一种基于风险边界的大型散料装备路径规划方法

本发明公开了一种基于风险边界的大型散料装备路径规划方法，该方法涉及机器学习、路径规划等领域。首先，利用确定性点云点云获取环境中的障碍物，计算出在给定风险容忍度下安全区域的边界，来定义障碍物的风险边界，通过专家演示学习决策策略训练神经网络采样器。随后，构建神经成本估计器以从样本中选择最佳信息状态，使用神经网络递归地向起点和目标双向推进，再基于平方和优化验证中间连接的碰撞风险。与其他方法相比，本发明不仅可以应用于大型散料装备的路径规划，还可以扩展到其他领域和场景，例如无人驾驶车辆、无人机导航、环境监测等。