泳池机器人的复杂路径规划的强化学习脱困方法及系统

本发明涉及人工智能技术领域，揭露了一种泳池机器人的复杂路径规划的强化学习脱困方法及系统，包括：提取水下全息图像中的深度融合特征，分析深度融合特征的多维特征语义，确定泳池机器人所处环境中的环境障碍物；计算出环境障碍物对应的障碍感知距离；基于声波信号频率，计算出声纳装置在水下环境中对应的介质吸能系数，计算声纳装置在水中的声能传播损耗，计算出声纳装置对应的辐射声强级，计算环境障碍物对应的障碍物强度；计算出环境障碍物对应的回波信号能量强度，制定泳池机器人关于环境障碍物对应的脱困‑清洁规划路径，执行泳池机器人的运动控制处理，得到控制结果。本发明可以提高泳池机器人在复杂路径中的规划准确性。