一种多智能体自主式跟踪方法、装置及计算机可存储介质制造方法及图纸

本发明专利技术涉及一种基于自适应避撞机制的多智能体自主式跟踪方法、装置及计算机可存储介质。本发明专利技术通过构建了智能体运动控制代价函数，引入了暴力优化匹配及动态权值策略，描述了一种新颖的动态自适应的多智能体避撞责任划分方法，可大幅降低目标跟踪过程中多智能体避撞速度解集出现空集的概率，并通过全局最优控制器同时兼顾多智能体连续探测性能与运动平稳性，从而有效保障多智能体自主式跟踪的连续性与稳定性。

A Multi-Agent Autonomous Tracking Method, Device and Computer Storage Media

【技术实现步骤摘要】
一种多智能体自主式跟踪方法、装置及计算机可存储介质
本申请实施例涉及计算机
，特别是涉及一种基于自适应避撞机制的多智能体自主式跟踪方法、装置及计算机可存储介质。
技术介绍
目前，基于智能体的自动跟踪技术在机场、商店、剧院、交通路口等众多场景中具有广泛应用前景。通过多智能体的协同控制以及有效的信息交互反馈，基于视频传感器的自主式跟踪目的在于对感兴趣目标实施连续高精度定位，同时能够尽可能持续探测目标形状、大小等重要特征。然而，在移动视频传感器目标追踪过程中，智能体的移动受限于自身探测方式、观测区域及运动模式，且与目标实时运动特征密切关联，尤其当多个智能体在同一场景中执行任务且各自跟踪对应的目标时，若多目标的运动路径发生交叉，则很可能导致多智能体相互碰撞或目标丢失现象。目前，大多数避撞方法通过智能体之间的相对速度来判决，为各智能体解算出安全的运动速度。其中，每个智能体独立计算得到与自身期望速度最为接近的安全速度。例如，某个智能体在运动过程中的单个时刻，若其他智能体没有以相同的方式和路径来执行移动控制，则此智能体能够以期望的速度实施自身运动。在此情况下，假如网络中每个智能体均可以感知到邻居智能体的位置，且预知其期望速度，则此类基于相对速度的避撞方法不需要邻居节点之间进行通信即可以顺利执行协同目标探测与跟踪任务。然而，当环境中智能体或目标密集且交叉运动现象严重时，传统基于相对速度的避撞方法在计算多智能体运动路径的过程中将面临无解的情况，即无法得到能够同时满足所有智能体相互避撞且连续跟踪目标的速度解集。虽然，已有方法通过调整智能体两两之间的速度约束，以便在空集发生的情况下具有至少一个速度解。但是，这种方法虽然缓解了空集问题，但智能体的移动完全依赖于邻近的智能体状况，其运动稳定性难以保障。
技术实现思路
为了解决上述问题，本专利技术提供了一种基于自适应避撞机制的多智能体自主式跟踪方法、装置及计算机可存储介质，其能够有效保障多智能体自主式跟踪的连续性与稳定性。本专利技术第一方面公开一种基于自适应避撞机制的多智能体自主式跟踪方法，该方法包括：获取当前时刻目标智能体的期望速度；根据所述期望速度计算所述目标智能体的动态自适应避撞权值；根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集；若所述目标智能体与参考智能体之间的避撞速度可行集为非空集，则根据所述避撞速度可行集计算所述目标智能体的最终速度可行集；若所述最终速度可行集为非空集，则构建所述目标智能体的跟踪代阶函数与运动平稳代阶函数,所述跟踪代阶函数用于控制观察目标始终在所述目标智能体的观测区域中心，所述运动平稳代阶函数用于控制所述目标智能体运动的平稳性；根据所述跟踪代阶函数与所述运动平稳代阶函数计算所述目标智能体的运动控制解集；根据所述运动控制解集控制所述目标智能体跟踪所述观察目标。作为一种可选的实施方式，所述方法还包括：若所述避撞速度可行集是空集，则控制所述目标智能体停止运动并获取下一时刻目标智能体的期望速度，并执行所述根据所述期望速度计算所述目标智能体的动态自适应避撞权值、所述根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集，直至所述目标智能体与参考智能体之间的避撞速度可行集为非空集。作为一种可选的实施方式，构建所述目标智能体的跟踪代阶函数与运动平稳代阶函数，包括:根据所述观察目标的当前位置与所述观测区域中心之间的位置偏差计算所述跟踪代阶函数；根据所述目标智能体的实时速度变化状态及所述跟踪代阶函数计算所述运动平稳代阶函数。作为一种可选的实施方式，所述根据所述跟踪代阶函数与所述运动平稳代阶函数计算所述目标智能体的运动控制解集，包括：基于所述跟踪代阶函数与所述运动平稳代阶函数，通过暴力匹配模型最小化计算智能体运动控制解集，其中，所述暴力匹配模型包括所述目标智能体的避撞责任权值。作为一种可选的实施方式，所述根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集，包括：根据所述目标智能体与参考智能体之间的相对期望速度，得到最短路径向量，所述最短路径向量表示在预设时间段内所述目标智能体与所述参考智能体能够实现避免碰撞的最小相对速度变化值；根据所述最短路径向量计算所述目标智能体的预选避撞速度可行集；根据所述最短路径向量计算所述参考智能体的预选避撞速度可行集；根据所述目标智能体的预选避撞速度可行集、所述参考智能体的预选避撞速度可行集、所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集。作为一种可选的实施方式,所述动态自适应避撞权值通过所述目标智能体的预选避撞速度可行集与所述参考智能体的预选避撞速度可行集的比率确定。作为一种可选的实施方式，所述根据所述避撞速度可行集计算所述目标智能体的最终速度可行集，包括：从所述避撞速度可行集中挑选出满足预设约束条件的元素，并得到所述最终速度可行集。本专利技术第二方面公开了一种基于自适应避撞机制的多智能体自主式跟踪装置，所述装置包括获取模块、第一计算模块、第二计算模块、第三计算模块、第四计算模块、第一判断模块、第二判断模块、构建模块、控制模块，其中：所述获取模块，用于获取当前时刻目标智能体的期望速度；所述第一计算模块，用于根据所述期望速度计算所述目标智能体的动态自适应避撞权值；所述第二计算模块，用于根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集；所述第一判断模块，用于判断出所述目标智能体与参考智能体之间的避撞速度可行集是否是空集；所述第三计算模块，用于当所述第一判断模块判断所述目标智能体与参考智能体之间的避撞速度可行集为非空集时，根据所述避撞速度可行集计算所述目标智能体的最终速度可行集；所述第二判断模块，用于判断所述最终速度可行集是否为空集；所述构建模块，用于当所述第二判断模块判断出所述最终速度可行集为非空集时，构建所述目标智能体的跟踪代阶函数与运动平稳代阶函数,所述跟踪代阶函数用于控制观察目标始终在所述目标智能体的观测区域中心，所述运动平稳代阶函数用于控制所述目标智能体运动的平稳性；所述第四计算模块，用于根据所述跟踪代阶函数与所述运动平稳代阶函数计算所述目标智能体的运动控制解集；所述控制模块，用于根据所述运动控制解集控制所述目标智能体跟踪所述观察目标。本专利技术第三方面公开了另一种基于自适应避撞机制的多智能体自主式跟踪装置，该装置包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行本专利技术第一方面所述的一种基于自适应避撞机制的多智能体自主式跟踪方法。本专利技术第四方面公开一种计算机可存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本专利技术第一方面所述的一种基于自适应避撞机制的多智能体自主式跟踪方法。与现有技术相比，本专利技术的有益效果为：本专利技术通过构建了目标智能体的运动控制代价函数，引入了暴力优化匹配及动态权值策略，描述了一种新颖的动态自适应的多智能体避撞责任划分方法，可大幅降低智能体避撞速度解集出现空集的概率，并通过全局最优控制器同时兼顾多智能体连续探测性能与运动平稳性，从而有效保障多智能体自主式跟踪的连续性与稳定性。附图说明为了更清楚地本文档来自技高网...

【技术保护点】
1.一种基于自适应避撞机制的多智能体自主式跟踪方法，其特征在于，所述方法包括：获取当前时刻目标智能体的期望速度；根据所述期望速度计算所述目标智能体的动态自适应避撞权值；根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集；若所述目标智能体与参考智能体之间的避撞速度可行集为非空集，则根据所述避撞速度可行集计算所述目标智能体的最终速度可行集；若所述最终速度可行集为非空集，则构建所述目标智能体的跟踪代阶函数与运动平稳代阶函数,所述跟踪代阶函数用于控制观察目标始终在所述目标智能体的观测区域中心，所述运动平稳代阶函数用于控制所述目标智能体运动的平稳性；根据所述跟踪代阶函数与所述运动平稳代阶函数计算所述目标智能体的运动控制解集；根据所述运动控制解集控制所述目标智能体跟踪所述观察目标。

【技术特征摘要】
1.一种基于自适应避撞机制的多智能体自主式跟踪方法，其特征在于，所述方法包括：获取当前时刻目标智能体的期望速度；根据所述期望速度计算所述目标智能体的动态自适应避撞权值；根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集；若所述目标智能体与参考智能体之间的避撞速度可行集为非空集，则根据所述避撞速度可行集计算所述目标智能体的最终速度可行集；若所述最终速度可行集为非空集，则构建所述目标智能体的跟踪代阶函数与运动平稳代阶函数,所述跟踪代阶函数用于控制观察目标始终在所述目标智能体的观测区域中心，所述运动平稳代阶函数用于控制所述目标智能体运动的平稳性；根据所述跟踪代阶函数与所述运动平稳代阶函数计算所述目标智能体的运动控制解集；根据所述运动控制解集控制所述目标智能体跟踪所述观察目标。2.如权利要求1所述的方法，其特征在于，所述方法还包括：若所述避撞速度可行集是空集，则控制所述目标智能体停止运动并获取下一时刻目标智能体的期望速度，并执行所述根据所述期望速度计算所述目标智能体的动态自适应避撞权值、所述根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集，直至所述目标智能体与参考智能体之间的避撞速度可行集为非空集。3.如权利要求1或2所述的方法，其特征在于，构建所述目标智能体的跟踪代阶函数与运动平稳代阶函数，包括:根据所述观察目标的当前位置与所述观测区域中心之间的位置偏差计算所述跟踪代阶函数；根据所述目标智能体的实时速度变化状态及所述跟踪代阶函数计算所述运动平稳代阶函数。4.如权利要求3所述的方法，其特征在于，所述根据所述跟踪代阶函数与所述运动平稳代阶函数计算所述目标智能体的运动控制解集，包括：基于所述跟踪代阶函数与所述运动平稳代阶函数，通过暴力匹配模型最小化计算智能体运动控制解集，其中，所述暴力匹配模型包括所述目标智能体的避撞责任权值。5.如权利要求3所述的方法，其特征在于，所述根据所述动态自适应避撞权值计算所述目标智能体与参考智能体之间的避撞速度可行集，包括：根据所述目标智能体与参考智能体之间的相对期望速度，得到最短路径向量，所述最短路径向量表示在预设时间段内所述目标智能体与所述参考智能体能够实现避免碰撞的最小相对速度变化值；根据所述最短路径向量计算所述目标智能体的预选避撞速度可行集；根据所述最短路径向量计算所述参考智能体的预选避撞速度可行集；根据所述目标智能体的预选避撞速...

【专利技术属性】
技术研发人员：刘瑜，李岩山，王海鹏，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44