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