基于多传感器信息融合的复杂地形路径规划方法及系统技术方案

本发明专利技术提出一种基于多传感器信息融合的复杂地形路径规划方法及系统，路径规划方法包括以下步骤：对静态障碍物以及机器人进行外包圆建模，根据此模型，建立系统的初始化环境地图，在此基础上设定每个机器人的目标点，建立其初始人工势场；设置机器人之间的优先级；通过搭载在机器人上的传感器获取周边环境信息，并将其传输至决策层；根据实际障碍物的不同类型设定机器人自主决策逻辑准则，并根据此准则设定不同障碍物的势场函数，以传感器获取到的融合信息进行路径规划决策。本发明专利技术能够充分发挥机器人探测环境、整合信息的能力，使其能够适应复杂地形，快速、高效地完成多机器人协同控制，有效提高了机器人的环境适应性及系统的稳定性。

【技术实现步骤摘要】
基于多传感器信息融合的复杂地形路径规划方法及系统
本专利技术属于机器人控制领域，具体涉及一种基于多传感器信息融合的复杂地形路径规划方法及系统，旨在实现多移动机器人在复杂环境下的路径规划。
技术介绍
近年来，伴随着传感器网络、信息融合、控制技术以及网络通信技术等基础技术的不断发展，机器人的性能在逐步提高，已经开始代替人们完成越来越多的任务，逐渐被应用于各行各业。机器人所完成的任务也不再局限于传统意义中的重复性机械操作，其任务复杂性不断提升，而应用场景的多样化对机器人的自主决策能力提出了更高的要求。单个机器人变得越来越难以满足各行业的应用需求，其边际效应开始变得越来越明显，尽管在性能方面提升了少许，但所需要的成本却是极高的。通过将单个高性能机器人分解为多个低性能机器人可以最大限度地利用现有资源，完成更加复杂的任务。在完成复杂任务时，多机器人能够相互协作，将复杂任务拆解为多个简单任务，逐个执行，从而提高工作效率。然而，多机器人控制方法并不是单个机器人控制方法的简单叠加，在执行任务的时候，如不提供机器人自主决策方法，不制定相应的协作准则，对于某个机器人而言，其他机器人则会成为干扰源，无法达成协作的目的，最终导致系统的混乱甚至崩溃。目前，人工势场算法常用于对单个机器人进行路径规划，通过对目标点添加引力势场，对障碍物添加斥力势场，建立环境的整体势场，并对单个机器人的受力进行分析，根据其合力驱动机器人向某个方向行驶。而将此方法直接运用于多机器人协同控制时，容易出现局部锁死现象，同时，当环境的复杂度增加时，如出现台阶、动态障碍物等，协作系统的混乱程度会进一步增强。因此，在人工势场算法的基础上，要对其进行改进，提出一种适用于复杂地形的基于多传感器信息融合的多机器人路径规划方法具有非常重要的意义。
技术实现思路
本专利技术的目的在于针对上述现有技术中多机器人路径规划效果不佳的问题，提供一种基于多传感器信息融合的复杂地形路径规划方法及系统，从单机器人人工势场路径规划方法出发，通过多传感器信息融合的方法对障碍物的斥力势场进行个体化处理，显著降低了局部锁死的概率，提高了机器人的自主决策能力、复杂环境的适应性以及系统的稳定性。为了实现上述目的，本专利技术有如下的技术方案：一种基于多传感器信息融合的复杂地形路径规划方法，包括以下步骤：-对静态障碍物以及机器人进行外包圆建模，根据此模型，建立系统的初始化环境地图，在此基础上设定每个机器人的目标点，建立其初始人工势场；-设置机器人之间的优先级；-通过搭载在机器人上的传感器获取周边环境信息，并将其传输至决策层；-根据实际障碍物的不同类型设定机器人自主决策逻辑准则，并根据此准则设定不同障碍物的势场函数，以传感器获取到的融合信息进行路径规划决策。作为本专利技术路径规划方法的一种优选方案，所述机器人自主决策逻辑准则包括：低优先级机器人在遇到高优先级机器人时，优先选择避让，而在两个机器人之间不需要协作的场合下，高优先级机器人在安全距离范围外无视低优先级机器人；当某个机器人在某个区域发现了安全阈值范围外的凸起或是凹陷，则优先选择避让，并将该异常点的坐标广播至其他机器人；收到广播的其他机器人将不会对该点继续探查，当距离该点小于阈值时，对该机器人直接附加斥力势场。作为本专利技术路径规划方法的一种优选方案，所述机器人之间的优先级设置方式如下：为所有机器人赋予唯一的ID，作为身份认证，按照编号的大小决定机器人的优先级，若数字越小，则优先级越高。作为本专利技术路径规划方法的一种优选方案，搭载在机器人上获取周边环境信息的传感器包括深度摄像头、加速度传感器及毫米波雷达。作为本专利技术路径规划方法的一种优选方案，所述的深度摄像头用于探测路面的平整度，建立好深度传感器坐标系、当前移动机器人坐标系之后，通过深度摄像头获取每个像素点在深度坐标系下的坐标及其距离扫描中心的相对位置，将像素点在深度坐标系下的坐标点乘坐标变换矩阵，得到其位于移动机器人坐标系下的位置信息，设定移动机器人所在平面为基准面，在安全阈值范围外，如果像素点高于基准面，则标记为凸起像素点，如果像素点低于基准面，则标记为凹陷像素点；凹陷像素点与凸起像素点均为异常像素点，将其位于基准面的投影坐标进行标记，并把相关信息发送至决策层。作为本专利技术路径规划方法的一种优选方案，所述的加速度传感器用于获取机器人的加速度，通过积分运算获取其速度与定位信息；毫米波雷达用于在中短距离范围内获取移动障碍物的速度信息。作为本专利技术路径规划方法的一种优选方案，实际障碍物包括静态障碍物和动态障碍物；静态障碍物划分为大型障碍物与小型障碍物，大型障碍物在机器人初始化后已在地图中进行标记，机器人需进行避让，其斥力势场作为初始势场附加在机器人上，小型障碍物则按照路面凸起进行处理；对于动态障碍物，通过深度摄像头探测其形状与大小，通过毫米波雷达探测其位置与速度，如果动态障碍物较大并堵塞了道路，运动方向为相向而行，则将该障碍物势场函数加至最大，迫使机器人从道路中退出，改道而行，如果障碍物较小，则将其附近斥力势场加大，使机器人避让障碍物，并继续在该道路运行。本专利技术还提供一种基于多传感器信息融合的复杂地形路径规划系统，包括决策控制器，以及用于采集环境信息的传感器，传感器采集到的信息发送给决策控制器，决策控制器输出指令控制车轮按照规划路径进行移动；所述的决策控制器内部具有以下模块：初始人工势场建立模块，用于对静态障碍物以及机器人进行外包圆建模，根据此模型，建立系统的初始化环境地图，在此基础上设定每个机器人的目标点，建立其初始人工势场；优先级设置模块，用于设置机器人之间的优先级；环境信息采集模块，用于通过传感器获取周边环境信息，并将其传输至决策层；决策模块，用于根据实际障碍物的不同类型设定机器人自主决策逻辑准则，并根据此准则设定不同障碍物的势场函数，以传感器获取到的融合信息进行路径规划决策。相较于现有技术，本专利技术至少具有如下的有益效果：通过对静态障碍物以及机器人进行外包圆建模，得到初始化环境地图，并在此基础上设定每个机器人的目标点。设置机器人的优先级编号能够防止机器人之间相互干扰，通过搭载在机器人上的传感器可以获取周边环境信息。最后根据探测到的障碍物的类型，制定相应的自主决策策略，设置障碍物的斥力势场。本专利技术从多传感器信息融合的路径规划方法出发，结合人工势场算法，能够充分发挥机器人探测环境、整合信息的能力，使其能够适应复杂地形，快速、高效地完成多机器人协同控制。本专利技术使移动机器人在面对动态障碍物以及路面凹陷时，能够迅速避障，提高了机器人的环境适应性及系统的稳定性。附图说明为了更加清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作以简单地介绍，应当理解，以下附图仅示出了本专利技术部分实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1本专利技术实施例的初始化环境地图本文档来自技高网...

【技术保护点】
1.一种基于多传感器信息融合的复杂地形路径规划方法，其特征在于，包括以下步骤：/n-对静态障碍物以及机器人进行外包圆建模，根据此模型，建立系统的初始化环境地图，在此基础上设定每个机器人的目标点，建立其初始人工势场；/n-设置机器人之间的优先级；/n-通过搭载在机器人上的传感器获取周边环境信息，并将其传输至决策层；/n-根据实际障碍物的不同类型设定机器人自主决策逻辑准则，并根据此准则设定不同障碍物的势场函数，以传感器获取到的融合信息进行路径规划决策。/n

【技术特征摘要】
1.一种基于多传感器信息融合的复杂地形路径规划方法，其特征在于，包括以下步骤：
-对静态障碍物以及机器人进行外包圆建模，根据此模型，建立系统的初始化环境地图，在此基础上设定每个机器人的目标点，建立其初始人工势场；
-设置机器人之间的优先级；
-通过搭载在机器人上的传感器获取周边环境信息，并将其传输至决策层；
-根据实际障碍物的不同类型设定机器人自主决策逻辑准则，并根据此准则设定不同障碍物的势场函数，以传感器获取到的融合信息进行路径规划决策。


2.根据权利要求1所述基于多传感器信息融合的复杂地形路径规划方法，其特征在于，机器人自主决策逻辑准则包括：
低优先级机器人在遇到高优先级机器人时，优先选择避让，而在两个机器人之间不需要协作的场合下，高优先级机器人在安全距离范围外无视低优先级机器人；
当某个机器人在某个区域发现了安全阈值范围外的凸起或是凹陷，则优先选择避让，并将该异常点的坐标广播至其他机器人；收到广播的其他机器人将不会对该点继续探查，当距离该点小于阈值时，对该机器人直接附加斥力势场。


3.根据权利要求1所述基于多传感器信息融合的复杂地形路径规划方法，其特征在于，机器人之间的优先级设置方式如下：为所有机器人赋予唯一的ID，作为身份认证，按照编号的大小决定机器人的优先级，若数字越小，则优先级越高。


4.根据权利要求1所述基于多传感器信息融合的复杂地形路径规划方法，其特征在于，搭载在机器人上获取周边环境信息的传感器包括深度摄像头、加速度传感器及毫米波雷达。


5.根据权利要求4所述基于多传感器信息融合的复杂地形路径规划方法，其特征在于：
深度摄像头用于探测路面的平整度，建立好深度传感器坐标系、当前移动机器人坐标系之后，通过深度摄像头获取每个像素点在深度坐标系下的坐标及其距离扫描中心的相对位置，将像素点在深度坐标系下的坐标点乘坐标变换矩阵，得到其位于移动机器人坐标系下的位置信息，设定移动机器人所在平面为基准面，...

【专利技术属性】
技术研发人员：曹晖，何旭东，楼润枫，解明辉，陈睿霖，赵俊，王杨杨，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61