基于虚拟势场的群体智能机器人路径规划方法及装置制造方法及图纸

本申请公开了一种基于虚拟势场的群体智能机器人路径规划方法及装置，其中，方法包括：计算围捕机器人和围捕对象执行围捕任务时的多个虚拟势场力；将围捕机器人的多个虚拟势场力进行叠加后，计算围捕机器人的运动速度，将围捕对象的多个虚拟势场力进行叠加后计算围捕对象的运动速度，并实时根据围捕机器人的运动速度和围捕对象的运动速度控制围捕机器人和围捕对象运动。由此，在传统虚拟力场的优点基础上，能够进一步提高机器人的运动精度、灵敏度、反应速度，且具有良好的可拓展性，高效地完成更加复杂的对抗性博弈任务。完成更加复杂的对抗性博弈任务。完成更加复杂的对抗性博弈任务。

【技术实现步骤摘要】
基于虚拟势场的群体智能机器人路径规划方法及装置


[0001]本申请涉及路径规划
，特别涉及一种基于虚拟势场的群体智能机器人路径规划方法及装置。

技术介绍

[0002]相关技术已有的群体智能领域路径规划算法，其仍存在许多不足。例如，蚁群算法和人工蜂群算法寻优能力对参数的依赖较高，易陷入局部最优，且需要较长时间才能发挥正反馈的作用，收敛速度较慢。而粒子群优化算法存在精度低，在粒子速度较快的情况下还存在难以收敛的问题。总而言之，目前群体智能机器人的路径规划算法很难同时满足高鲁棒性、去中心化、易于拓展、适应性强的要求，也难以实现对机器人效率要求较高的对抗性博弈任务。

技术实现思路

[0003]本申请提供一种基于虚拟势场的群体智能机器人路径规划方法及装置，在传统虚拟力场的优点基础上，能够进一步提高机器人的运动精度、灵敏度、反应速度，且具有良好的可拓展性，高效地完成更加复杂的对抗性博弈任务。
[0004]本申请第一方面实施例提供一种基于虚拟势场的群体智能机器人路径规划方法，包括以下步骤：根据预测的围捕对象的下一时刻的预测位置和预测速度计算围捕机器人与所述围捕对象间的第一吸引力；根据所述围捕机器人间的距离信息计算所述围捕机器人间的第一排斥力，根据所述围捕机器人与障碍物间的距离信息计算所述围捕机器人的第二排斥力；根据所述围捕机器人间的距离信息和位置信息计算所述围捕机器人的松散力；根据所述围捕对象、所述围捕机器人和所述障碍物的位置计算所述围捕机器人对所述围捕对象的第三排斥力和所述障碍物对所述围捕对象的第四排斥力，以及所述围捕对象自身的第五排斥力，并在所述围捕对象静止或所述围捕机器人与所述围捕对象间的距离小于预设值时，计算所述围捕机器人的环绕力；将所述第一吸引力、所述第一排斥力、所述第二排斥力、所述松散力和所述环绕力进行叠加后，计算所述围捕机器人的运动速度，将所述第三排斥力、所述第四排斥力和所述第五排斥力进行叠加后计算所述围捕对象的运动速度，并实时根据所述围捕机器人的运动速度和所述围捕对象的运动速度控制所述围捕机器人和所述围捕对象运动。
[0005]可选地，在本申请的一个实施例中，在计算围捕机器人与所述围捕对象间的第一吸引力之前，还包括：利用卡尔曼滤波器预测所述围捕对象的下一时刻预测位置；将所述下一时刻预测位置和所述围捕对象的下一时刻实际位置进行比较根据比较结果更新所述卡尔曼滤波器的状态矩阵和协方差矩阵，并利用更新后的卡尔曼滤波器预测所述围捕对象的下一时刻的预测位置和预测速度。
[0006]可选地，在本申请的一个实施例中，所述围捕机器人与所述围捕对象间的第一吸引力F
g
为：
[0007][0008]其中，k1和k2均为正比例系数，R
g
为包围圈半径，r
g
为围捕机器人坐标指向围捕对象坐标的向量，r
g
为向量r
g
的模量，v
g
为根据围捕对象的预测速度和围捕机器人的自身速度计算得到的围捕对象的绝对速度。
[0009]可选地，在本申请的一个实施例中，所述围捕机器人间的第一排斥力F
c
为：
[0010][0011]其中，r
g
为围捕机器人坐标指向围捕对象坐标的向量，r
g
为向量r
g
的模量，R
s
为围捕机器人间的安全半径，r
h
为围捕机器人坐标指向规避的围捕机器人坐标的向量，r
h
为向量r
h
的模量，k5为比例系数。
[0012]可选地，在本申请的一个实施例中，所述围捕机器人的环绕力F
r
为：
[0013][0014]其中，k4为正比例系数，
[0015]可选地，在本申请的一个实施例中，所述围捕机器人的松散力F
l
为：
[0016][0017]τ＝(
‑
sinθ
g
,cosθ
g
)
[0018]其中，θ
g
为围捕对象相对于自身的方位角，F
l
为松散力大小，τ为围捕对象相对于自身的切向单位矢量，smooth为光滑函数。
[0019]可选地，在本申请的一个实施例中，在所述围捕对象视野范围内所述围捕机器人的数目小于等于2时，所述围捕机器人对所述围捕对象的第三排斥力F
h
为：
[0020][0021]其中，k6为正比例系数，r
h
为围捕对象坐标指向围捕机器人坐标的向量，r
h
为向量r
h
的模量；
[0022]在所述围捕对象视野范围内所述围捕机器人的数目大于2时，所述围捕机器人对所述围捕对象的第三排斥力F
h
为：
[0023][0024]其中，R
e
为围捕对象和围捕机器人间的警戒距离，h为由围捕机器人指向所有围捕机器人所围成的三角形内心的单位矢量。
[0025]可选地，在本申请的一个实施例中，所述围捕对象自身的第五排斥力F
e
为：
[0026][0027]其中，k7为正比例系数。
[0028]可选地，在本申请的一个实施例中，在计算出所述围捕机器人的运动速度和所述围捕对象的运动速度之后，还包括：利用增量式PD算法对所述所述围捕机器人的运动速度和所述围捕对象的运动速度进行修正。
[0029]本申请第二方面实施例提供一种基于虚拟势场的群体智能机器人路径规划装置，包括：第一计算模块，用于根据预测的围捕对象的下一时刻的预测位置和预测速度计算围捕机器人与所述围捕对象间的第一吸引力；第二计算模块，用于根据所述围捕机器人间的距离信息计算所述围捕机器人间的第一排斥力，根据所述围捕机器人与障碍物间的距离信息计算所述围捕机器人的第二排斥力；第三计算模块，用于根据所述围捕机器人间的距离信息和位置信息计算所述围捕机器人的松散力；第四计算模块，用于根据所述围捕对象、所述围捕机器人和所述障碍物的位置计算所述围捕机器人对所述围捕对象的第三排斥力和所述障碍物对所述围捕对象的第四排斥力，以及所述围捕对象自身的第五排斥力，并在所述围捕对象静止或所述围捕机器人与所述围捕对象间的距离小于预设值时，计算所述围捕机器人的环绕力；规划模块，用于将所述第一吸引力、所述第一排斥力、所述第二排斥力、所述松散力和所述环绕力进行叠加后，计算所述围捕机器人的运动速度，将所述第三排斥力、所述第四排斥力和所述第五排斥力进行叠加后计算所述围捕对象的运动速度，并实时根据所述围捕机器人的运动速度和所述围捕对象的运动速度控制所述围捕机器人和所述围捕对象运动。
[0030]本申请实施例的基于虚拟势场的群体智能机器人路径规划方法及装置，可以使群体智能机器人在无领导者的情况下快速、准确、高鲁棒性地进行运动，在实现智能避障的同时作为有机的整体高效、稳定完成对抗性博弈任务(如对目标机器人的包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚拟势场的群体智能机器人路径规划方法，其特征在于，包括以下步骤：根据预测的围捕对象的下一时刻的预测位置和预测速度计算围捕机器人与所述围捕对象间的第一吸引力；根据所述围捕机器人间的距离信息计算所述围捕机器人间的第一排斥力，根据所述围捕机器人与障碍物间的距离信息计算所述围捕机器人的第二排斥力；根据所述围捕机器人间的距离信息和位置信息计算所述围捕机器人的松散力；根据所述围捕对象、所述围捕机器人和所述障碍物的位置计算所述围捕机器人对所述围捕对象的第三排斥力和所述障碍物对所述围捕对象的第四排斥力，以及所述围捕对象自身的第五排斥力，并在所述围捕对象静止或所述围捕机器人与所述围捕对象间的距离小于预设值时，计算所述围捕机器人的环绕力；将所述第一吸引力、所述第一排斥力、所述第二排斥力、所述松散力和所述环绕力进行叠加后，计算所述围捕机器人的运动速度，将所述第三排斥力、所述第四排斥力和所述第五排斥力进行叠加后计算所述围捕对象的运动速度，并实时根据所述围捕机器人的运动速度和所述围捕对象的运动速度控制所述围捕机器人和所述围捕对象运动。2.根据权利要求1所述的方法，其特征在于，在计算围捕机器人与所述围捕对象间的第一吸引力之前，还包括：利用卡尔曼滤波器预测所述围捕对象的下一时刻预测位置；将所述下一时刻预测位置和所述围捕对象的下一时刻实际位置进行比较根据比较结果更新所述卡尔曼滤波器的状态矩阵和协方差矩阵，并利用更新后的卡尔曼滤波器预测所述围捕对象的下一时刻的预测位置和预测速度。3.根据权利要求1所述的方法，其特征在于，所述围捕机器人与所述围捕对象间的第一吸引力F
g
为：其中，k1和k2均为正比例系数，R
g
为包围圈半径，r
g
为围捕机器人坐标指向围捕对象坐标的向量，r
g
为向量r
g
的模量，v
g
为根据围捕对象的预测速度和围捕机器人的自身速度计算得到的围捕对象的绝对速度。4.根据权利要求1所述的方法，其特征在于，所述围捕机器人间的第一排斥力F
c
为：其中，r
g
为围捕机器人坐标指向围捕对象坐标的向量，r
g
为向量r
g
的模量，R
s
为围捕机器人间的安全半径，r
h
为围捕机器人坐标指向规避的围捕机器人坐标的向量，r
h
为向量r
h
的模量，k5为比例系数。5.根据权利要求2所述的方法，其特征在于，所述围捕机器人的环绕力F
r
为：其中，k4为正比例系数，
6.根据权利要求3所述的...

【专利技术属性】
技术研发人员：邵玥，杜淑媛，尹思昱，孙家梁，陈思坤，王一骁，覃灏，
申请(专利权)人：清华大学，
类型：发明
国别省市：