一种基于点云的多智能体超视距网联协同感知动态决策方法技术

本发明专利技术公开了一种基于点云的多智能体超视距网联协同感知动态决策方法，涉及机器人感知以及多智能体协作领域。本发明专利技术的基于点云的多智能体超视距网联协同感知动态决策方法，通过维护智能体的障碍物列表及全局异常路径列表，将协同感知与路径规划相结合，能够实现多智能体协同感知及多智能体协同规划调度任务。引入了重规划机制，可使智能体系统根据感知信息进行动态决策，提升了对动态复杂环境的适应能力。而引入时间窗路径规划的路径跟随算法，可根据时间条件动态调整运行速度，为协同路径规划算法提供控制支撑。进一步的，通过添加改进的避障算法，遇到障碍物时会先判断智能体能否自主避障，若无法避障则执行重规划，降低了重规划的频率，提高智能体运行效率。提高智能体运行效率。提高智能体运行效率。

【技术实现步骤摘要】
一种基于点云的多智能体超视距网联协同感知动态决策方法


[0001]本专利技术涉及机器人感知以及多智能体协作领域，具体涉及一种基于点云的多智能体超视距网联协同感知动态决策方法。

技术介绍

[0002]随着时代的发展进步，自动化工厂、智能仓储物流等应用场景对多智能体感知与协作能力的需求越来越高。传统的多智能体任务基于结构化场景地图，智能体按照固定路线行驶，各智能体完成各自固定任务，无法实时更改运行策略，抗干扰能力弱、效率低、无法应对突发状况，无法适应结构不规则、没有预定义的数据模型且动态变化的复杂非结构化场景。而5G通信技术的发展、智能体自主感知能力的提升，为多智能体在非结构化场景下通过通信网联协同感知，协同动态调度规划提供了可能。

技术实现思路

[0003]本专利技术的目的在于克服上述现有技术的缺点，提供一种基于点云的多智能体超视距网联协同感知动态决策方法。
[0004]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0005]与现有技术相比，本专利技术具有以下有益效果：
[0006]一种基于点云的多智能体超视距网联协同感知动态决策方法，包括以下步骤：
[0007]步骤1、构建三维场景地图，对智能体进行实时定位；
[0008]步骤2、获取原始点云后，通过下采样、地面分割、坐标系变换和场景背景分离预处理操作得到障碍物点云，之后通过欧式聚类方法聚类出脱离原始场景之外的障碍物；
[0009]步骤3、搭建基于集中式通信框架的可进行协同感知动态决策的调度系统，所述调度系统基于实时的智能体运行状态信息、定位信息以及障碍物信息，引入智能体障碍物列表以及全局异常路径列表，在进行任务路径规划时，通过遍历全局拓扑路径和全局异常路径来维护一个可执行路径的地图，结合最短路径算法以及时间窗分配，实现多智能体协同的全局路径规划，并进行广播路径，实现协同感知与路径规划的结合；
[0010]步骤4、当智能体端接收到广播的路径信息后，执行基于时间窗优化的动态调节速度的路径跟随，并根据实时的障碍物检测信息切换到避障状态或者上传异常信息执行动态重规划，同时发送实时的智能体运行状态信息、定位信息以及障碍物信息。
[0011]进一步的，步骤2中的场景背景分通过获取全局场景地图，进行去地面和去顶的处理，生成三维栅格地图，根据所述三维栅格地图对实时的点云进行过滤，实现障碍物与场景的分离；根据每个聚类的几何坐标信息，获取到每个障碍物垂直于坐标系的包围框。
[0012]进一步的，在步骤3中的调度系统进行路径规划前，各智能体感知周围环境障碍物后，将障碍物信息上传给调度系统；所述调度系统为每个智能体分别维护障碍物列表，所述障碍物列表存储有当前智能体实时上传的各障碍物在全局地图下的位置及包围框尺寸信息，根据各障碍物列表中的障碍物的位置及包围框尺寸信息，判断对全局拓扑路径的占用
情况，将被占用的路径段添加到异常路径列表中，基于各障碍物列表维护一个实时的全局异常路径列表，所述实时的全局异常路径列表存储有全局拓扑路径中所有被障碍物占用的路径段；
[0013]在进行任务路径规划时，调度系统通过遍历全局拓扑路径和全局异常路径来共同维护一个实时的可执行路径的拓扑地图；
[0014]当调度系统有任务起点终点输入时，首先将任务分配给距离最近的空闲的智能体，将所述实时的可执行路径的拓扑地图作为地图输入，执行最短路径规划算法并进行时间窗分配，完成路径规划，并将路径下发给智能体。
[0015]进一步的，在为每个智能体添加障碍物列表的过程中，当调度系统遍历当前智能体上传的障碍物信息时，同时遍历其它在线的各智能体的定位信息，判断是否有其它智能体的位置在当前遍历的障碍物的包围框内；若有，则将当前遍历的障碍物识别为智能体，不添加到当前智能体障碍物列表中。
[0016]进一步的，当步骤3中的调度系统进行路径规划时，所述调度系统接收智能体定位及状态信息后，为每个智能体注册信息，同时根据智能体的位置及状态信息，进行任务分配和路径规划；
[0017]在路径规划使用空间与时间复用的路径规划算法，在最短路径规划的基础上引入以路径段为单位的时间窗机制，在最短路径规划时保留多条路径，根据时间窗分配情况，将其中路径最短的一条作为规划路径。
[0018]进一步的，步骤4中的智能体进行路径跟随或避障时，当智能体端遇到前方路径有障碍物遮挡且无法避让时，暂停行驶并置状态异常，同时上传状态信息；
[0019]当调度系统接收到异常信息时，遍历所有智能体的当前任务，并与异常路径列表作对比，基于对比结果为所有任务包含异常路径的智能体重新规划出可行使路径，同时下发任务路径给各智能体，以实现多车重规划的功能。
[0020]进一步的，当障碍物在智能体的视距外时，若有其它智能体检测到障碍物遮挡了所述智能体的路径，则调度系统对所述智能体的路径进行重规划。
[0021]进一步的：在智能体运行过程中，实时检测当前路径是否有障碍物遮挡，若无则正常行驶；
[0022]若当前路径有障碍物遮挡，则调用避障算法计算局部运行轨迹，规划出局部的避障路径，计算以最大速度运行所述避障路径的时间代价，同时以最大速度运行下原本路径下的时间代价；将时间代价与调度系统规划的到达目标点的时间作对比，若能够在规划的时间内到达，则选择执行避障算法进行避障；若无法在规划的时间内到达或无法避障，则暂停行驶，调整智能体状态，触发重规划。
[0023]进一步的，当步骤4中智能体进行路径跟随时，智能体结合下一个目标点的时间点和实时到达下一目标点的距离，计算实时所需速度，在行驶的过程中动态调节所述智能体的速度，使得智能体可以在调度系统规划的时间窗内完成在当前路径上的运行任务，保证智能体按照规划的时间窗及路径行驶。
[0024]本专利技术的基于点云的多智能体超视距网联协同感知动态决策方法，通过维护智能体的障碍物列表及全局异常路径列表，将协同感知与路径规划相结合，能够实现多智能体协同感知及多智能体协同规划调度任务。引入了重规划机制，可使智能体系统根据感知信
息进行动态决策，提升了对动态复杂环境的适应能力。本专利技术对于结构不规则、没有预定义的数据模型且动态变化的复杂非结构化场景，可保证多智能体动态、协同、高效地完成行驶任务。
[0025]进一步的，引入时间窗路径规划的路径跟随算法，该算法可根据时间条件动态调整运行速度，为协同路径规划算法提供控制支撑。
[0026]进一步的，通过添加改进的避障算法，遇到障碍物时会先判断智能体能否自主避障，若无法避障则执行重规划，降低了重规划的频率，提高智能体运行效率。
附图说明
[0027]图1为本专利技术方法的框架流程图；
[0028]图2为本专利技术所用感知及定位框架图；
[0029]图3为本专利技术三维建图可视化结果；
[0030]图4为本专利技术智能体运动控制框架图；
[0031]图5为各智能体与调度系统运行时交互流程图；
[0032]图6为本专利技术调度系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云的多智能体超视距网联协同感知动态决策方法，其特征在于，包括以下步骤：步骤1、构建三维场景地图，对智能体进行实时定位；步骤2、获取原始点云后，通过下采样、地面分割、坐标系变换和场景背景分离预处理操作得到障碍物点云，之后通过欧式聚类方法聚类出脱离原始场景之外的障碍物；步骤3、搭建基于集中式通信框架的可进行协同感知动态决策的调度系统，所述调度系统基于实时的智能体运行状态信息、定位信息以及障碍物信息，引入智能体障碍物列表以及全局异常路径列表，在进行任务路径规划时，通过遍历全局拓扑路径和全局异常路径来维护一个可执行路径的地图，结合最短路径算法以及时间窗分配，实现多智能体协同的全局路径规划，并进行广播路径，实现协同感知与路径规划的结合；步骤4、当智能体端接收到广播的路径信息后，执行基于时间窗优化的动态调节速度的路径跟随，并根据实时的障碍物检测信息切换到避障状态或者上传异常信息执行动态重规划，同时发送实时的智能体运行状态信息、定位信息以及障碍物信息。2.根据权利要求1所述的基于点云的多智能体超视距网联协同感知动态决策方法，其特征在于，步骤2中的场景背景分通过获取全局场景地图，进行去地面和去顶的处理，生成三维栅格地图，根据所述三维栅格地图对实时的点云进行过滤，实现障碍物与场景的分离；根据每个聚类的几何坐标信息，获取到每个障碍物垂直于坐标系的包围框。3.根据权利要求1所述的基于点云的多智能体超视距网联协同感知动态决策方法，其特征在于，在步骤3中的调度系统进行路径规划前，各智能体感知周围环境障碍物后，将障碍物信息上传给调度系统；所述调度系统为每个智能体分别维护障碍物列表，所述障碍物列表存储有当前智能体实时上传的各障碍物在全局地图下的位置及包围框尺寸信息，根据各障碍物列表中的障碍物的位置及包围框尺寸信息，判断对全局拓扑路径的占用情况，将被占用的路径段添加到异常路径列表中，基于各障碍物列表维护一个实时的全局异常路径列表，所述实时的全局异常路径列表存储有全局拓扑路径中所有被障碍物占用的路径段；在进行任务路径规划时，调度系统通过遍历全局拓扑路径和全局异常路径来共同维护一个实时的可执行路径的拓扑地图；当调度系统有任务起点终点输入时，首先将任务分配给距离最近的空闲的智能体，将所述实时的可执行路径的拓扑地图作为地图输入，执行最短路径规划算法并进行时间窗分配，完成路径规划，并将路径下发给智能体。4.根据权利要求3所述的基于点云的多智能体超视距网联协同感知动态决策方法，其特征在于，在为每个智能体添加障碍物...

【专利技术属性】
技术研发人员：魏平，杨腾，程翔，李鹏，刘克勤，辛景民，郑南宁，
申请(专利权)人：北京大学，
类型：发明
国别省市：