基于卷积神经网络的巡检机器人路径规划方法

基于卷积神经网络的巡检机器人路径规划方法，首先，提出基于卷积神经网络的最优路径可行域预测模型，预测出路径规划任务中起点到目标点的可行域分布地图，进而从缩小采样域范围的角度实现缩短路径规划时间，提升路径规划的时间效率；然后，提出切线寻优法来优化最终路径中存在的冗余节点，进一步减小路径代价；最后，提出分段三次Hermite插值优化方法来处理切线寻优后路径中的拐点，将路径中的拐点进行平滑处理，以保障巡检机器人安全平稳的进行转向运动。本发明提供一种基于卷积神经网络改进的RRT*路径规划方法(NRRT*)，该方法可应用于变电站环境下巡检机器人的路径规划，具有明显的优越性和有效性；同时也为输配变电智能巡检路径规划提供了新的方向。