技术特征：
1.一种基于神经网络的机器人自主物流运输导航方法，其特征在于，包括如下步骤：s1，搭建数据采集平台：在机器人上搭载n个激光传感器、雷达定位装置和陀螺仪；所述激光传感器用于探测前方障碍物的分布；所述雷达定位装置和所述陀螺仪分别用来确定机器人的前进方向；构建室内场景；s2，收集人类数据：通过计算机控制机器人的移动；在此过程中，同时记录每束激光探测的距离信息、机器人相对前进方向的角度信息、键盘控制的人类行为信息；s3，搭建神经网络s4，训练神经网络：将步骤s2收集到的数据作为训练数据集训练神经网络；每束激光探测的距离信息以及机器人相对前进方向的角度信息作为输入层，输出层为人类行为信息；s5，将训练好的神经网络加载至机器人上，所述的机器人基于加载的神经网络来进行自主物流运输导航。2.根据权利要求1所述的一种基于神经网络的机器人自主物流运输导航方法，其特征在于，步骤s2中，记录每束激光探测的距离信息、机器人相对前进方向的角度信息、键盘控制的人类行为信息，具体如下:激光传感器的数量为n个，记录t0
……
tm时刻下各个激光探测的距离信息数据矩阵d为：其中，d
h，td
表示第h个激光传感器下第td时刻下测得的距离；机器人相对前进方向的角度信息的矩阵v为：其中，v
td
表示第td时刻下的机器人相对前进方向的角度；键盘控制的人类行为信息的矩阵at为：
at
td
是1个数值或者是1个向量，其对应的是td时刻下的人类行为信息。3.根据权利要求2所述的一种基于神经网络的机器人自主物流运输导航方法，其特征在于，机器人有p个车轮，人类行为信息的矩阵为：其中，at
f,td
表示任意第f个车轮任意第td时刻下的运动指令状态。4.根据权利要求3所述的一种基于神经网络的机器人自主物流运输导航方法，其特征在于，步骤s4中，训练神经网络：d、v作为输入层数据，at作为输出层数据，对神经网络进行训练：即：d
1，td
......d
h，td
......d
n，td
，v
td
(n+1)个数据作为输入层数据，at
1,td
...at
f,td
...at
p,td
(p个数据)作为输出层数据。5.根据权利要求1所述的一种基于神经网络的机器人自主物流运输导航方法，其特征在于，n＝11，p＝3；s3搭建的神经网络结构为：7层神经网络，其中第一层节点数r1＝18，第二层节点数r2＝64，第三层节点数r3＝128，第四层节点数r4＝64，第五层节点数r5＝32，第六层节点数r6＝8，第七层节点数r7＝3，其中，第一层为输入层，第七层采用输出层；采用全连接形式、5层隐藏层添加rrelu()激活函数，输出层使用softmax()函数。6.根据权利要求5所述的一种基于神经网络的机器人自主物流运输导航方法，其特征在于，训练数据集容量c＝640、小批量数据容量n
batch
＝10、学习率lr＝0.0008、总训练次数n
epoch
＝1000。7.根据权利要求1所述的一种基于神经网络的机器人自主物流运输导航方法，其特征在于，激光传感器的数量为n个，将n束激光探测的距离和相对前进角度组成n+1维向量作为神经网络的输入。8.根据权利要求1所述的一种基于神经网络的机器人自主物流运输导航方法，其特征在于，在步骤s4与步骤s5之间，还包括：测试训练好的神经网络：不同于步骤s4的其他数据作为测试数据集，在每一回合训练结束，将训练数据集和测试数据集神经网络输入，对比输出与人类行为数据得到神经网络复刻人类行为的准确率，若准确率超过理想值，则保存训练好的神经网络，若准确率较低，则返回步骤s3中调整神经网络参数。
技术总结
本申请公开了一种基于神经网络的机器人自主物流运输导航方法，属于机器人导航控制领域，其设计要点在于：包括如下步骤：在机器人上搭载若干个激光传感器、雷达定位装置和陀螺仪；所述激光传感器用于探测前方障碍物的分布；所述雷达定位装置和所述陀螺仪分别用来判断终点方向和机器人运行方向，两者的差值表示为机器人的相对前进方向；用若干个黑色线条与方块代表障碍物随机组合形成类似迷宫的室内场景，模拟真实仓储环境的场景。本申请旨在提供一种基于神经网络的机器人自主物流运输导航方法，相比于传统的导航算法，本发明不需要建立环境模型，训练好的神经网络类似于人类的大脑，根据感知到的信息做出相应的决定，完全有能力应对突发状况。有能力应对突发状况。有能力应对突发状况。
技术研发人员：陈逸阳 贺海东 程传鑫
受保护的技术使用者：苏州大学
技术研发日：2021.10.20
技术公布日：2022/1/21