一种基于先验环境感知的agv与清洁机器人协同控制方法技术

本发明专利技术公开了一种基于先验环境感知的agv与清洁机器人协同控制方法，包括如下步骤：获取第一机器人的基本数据作为先验数据，基于先验数据和实时传感器数据确定静态感知数据，对先验数据预测时间T内的动态感知数据；将静态感知数据和动态感知数据融合得到完整环境感知数据；完全避免交通，系统解耦合，没有这部分工作量；完全避免交通，提高了整体作业效率；通过数据接入，实时全方位感知agv位姿信息；通过轨迹预测，面对动态物体也能安全作业。面对动态物体也能安全作业。面对动态物体也能安全作业。

【技术实现步骤摘要】
一种基于先验环境感知的agv与清洁机器人协同控制方法


[0001]本专利技术涉及多机器人移动融合作业
，尤其涉及一种基于先验环境感知的agv与清洁机器人协同控制方法。

技术介绍

[0002]机器人领域存在多个及多种类机器人同场景、同空间、同时间工作需求。同种类机器人或统一调度系统时，经系统统一调度，可以保障机器人的安全及作业节奏。当多种机器人作业时，由于系统及机器人设计差异无法做到统一调度，所以需要进行技术融合，当前主流方案有：场景分块，进行交通管理、不同机器人分时间段工作，避免同时作业。通常进行场景分块及交通管理时，需要确定机器人坐标系相同、确定全路径和全区域并分区域进行排队工作，产生的问题是当agv或清洁机器人占有交通区域时，其他机器人只能等待其完成，严重影响系统的工作效率；此外，区域转运或工作站进出过程存在碰撞风险。在作业过程中进行环境感知时受传感器布局盲区、传感器自身精度或特性等影响，难以实现对环境实现精准的感知。同时，机器人感知的是静态物体，对于运动的物体难以做到感知和防护，存在众多影响因素，难以保证可靠性。
[0003]例如，一种在中国专利文献上公开的“一种融合预测的改进Multi
‑
RRT路径规划方法”，其公告号：CN113359748B，公开了包括将多个AGV的路径作为空间概率矩阵，并通过最小总期望确定路径，其虽然用了agv的路径预测，但是在多种机器人协同工作时仍需要进行交通管理，存在碰撞风险，没能解决作业效率低的问题。

技术实现思路

[0004]为了解决现有技术中多种机器人工作协同效率低下、动态感知可靠性低的问题，本专利技术提供一种基于先验环境感知的agv与清洁机器人协同控制方法，目的一为通过据交互增强环境感知；目的二为轨迹预测实现动态避让。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于先验环境感知的agv与清洁机器人协同控制方法，包括如下步骤：获取第一机器人的基本数据作为先验数据，基于先验数据和实时传感器数据确定静态感知数据，对先验数据预测时间T内的动态感知数据；将静态感知数据和动态感知数据融合得到完整环境感知数据。第二机器人与第一机器人通信连接实时获取第一机器人的基本数据，同时第二机器人从自身的传感器获得实时传感器数据，第二机器人综合数据后对不同数据进行分类并转化为不同的感知数据，将不同的感知数据进行融合得到工作状态下的完整环境感知数据；从而实现多种机器人一起工作时能够通过交互信息增强对方的环境感知以及协同工作效率；并且结合了预测数据和感知数据，降低了多种机器人工作时碰撞的可能性，为每一个机器人赋予自适应的能力，不需要在中央网络进行调控。
[0007]作为优选的，确定静态感知数据包括，以先验数据中第一机器人的实时数据坐标及物理参数作为输入，根据实时数据坐标及物理参数生成静态点云数据，以静态点云数据
作为静态感知数据。获取第一机器人的实时数据坐标作为第一机器人在当前时刻的第一个静态指标，此时第二机器人通过传感器对自身及第一机器人的物理参数进行检测，传感器实时检测当前时刻的实时数据作为第二个静态指标，将第二个静态指标作为第一个静态指标的描述进行特征融合得到当前时刻的静态点云数据；通过静态点云数据对在一起协同工作的多种机器人的每一时刻的静态状态进行描述，将第二机器人和第一机器人的静态数据根据主从关系融合为一个数据，能够对第一机器人和第二机器人进行整体描述。
[0008]作为优选的，确定动态感知数据包括，以先验数据中第一机器人的实时数据坐标及运动参数作为输入，以时间T为长度生成预测点云数据，以预测点云数据作为动态感知数据。获取第一机器人的实时坐标，同时获取第一机器人的速度和加速度等运动参数，根据第一机器人的运动参数分析第一机器人的运动向量，根据第一机器人的运动向量和实时数据坐标对时间T的运动轨迹进行预测；其中，以当前时刻为原点，根据时钟正向为预测范围，以时钟负向为历史范围，在历史范围的时间T长度内对历史坐标和历史运动参数进行可靠性验证得到可靠性指标，在预测范围内根据运动向量进行预测，得到预测范围内时间T的预测轨迹，将该预测轨迹内坐标基于运动向量和可靠性指标进行修正；得到预测轨迹后按照时间T生成预测点云数据，预测点云数据为点云数据的预测轨迹。能够对第一机器人的位移进行进行预判，并且根据时间T可以实现一定空间范围及时间范围内的预判。能够基于当前时刻进行动态避让，便于第一机器人进行自适应的改变路线。并且根据第一机器人的实际运动参数进行预测，避免数据传输出错、第一机器人运动故障等特殊情况下的预测不准、调控不便的问题。
[0009]作为优选的，所述的数据融合包括，建立环境感知模型，环境感知模型基点为第一机器人，环境感知模型范围为L，将静态点云数据和动态感知数据输入到环境感知模型中。以第一机器人的位置作为环境感知模型的基点，使得可以随时根据第一机器人的位置进行环境感知，时间T决定点云数据的轨迹范围，进而根据轨迹范围决定感知范围，根据轨迹范围两端的距离确定模型范围L，从而能够在运动参数变化时，时间T的轨迹范围对应变化后，确定第一机器人的影响范围，使得环境感知的范围能够跟随自身移动的运动参数进行改变，便于进行自适应调整。
[0010]作为优选的，所述的获取先验数据前包括，第二机器人和第一机器人分别进行单独部署，单独部署中包括第一机器人和第二机器人之间的地图对齐。地图对齐包括第一机器人和第二机器人分别获取其任务信息对应的地图信息，然后将第一机器人和第二机器人的地图信息进行对齐，使得协同工作的不同机器人的不同地图信息能够被统一，便于在一端统一的进行调控，并且同时能避免第一机器人和第二机器人任一方地图信息出错时进行筛除；单独部署时第一机器人和第二机器人均只根据自身的工作信息进行单独部署，单独部署包括根据工作信息对工作任务、工作路径及工作位置进行部署。
[0011]作为优选的，地图对齐包括，第一机器人和第二机器人分别构建栅格轮廓地图并进行图像匹配，将第一机器人和第二机器人的位置在图像匹配后的图像中对应。第一机器人根据任务信息进行场景地图构建后，将场景地图转换为栅格轮廓地图，并将栅格轮廓地图与其坐标进行对应；第二机器人构建场景地图后，将场景地图转换为栅格轮廓地图，并将栅格轮廓地图与其坐标进行对应；场景地图为俯视或三维的视图，通过无关要素去除将场景地图转换为栅格轮廓地图，栅格轮廓地图由线条组成，通过线条将机器人和场景的物体
进行显示；将第一机器人的栅格轮廓地图和第二机器人的栅格轮廓地图进行线条对应，并将栅格轮廓地图的对应坐标进行匹配显示；线条对应包括找出主要轮廓特征点的对应关系，根据主要轮廓特征点的对应关系确定两个栅格轮廓地图的对应关系，根据栅格轮廓地图的对应关系确定两个栅格轮廓地图内坐标的对应关系，根据坐标的对应关系确定映射关系。能够对第一机器人和第二机器人的不同的地图信息进行统一，实现不同机器人的同步指挥，并且由于其自身工作环境不同造成地图信息不同，可以实现自适应的同步指挥，在不需要统一平台整体指挥的情况下让其分别进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于先验环境感知的agv与清洁机器人协同控制方法，其特征在于，包括如下步骤：获取第一机器人的基本数据作为先验数据，基于先验数据和实时传感器数据确定静态感知数据，对先验数据预测时间T内的动态感知数据；将静态感知数据和动态感知数据融合得到完整环境感知数据。2.根据权利要求1所述的一种基于先验环境感知的agv与清洁机器人协同控制方法，其特征在于，确定静态感知数据包括，以先验数据中第一机器人的实时数据坐标及物理参数作为输入，根据实时数据坐标及物理参数生成静态点云数据，以静态点云数据作为静态感知数据。3.根据权利要求1 或2所述的一种基于先验环境感知的agv与清洁机器人协同控制方法，其特征在于，确定动态感知数据包括，以先验数据中第一机器人的实时数据坐标及运动参数作为输入，以时间T为长度生成预测点云数据，以预测点云数据作为动态感知数据。4.根据权利要求1至3任一项所述的一种基于先验环境感知的agv与清洁机器人协同控制方法，其特征在于，所述的数据融合包括，建立环境感知模型，环境感知模型基点为第一机器人，环境感知模型范围为L，将静态点云数据和动态感知数据输入到环境感知模型中。5.根据权...

【专利技术属性】
技术研发人员：张翼，王瑞，翟瑾，丁蕾，杨峰，胡从洋，
申请(专利权)人：杭州云象商用机器有限公司，
类型：发明
国别省市：