多机器人协同移动与动态避障方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种多机器人协同移动与动态避障方法，涉及机器人控制技术领域，能解决多机器人在动态环境下的避障问题。该方法包括以下步骤：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，实时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。本发明专利技术还公开了一种多机器人协同移动与动态避障装置、电子设备和计算机存储介质。

Method, device, equipment and medium of multi robot cooperative movement and dynamic obstacle avoidance

【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。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供一种多机器人协同移动与动态避障方法，通过强化学习对机器人环境进行建模，根据机器人本体在环境中的状态和周围其他智能体的联合状态，获得最优的动作序列，使得机器人在执行相应动作时，能动态避开其他智能体，安全无碰的移动。本专利技术的目的之一采用以下技术方案实现：多机器人协同移动与动态避障方法，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。进一步地，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。进一步地，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；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以及机器人本体半径；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，得到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电坐标的偏角，为机器人本体的移动速度，r为机器人本体半径。进一步地，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定位坐标，计算得到每个智能体在预设时段的实时位移；分别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；生成所述若干智能体的实时状态，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，为智能体与机器人本体的半径之和。进一步地，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，设置所述全连接层的每层神经元个数为384，设置所述全连接层的激活函数为Relu，其表达式为：f(x)=max（0，x）；构建输出层，所述输出层包括两个输出单元和softmax层；将所述输出层与所述连接层拼接，将所述全连接层与所述输出层拼接，形成所述目标卷积神经网络。进一步地，预先构建所述目标卷积神经网络，还包括：训练所述目标卷积神经网络的网络参数，具体包括以下步骤：获取测试样本，将所述测试样本生成状态-值集合，形成测试集；将所述测试集输入所述目标卷积神经网络的输入层，获取所述输出层的输出结果，计算所述输出结果的最小化二次回归误差，通过反向传播所述最小化二次回归误差更新所述目标卷积神经网络的网络参数。进一步地，将所述若干智能体的实时状态输入预先构建的目标卷积神经网络，包括：根据每个智能体距机器人本体的距离，降序排列每个智能体的实时状态，将每个智能体的实时状态依次输入所述目标卷积神经网络的输入层，通过所述输入层输出每个智能体的隐状态；拼接所述隐状态与所述机器人本体的实时状态，形成输入向量；将所述输入向量输入所述目标卷积神经网络的全连接层进行计算；将所述全连接层的输出向量与所述输出层的输出结果进行全连接，并通过softmax层处理所述输出结果后，输出实时动作响应。本专利技术的目的之二在于提供一种多机器人协同移动与动态避障装置，旨在实现动态环境下的实时任务分配和路径规划，提高多机器人调度过程中的通讯效率，从而提升客户体验。本专利技术的目的之二采用以下技术方案实现：多机器人协同移动与动态避障装置，其包括：本体状态采集模块，用于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；点云数据处理模块，用于采集实时点云数据，对所述点云数据进行预处理，并检测所述预处理后的点云数据中的若干智能体；智能体状态计算模块，用于分别计算所述若干智能体的实时状态；响应动作生成模块，用于将所述若干智能体的实时状态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。本专利技术的目的之三在于提供执行专利技术目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的多机器人协同移动与动态避障方法。本专利技术的目的之四在于提供存储专利技术目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的多机器人协同移动与动态避障方法。相比现有技术，本专利技术的有益效果在于：本专利技术基于预先构建的目标卷积神经网络和预先构建的环境地图，实时获取机器人的环境状态作为输入信息，通过该目标卷积神经网络输出响应动作，使得机器人能根据响应动作移动，实现动态避障。附图说明图1是本专利技术多机器人协同移动与动态避障方法的流程原理图；图2是实施例2中的多机器人协同移动与动态避障装置的结构框图；图3是实施例3的电子设备的结构框图。具体实施方式以下将结合附图，对本专利技术进行更为详细的描述，需要说明的是，参照附图对本专利技术进行的描述仅是示意性的，而非限制性的。各个不同实施例之间可以进行相互组合，以构成未在以下描述中示出的其他实施例。实施例1本实施例提供了一种多机器人协同移动与动态避障方法，首先预先对机器人本体所处的环境本文档来自技高网...

【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