【技术实现步骤摘要】
多机器人协同移动与动态避障方法、装置、设备及介质
本专利技术涉及机器人控制
，尤其涉及一种多机器人协同移动与动态避障方法、装置、设备及介质。
技术介绍
近年来，受益于深度学习和传感器感知技术的发展以及ROS等机器人操作系统的不断完善，大量的机器人产品得以走向市场。在移动类机器人中，轮式机器人较为普遍，对轮式机器人而言，完善的动态路径规划与避障方法是其正常作业的前提，但同时也是优化轮式机器人性能面临的核心难题。常见的传统动态避障方法，如DWA、TEB局部路径规划算法应用在移动类机器人上时，并没有考虑周围物体的动态运动，且通过代价函数的方法寻找最优解，容易使规划路径陷入局部最优，导致机器人反复震荡。但在日常应用场景中，机器人的工作环境往往是复杂动态的，如机场候机楼、车站候车厅等应用场景中，机器人在按规划路径运动时，既要动态避开行人，还要考虑附近多机器人移动过程中的相互影响，在此我们将移动的行人和物体统称为智能体。那么如何解决多机器人在协同移动过程时，动态避开其他智能体是提高机器人性能的关键。...
【技术保护点】
1.一种多机器人协同移动与动态避障方法，其特征在于，包括以下步骤：/n获取机器人本体位姿，根据预先构建的三维点云地图和所述机器人本体位姿，计算机器人本体的实时状态；/n采集实时点云数据，对所述点云数据进行预处理；/n检测所述预处理后的点云数据中的若干智能体；/n分别计算所述若干智能体的实时状态；/n将所述若干智能体的实时状态信息依次输入预先构建的目标卷积神经网络，执行所述目标卷积神经网络输出的实时响应动作。/n
【技术特征摘要】
1.一种多机器人协同移动与动态避障方法，其特征在于，包括以下步骤：
获取机器人本体位姿，根据预先构建的三维点云地图和所述机器人本体位姿，计算机器人本体的实时状态；
采集实时点云数据，对所述点云数据进行预处理；
检测所述预处理后的点云数据中的若干智能体；
分别计算所述若干智能体的实时状态；
将所述若干智能体的实时状态信息依次输入预先构建的目标卷积神经网络，执行所述目标卷积神经网络输出的实时响应动作。
2.如权利要求1所述的多机器人协同移动与动态避障方法，其特征在于，通过3D激光雷达采集所述点云数据，对所述点云数据进行预处理，包括：删除地面及与所述机器人本体的直线距离大于5m的点云数据。
3.如权利要求1所述的多机器人协同移动与动态避障方法，其特征在于，根据预先构建的三维点云地图和所述机器人本体位姿，计算机器人本体的实时状态，具体包括：
获取机器人本体在所述三维点云地图中的定位坐标和机器人本体半径；
获取所述机器人本体位姿中的目标点坐标、机器人本体到所述目标点坐标的偏角、机器人本体的移动速度；
根据所述定位坐标和所述目标点坐标，计算机器人本体到目标点坐标的距离；
生成机器人本体的实时状态集合，如下所示：
；
其中，dg为机器人本体到目标点坐标的距离，为机器人本体到目标点坐标的偏角，为机器人本体的移动速度，r为机器人本体半径。
4.如权利要求3所述的多机器人协同移动与动态避障方法，其特征在于，
分别计算所述若干智能体的实时状态，包括：
分别获取每个智能体在三维点云地图中的实时定位坐标和半径；
分别根据每个智能体在三维点云地图中实时坐标，计算得到每个智能体在预设时段的实时位移；
通过对每个智能体的实时位移进行时间微分，计算得到每个智能体的移动速度；
根据所述机器人本体的实时状态，分别计算每个智能体距所述机器人本体的距离以及每个智能体与所述机器人本体的半径之和；
生成每个智能体的实时状态，如下所示：
；其中，，为智能体在三维点云地图中的定位
坐标，、为智能体的移动速度，为智能体距机器人本体的距离，为智能体与
所述机器人本体的半径之和。
5.如权利要求1所述的多机器人协同移动与动态避障方法，其特征在于，预先构建所述目标卷积神经网络，包括以下步骤：
构建输入层，所述输入层包括两个GRU网络；
构建全连接层，所述全连接层的每层神经元个数设置为3...
【专利技术属性】
技术研发人员：嵇望，丁大为，江志勇，
申请(专利权)人：浙江远传信息技术股份有限公司，
类型：发明
国别省市：浙江;33
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。