一种基于深度学习的机器人避障轨迹规划方法及系统

摘要

本发明提供了一种基于深度学习的机器人避障轨迹规划方法及系统，包括：在仿真环境中加入照相机，从多个角度拍摄图像并同时输入到卷积神经网络中；根据输入信息得到机械臂更新角度的信息，通过接口调用仿真软件进行更新，获取姿态；用深度学习进行卷积神经网络训练，输入的图像经过卷积运算后，将得到的特征图变成一个一维向量，将一维向量输入到后续的全连接层中，得到每个动作对应的q值，选择q值最大的动作并更新姿态，将更新姿态传入仿真环境得到新的图像输入，循环执行，直至达到目标点。本发明可实现工业机器人的自主避障，提高工业自动化生产能力。