摘要
一种面向月表的多月球车协作路径规划与任务分配方法,它属于深空探测技术领域。本发明解决了多月球车协作路径规划与任务分配方法的环境感知精度低、感知范围受限、未融合地形崎岖度、资源分布及多机协作,对动态环境适应性差的问题。本发明结合FCN语义分割模型、LSTM模型和CNN模型实现多模态环境感知,且在感知数据处理中融入约束条件,提升了系统在感知受限、信息不完整月表环境下的鲁棒性和安全性。并基于融合了地形崎岖度和资源分布的动态环境热力图进行多月球车协作过程中的任务分配。最后通过分阶段训练策略提高了深度强化学习模型在未知动态环境中的适应性与安全性。本发明方法可以应用于多月球车协作路径规划与任务分配。
技术关键词
月球车
任务分配方法
深度强化学习模型
热力图
激光雷达
红外相机
中央控制器
规划
动态
红外光谱仪
优先级计算方法
图像
掩膜
深空探测技术
生成方式
无障碍环境
多模态环境
像素
样本
语义分割模型
系统为您推荐了相关专利信息
强化学习模型
三维栅格地图
多模态传感器
红外热成像仪
静态障碍物
机载激光雷达系统
时间同步方法
扫描镜
时间延时
图像像素
地磁感应电流
大地电导率
电网拓扑结构
仿真模型
电网设备
数据中心设备
巡检机器人
节点
天牛须搜索算法
工控机