一种基于启发式偏置采样的室内环境机器人探索方法技术

本发明专利技术公开了一种基于启发式偏置采样的室内环境机器人探索方法，其包括：A、初始化；B、进行定位和建图；C、利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；D、机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后优先选择收益值最大的RRT边界点作为目标点进行探索；E、引导机器人向目标点导航并更新地图；F、当先验区域内检测不到边界点时，销毁先验区域；G、循环步骤A

【技术实现步骤摘要】
一种基于启发式偏置采样的室内环境机器人探索方法


[0001]本专利技术涉及机器人
，特别涉及一种基于启发式偏置采样的室内环境机器人探索方法。

技术介绍

[0002]随着计算机软硬件技术的发展以及人工智能技术的突破，服务型移动机器人的研究取得了瞩目的成绩，智能公共服务机器人应用场景和服务模式不断拓展，带动我国服务机器人市场规模高速增长。移动型机器人自主探索是指机器人在没有任何先验知识的情况下，在一个新的环境中通过移动而建立完整环境地图的过程。
[0003]目前，主流的自主探索算法是基于边界点的探索方法，边界将探测空间分为已知区域和未知区域，引导机器人向未知区域探索可以逐步完成对整个环境的建模。在火灾救援、矿井探测等时间要求苛刻的场合，快速完成对整个环境的建模，可以有效帮助施救、开采等任务的进行。
[0004]为了更快速的完成环境建模任务，广大学者的研究重心聚焦于如何探测和选择边界点，边界点的选择直接影响探索效率。然而这类探索策略仅仅考量的是当前时刻的探索路径成本和更新该边界点周围小部分地图带来的的信息收益，而忽略环境结构的潜在收益。比如，在室内环境下，机器人在进入一个房间探索后，一般会有两种动作：1、将房间区域探索完成再转向房间外探索；2、房间区域还未探索完成就转向了房间外，之后再次进入房间探索。显然，第二种动作更浪费时间，效率更低。
[0005]基于快速搜索随机树(RRT)的自主探索策略的核心思想是一种贪婪策略，且边界点的信息增益模型也不设计对周围环境的考量，那么机器人在每一时刻会无视周围已探索的环境结构而选取收益值最大的边界点作为目标点。比如，机器人在一个房间区域探索时，如果房间外的边界点的收益值较大，机器人就转向房间外探索，之后绕回把房间区域探索完毕，这便产生了回溯现象；其次，由于RRT算法本身的随机性，在对边界点的提取时，往往不能及时的将机器人前进区域的边界点提取出去，那么机器人也会出现选择另一个区域探索，又回头探索的现象。导致了机器人探索慢、效率低的问题。

技术实现思路

[0006]本专利技术要解决的技术问题是提供一种探索快、探索效率高的基于启发式偏置采样的室内环境机器人探索方法。
[0007]为了解决上述问题，本专利技术提供了基于启发式偏置采样的室内环境机器人探索方法，其包括：
[0008]A、初始化；
[0009]B、进行定位和建图；
[0010]C、在地图的空闲区域生长两棵快速搜索随机树，利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；进行启发式物体的识别并获取启发式物体的位置信息，
以启发式物体的位置构造先验区域，在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；
[0011]D、当房间边界点存在时，机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后对RRT边界点进行探索，且优先选择收益值最大的RRT边界点作为目标点进行探索；
[0012]E、引导机器人向目标点导航并更新地图；
[0013]F、当先验区域内检测不到边界点时，销毁先验区域；
[0014]G、循环步骤A
‑
F，直至完成整个环境探索。
[0015]作为本专利技术的进一步改进，步骤B具体包括：通过SLAM模块接收传感器数据，更新部分地图为已知的区域，同时通过SLAM模块构建的地图反过来修正机器人的位姿。
[0016]作为本专利技术的进一步改进，所述两棵快速搜索随机树分为全局树和局部树，全局树和局部树均通过以下步骤进行RRT边界点的提取；具体包括：
[0017]C11、将起点添加到树结构中作为根节点，两棵快速搜索随机树的起点都是人为在地图的空闲区域内设定的；
[0018]C12、在地图区域内随机撒点作为候选点；
[0019]C13、若该候选点在已知区域内，则遍历树结构上的所有已有的节点，选取距离候选点最近的节点作为最邻近点，以最邻近点到候选节点的连线作为生长方向；如果最邻近点与候选节点的距离超过预先设定的步长，则由最邻近点沿着生长方向生长一个步长，到达的点作为生长点；如果距离不超过步长，则该候选点作为生长点；
[0020]若候选点在未知区域内，则先找到该候选点的最邻近节点，最邻近点到候选点的连线作为生长方向，然后由最邻近点沿着生长方向向前生长，到达边界的地方作为边界点；
[0021]C14、将生长点和候选节点的连线在地图上做碰撞检测，通过遍历这条直线上所有的栅格点，然后判断该栅格点的栅格状态，如果该栅格点的状态是被障碍物占据的，则碰撞检测不通过，返回步骤C12重新进行采样；如果连线没有碰到障碍物，就将该候选点、生长点和候选节点的连线添加到树结构中；
[0022]其中，当局部树探测到边界点后，局部树会被清除并在机器人当前位置重新生长。
[0023]作为本专利技术的进一步改进，在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；具体包括：
[0024]C21、将启发式物体的位置添加到树结构中作为根节点；
[0025]C22、偏置采样快速搜索随机树算法每次使用一个随机函数来决定采用哪一种采样方式；所述采样方式包括均匀随机采样和偏置采样；
[0026]C23、遍历树结构上的所有已有的节点，选取距离候选点最近的节点作为最邻近点，最邻近点到候选节点的连线作为生长方向；如果最邻近点与候选节点的距离超过预先设定的步长，则由最邻近点沿着生长方向生长一个步长，到达的点作为生长点；如果距离不超过步长，则该候选点作为生长点；
[0027]C24、将生长点和候选节点的连线在地图上做碰撞检测，碰撞测试通过则进入步骤C25，否则返回步骤C22；
[0028]C25、判断通过碰撞测试的生长点是否为边界点，并改变部分边界点的栅格状态；
[0029]C26、根据当前时刻的边界点数目与总边界点数目之比计算覆盖率。
[0030]作为本专利技术的进一步改进，步骤C24具体包括：遍历生长点和候选节点的连线所在直线上的所有的栅格点，然后判断该栅格点的栅格状态，如果该栅格点的状态是被占据的或者是未知的，则碰撞检测不通过，返回步骤C22重新进行采样；如果连线没有碰到障碍物和未知区域，则将该候选点、生长点和候选节点的连线添加到树结构中。
[0031]作为本专利技术的进一步改进，所述剔除RRT边界点和房间边界点中的无效边界点，具体包括：
[0032]C31、将所述RRT边界点和房间边界点通过mean
‑
shift聚类算法聚类后得到质心点；
[0033]C32、实时检测该边界点的栅格状态以及在costmap中的值，若该栅格状态是空闲的且costmap中值超过某一阈值，则该栅格点也作为无效点剔除。
[0034]作为本专利技术的进一步改进，所述以启发式物体的位置构造先验区域，具体包括：
[0035]当机器人识别到启发式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于启发式偏置采样的室内环境机器人探索方法，其特征在于，包括：A、初始化；B、进行定位和建图；C、在地图的空闲区域生长两棵快速搜索随机树，利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；进行启发式物体的识别并获取启发式物体的位置信息，以启发式物体的位置构造先验区域，在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；D、当房间边界点存在时，机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后对RRT边界点进行探索，且优先选择收益值最大的RRT边界点作为目标点进行探索；E、引导机器人向目标点导航并更新地图；F、当先验区域内检测不到边界点时，销毁先验区域；G、循环步骤A
‑
F，直至完成整个环境探索。2.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，步骤B具体包括：通过SLAM模块接收传感器数据，更新部分地图为已知的区域，同时通过SLAM模块构建的地图反过来修正机器人的位姿。3.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，所述两棵快速搜索随机树分为全局树和局部树，全局树和局部树均通过以下步骤进行RRT边界点的提取；具体包括：C11、将起点添加到树结构中作为根节点，两棵快速搜索随机树的起点都是人为在地图的空闲区域内设定的；C12、在地图区域内随机撒点作为候选点；C13、若该候选点在已知区域内，则遍历树结构上的所有已有的节点，选取距离候选点最近的节点作为最邻近点，以最邻近点到候选节点的连线作为生长方向；如果最邻近点与候选节点的距离超过预先设定的步长，则由最邻近点沿着生长方向生长一个步长，到达的点作为生长点；如果距离不超过步长，则该候选点作为生长点；若候选点在未知区域内，则先找到该候选点的最邻近节点，最邻近点到候选点的连线作为生长方向，然后由最邻近点沿着生长方向向前生长，到达边界的地方作为边界点；C14、将生长点和候选节点的连线在地图上做碰撞检测，通过遍历这条直线上所有的栅格点，然后判断该栅格点的栅格状态，如果该栅格点的状态是被障碍物占据的，则碰撞检测不通过，返回步骤C12重新进行采样；如果连线没有碰到障碍物，就将该候选点、生长点和候选节点的连线添加到树结构中；其中，当局部树探测到边界点后，局部树会被清除并在机器人当前位置重新生长。4.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；具体包括：C21、将启发式物体的位置添加到树结构中作为根节点；C22、偏置采样快速搜索随机树算法每次使用一个随机函数来决定采...

【专利技术属性】
技术研发人员：迟文政，刘杰，吕勇，袁媛，陈国栋，孙立宁，
申请(专利权)人：苏州大学，
类型：发明
国别省市：