【技术实现步骤摘要】
基于地面机器人的协同搜索围堵方法
本专利技术涉及计算机视觉、图像处理、实时建图、路径规划等领域,解决了在未知环境中多机器人如何搜索围堵特定目标。
技术介绍
随着机器人技术的发展,人们对机器人的要求不再局限于单个机器人。近年来,随着机器人生产线的出现及柔性制造系统的应用,研究人员对由多个机器人组成的系统平台越来越感兴趣,多机器人的研究已经成为机器人学研究的一个重要方面。尤其在军工领域,多个机器人如何在未知环境中,建立环境地图,检测跟踪特定目标,并最终实现目标围捕,已越来越成为一个热点方向。地面机器人协同搜索围捕主要有三部分技术。实时建图,目的是建立未知环境的地图,是后续路径规划的前提,常用的方法有基于激光雷达或者双目摄像头的同步定位与建图方法(SimultaneousLocalizationandMapping,SLAM)等。检测跟踪,目的是从复杂环境中检测出目标物体,并持续跟踪,为路径规划提供路径终点,现有的检测算法以基于深度学习的算法为主,包括FasterRCNN(FasterRegionswithConvolutionalNeuralNetworkfeatures,高速基于区域的卷积神经网络检测算法)、YOLO(YouOnlyLookOnce,一眼检测算法)、SSD(SingleShotMultiBoxDetector,单图多尺度检测算法)等检测方法,常用的跟踪算法主要包括KCF(KernelCorrelationFilter,核相关滤波跟踪算法)、TLD(Tracking-Learning-Detection,跟踪-学习-检测集成跟踪算法)等算法。若 ...
【技术保护点】
1.一种基于地面机器人的协同搜索围堵方法,其特征是,利用搭载摄像头和处理器的地面机器人进行目标搜索,其中一台机器人额外搭载激光雷达,所述搭载激光雷达的机器人利用激光雷达建立环境地图,并将地图传输给其它机器人,所有机器人通过摄像头获取周围环境的图像信息并进行处理,利用事先训练好的检测和跟踪算法,在多个物体中识别出指定目标物体,对其进行长时间跟踪,机器人之间通过无线网络进行数据传输;某个机器人检测到目标会对其进行跟踪,并将目标位置信息实时发送给其它地面机器人;其它机器人根据目标点位置,进行实时路径规划,从而进行围捕。
【技术特征摘要】
1.一种基于地面机器人的协同搜索围堵方法,其特征是,利用搭载摄像头和处理器的地面机器人进行目标搜索,其中一台机器人额外搭载激光雷达,所述搭载激光雷达的机器人利用激光雷达建立环境地图,并将地图传输给其它机器人,所有机器人通过摄像头获取周围环境的图像信息并进行处理,利用事先训练好的检测和跟踪算法,在多个物体中识别出指定目标物体,对其进行长时间跟踪,机器人之间通过无线网络进行数据传输;某个机器人检测到目标会对其进行跟踪,并将目标位置信息实时发送给其它地面机器人;其它机器人根据目标点位置,进行实时路径规划,从而进行围捕。2.如权利要求1所述的基于地面机器人的协同搜索围堵方法,其特征是,具体地:建立环境地图是基于Gmapping算法来建立地图并确定自身位置,Gmapping是一种粒子滤波算法,将定位和建图过程分离,先进行定位再进行建图,利用激光雷达得到的点云信息,对机器人的自身里程计进行修正,达到实时建图的效果,并将建好的地图通过机器人操作系统ROS(TheRobotOperatingSystem)利用无线网络传输给其它地面机器人;检测和跟踪算法是采用改进的TLD跟踪算法和改进的基于深度学习的YOLOv3-tiny的检测算法,机器人对摄像头内的目标进行检测,如果检测到目标,切换到跟踪算法对目标进行跟踪,如果跟丢,重新进入检测模式,对周围物体进行检测,对目标再捕获,当某个机器人寻找到目标,将目标位置信息实时发送给其它机器人;路径规划算法,考虑复杂环境障碍与机器人避碰避障等约束条件,建立综合路径长度和光滑程度的性能指标,采用RRT算法,为每个机器人规划出一条安全可行的优化路径,从而能对目标物体进行围捕。3.如权利要求2所述的基于地面机器人的协同搜索围堵方法,其特征是,检测算法使用改进的使用自制数据集训练的YOLOv3-tiny,网络提升提取部分卷积层均使用卷积核大小为3,步长为1,扩充尺寸为1的参数结构,采用卷积层-激活函数层-批量归一化层BatchNorm-最大池化层作为的基本单元,多层堆叠成最终的特征提取部分;采用六种不同大小的锚点anchor,六种锚点的大小通过对训练集的目标形状进行K近邻算法(k-means)聚类得到,不同锚点分别在网络的不同尺度上进行检测,在特征提取网络第14层后检测大物体,此处特征图经过了5次下采样,特征图尺度减小为输入的1/32,使用特征图尺度较大的三个锚点用于检测大物体;对特征提取网络第14层经过1*1卷积之后经过反卷积之后和特征提取网络第8层进行堆叠concat,此处特征图经过了4次下采样,特征图尺度减小为输入的1/16,使用较小的三个锚点用于检测小物体;为了提升网络的运行速度,将网络输入变为320*320的大小,训练阶段利用随机尺度输入来提升网络检测效果,随机输入范围为[224,416]每隔32取一个尺度,对应的最后一层特征图大小范围为[7,13],训练的最后200次迭代,固定使用320*320大小的输入;具体制作11...
【专利技术属性】
技术研发人员:窦立谦,王永镇,邢娜,马秀俞,董圣然,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。