一种未知初始状态的多机器人协同探索方法、装置及系统制造方法及图纸

本发明专利技术提供了一种未知初始状态的多机器人协同探索方法、装置及系统，涉及机器人探索技术领域。本发明专利技术所述的未知初始状态的多机器人协同探索方法，包括：获取多机器人的融合环境信息，对所述融合环境信息进行目标提取，建立目标节点；对所述目标节点进行优化和筛选，建立机器人状态与目标节点图；根据所述机器人状态与目标节点图，采用统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务；根据机器人相互通信实现任务的迭代，完成探索任务。本发明专利技术所述的技术方案，通过多机器人数据关联实现机器人状态图的估计，填补多机器人探索领域中系统状态初始化的空白，解决了需要人为干预的弊端，提供了一套可靠有效的探索方法。

【技术实现步骤摘要】
一种未知初始状态的多机器人协同探索方法、装置及系统
本专利技术涉及机器人探索
，具体而言，涉及一种未知初始状态的多机器人协同探索方法、装置及系统。
技术介绍
移动机器人具有机动灵活，重量轻，体积小且可以携带多种传感器进行环境感知的优点，一直都是机器人研究的重点。现有技术中，通常假设多机器人的状态已知，并对每个机器人使用算法进行单个机器人的状态更新估计，从而对多个机器人的信息进行递增式的估计。然而这样的假设在实际场景以及相关环境的应用上会带来严重的问题。例如救援行动中，利用多机器人实施地下勘探行动时，实际的场景对人与机器人而言都是未知的，在将机器人放到地下环境中后，并不能人为地告知机器人初始状态的信息。因此如何在完全未知的环境下使多个机器人确定自身的状态，以及相对其他机器人的状态成为了目前需要解决的问题。
技术实现思路
本专利技术解决的问题是如何实现未知初始状态下的机器人探索任务。为解决上述问题，本专利技术提供一种未知初始状态的多机器人协同探索方法，包括：获取多机器人的融合环境信息，对所述融合环境信息进行目标提取，建立目标节点；对所述目标节点进行优化和筛选，建立机器人状态与目标节点图；根据所述机器人状态与目标节点图，采用统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务；根据机器人相互通信实现任务的迭代，完成探索任务。本专利技术所述的未知初始状态的多机器人协同探索方法，通过多机器人数据关联实现机器人状态图的估计，填补多机器人探索领域中系统状态初始化的空白，解决了需要人为干预的弊端，为安全救援、反恐、搜救等任务提供了一套可靠有效的探索方法。可选地，所述获取多机器人的融合环境信息包括：确定每一对机器人之间的相对位姿，根据所述相对位姿确定机器人状态估计图；根据所述机器人状态估计图确定局部地图相对于全局地图的转换矩阵，以根据所述转换矩阵将所述全局地图的栅格位置作为索引，从所有所述局部地图提取所述融合环境信息。本专利技术所述的未知初始状态的多机器人协同探索方法，通过相对位姿确定机器人状态估计图以确定局部地图相对于全局地图的转换矩阵，从而从所有局部地图地图信息获得融合环境信息，提高了地图准确性，也提高了探索任务执行效率。可选地，所述对所述融合环境信息进行目标提取，建立目标节点包括：根据所述融合环境信息确定目标边界；根据所述目标边界确定轮廓图像的几何矩；根据所述几何矩确定边界轮廓的目标点信息，以建立所述目标节点。本专利技术所述的未知初始状态的多机器人协同探索方法，根据融合环境信息确定目标边界以确定轮廓图像的几何矩，根据几何矩确定边界轮廓的目标点信息以建立目标节点，获得代表性的目标节点，提升目标点搜索效率，且保证全局搜索完整性，使地图的小角落不会因为生长树采样点过少而丢失。可选地，所述对所述融合环境信息进行目标提取，建立目标节点还包括：采用基于RRT改进的搜索树方法寻找已知环境和未知环境的边界点。本专利技术所述的未知初始状态的多机器人协同探索方法，通过为每个自主移动机器人设置一个搜索树，保障机器人能尽快找到距离其较近的边界点，提高边界点寻找的效率与个数。可选地，所述对所述目标节点进行优化和筛选包括：根据聚类收敛结果确定局部区域的最优目标，根据所述最优目标更新当前的目标节点以作为所述机器人状态与目标节点图的输入。本专利技术所述的未知初始状态的多机器人协同探索方法，根据聚类收敛结果确定局部区域的最优目标更新当前的目标节点以作为机器人状态与目标节点图的输入，在每一时刻进行信息的优化，为机器人团体减小协同策略的计算压力，保障系统的高效性。可选地，所述根据所述机器人状态与目标节点图，采用统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务包括：根据所述目标节点确定可获得信息，并确定所述目标节点与状态节点的距离以及所述状态节点相对于所述目标节点的转向消耗，根据所述可获得信息、所述距离和所述转向消耗确定所述目标节点与机器人节点的边的权重，选择权重最大的边所对应的节点信息完成所述实时导航控制任务。本专利技术所述的未知初始状态的多机器人协同探索方法，通过统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务，有效提高探索任务效率。可选地，所述根据机器人相互通信实现任务的迭代，完成探索任务包括：根据机器人团队的自身状态和环境信息完成多次信息迭代和策略计算，更新所述机器人状态与目标节点图，发布机器人导航控制任务以完成指定区域的探索任务。本专利技术所述的未知初始状态的多机器人协同探索方法，根据机器人团队的自身状态和环境信息完成多次信息迭代和策略计算，更新所述机器人状态与目标节点图，发布机器人导航控制任务以完成指定区域的探索任务，有效提高探索任务效率。本专利技术还提供一种未知初始状态的多机器人协同探索装置，包括：节点模块，用于获取多机器人的融合环境信息，对所述融合环境信息进行目标提取，建立目标节点；优化筛选模块，用于对所述目标节点进行优化和筛选，建立机器人状态与目标节点图；导航控制模块，用于根据所述机器人状态与目标节点图，采用统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务；探索模块，用于根据机器人相互通信实现任务的迭代，完成探索任务。所述未知初始状态的多机器人协同探索装置与上述未知初始状态的多机器人协同探索方法相对于现有技术所具有的优势相同，在此不再赘述。本专利技术还提供一种未知初始状态的多机器人协同探索系统，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的未知初始状态的多机器人协同探索方法。所述未知初始状态的多机器人协同探索系统与上述未知初始状态的多机器人协同探索方法相对于现有技术所具有的优势相同，在此不再赘述。本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如上所述的未知初始状态的多机器人协同探索方法。所述计算机可读存储介质与上述未知初始状态的多机器人协同探索方法相对于现有技术所具有的优势相同，在此不再赘述。附图说明图1为本专利技术实施例的未知初始状态的多机器人协同探索方法的示意图；图2为本专利技术实施例的生长树的程序流程图。具体实施方式在本专利技术中，探索的含义是指针对某一应用场景，移动机器人能够自主地对环境信息进行覆盖式的搜索，建立完整的地图信息。例如在地质勘探领域，据相关的数据统计，世界上每年至少有数千人死于矿难，中国每年在煤矿事故中的死亡人数更是常年位居世界前列。使用地质探索机器人对地质环境进行提前的勘探，不仅能减小施工人员碰到意外事件的概率，而且可以在发生矿难之后，探察地下环境，提高被困人员的生存几率。移动机器人自主探索的研究在军事领域也有着愈发重要的作用，发生战争时，如果使自主移动机器人首先对城市地下空间环境进行勘探，绘制战略地图，将对战争的形势起着决定性作用。对于目前大多数探索任务而言，单个机器人工作的效率往往是很低的。本文档来自技高网...

【技术保护点】
1.一种未知初始状态的多机器人协同探索方法，其特征在于，包括：/n获取多机器人的融合环境信息，对所述融合环境信息进行目标提取，建立目标节点；/n对所述目标节点进行优化和筛选，建立机器人状态与目标节点图；/n根据所述机器人状态与目标节点图，采用统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务；/n根据机器人相互通信实现任务的迭代，完成探索任务。/n

【技术特征摘要】
1.一种未知初始状态的多机器人协同探索方法，其特征在于，包括：
获取多机器人的融合环境信息，对所述融合环境信息进行目标提取，建立目标节点；
对所述目标节点进行优化和筛选，建立机器人状态与目标节点图；
根据所述机器人状态与目标节点图，采用统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务；
根据机器人相互通信实现任务的迭代，完成探索任务。


2.根据权利要求1所述的未知初始状态的多机器人协同探索方法，其特征在于，所述获取多机器人的融合环境信息包括：
确定每一对机器人之间的相对位姿，根据所述相对位姿确定机器人状态估计图；
根据所述机器人状态估计图确定局部地图相对于全局地图的转换矩阵，以根据所述转换矩阵将所述全局地图的栅格位置作为索引，从所有所述局部地图提取所述融合环境信息。


3.根据权利要求1所述的未知初始状态的多机器人协同探索方法，其特征在于，所述对所述融合环境信息进行目标提取，建立目标节点包括：
根据所述融合环境信息确定目标边界；
根据所述目标边界确定轮廓图像的几何矩；
根据所述几何矩确定边界轮廓的目标点信息，以建立所述目标节点。


4.根据权利要求3所述的未知初始状态的多机器人协同探索方法，其特征在于，所述对所述融合环境信息进行目标提取，建立目标节点还包括：
采用基于RRT改进的搜索树方法寻找已知环境和未知环境的边界点。


5.根据权利要求1所述的未知初始状态的多机器人协同探索方法，其特征在于，所述对所述目标节点进行优化和筛选包括：
根据聚类收敛结果确定局部区域的最优目标，根据所述最优目标更新当前的目标节点以作为所述机器人状态与目标节点图的输入。


6.根据权利要求1所述的未知初始状态的多机器人协同...

【专利技术属性】
技术研发人员：屈桢深，杨志伟，董鸿宇，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23