的移动过程中采取的动作和可能获得的观测结果；步骤3：基于建立好的自适应粒子滤波树，移动机器人选择树根节点中奖励最大的子节点，即移动机器人当前所在位置的最优决策；随后，移动机器人执行该奖励最大的子节点对应的运动控制，生成运动轨迹；步骤4：在移动机器人执行完运动轨迹到达新的位置后，重复步骤1-3，即移动机器人根据新获得的观测结果进行重规划，直至完成目标搜索和追踪的任务；在移动机器人运动的过程中，环境中的目标对象是动态的，由此，移动机器人不断获取新的环境和目标信息，对目标位置进行估计，并进行轨迹规划来实现对动态目标的实时搜索和追踪，保证对目标定位的准确性。

全文数据：

权利要求：

百度查询： 北京大学 基于自适应粒子滤波树的机器人动态目标搜索和追踪方法