适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置制造方法及图纸

本发明专利技术公开了一种适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置，涉及机器人未知环境自主探索领域

【技术实现步骤摘要】
适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置


[0001]本专利技术涉及地面机器人自主探索
，具体为适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置
。

技术介绍

[0002]随着同时定位与建图技术的不断发展，移动机器人已经具备了在陌生环境中独立感知和定位，无需依赖外部传感器的能力，从而使得机器人能够自主执行任务成为可能
。
在机器人研究领域，机器人的自主探索成为一个热门研究问题，这是基于机器人能够以最小的能量消耗和最短的时间完成对未知环境的探索
。
机器人的自主探索策略目前主要分为三大类：基于边界的探索策略
、
基于采样的策略以及混合策略
。
基于边界的探索策略将已知空间与未知空间的交界处定义为边界，并综合考虑边界的大小
、
机器人在边界处可能获取的信息增益以及机器人到达边界的能量消耗，从而选择最佳的边界，以引导机器人探索未知环境
。
然而，这类方法存在计算边界时需要大量计算资源的问题，同时边界更新较为缓慢，并且边界的信息增益计算方法较为复杂
。
[0003]基于采样的探索策略则是在待探索空间中进行均匀或非均匀的采样，构建一个由视点组成的路图，然后计算每个视点的潜在信息增益，规划出信息增益最大的路径并执行
。
然而，这种方法可能导致机器人在不同路径之间频繁切换，从而降低探索效率
。
[0004]混合探索策略将基于边界的策略和基于采样的策略相结合
。
这种方法主要包括以下内容：首先，利用基于边界的方法来确定环境中的边界；其次，通过基于采样的策略为每个边界选择视点，并计算每个视点的信息增益，从而选择最优视点；最后，综合考虑每个视点的信息增益以及机器人到达各个视点的能量消耗，选择最佳视点并规划平滑路径进行执行
。
相对于前两种策略，基于混合策略的方法具有更高的效率
。
[0005]然而，当前阶段尚缺乏适用于多层室内复杂环境高效探索的算法
。
上述算法在应用于复杂室内环境时，可能导致机器人频繁往返不同楼层，从而降低探索效率
。
此外，现有的探索算法忽视了室内环境中丰富的语义信息，无法像人类一样，在探索新环境时通过捕捉环境的语义信息，如门
、
窗
、
楼梯等，从而预测未探索区域可能的信息增益
。
因此，在机器人的自主探索中，如何针对多层室内复杂环境实现高效探索，并且充分利用环境中丰富的语义信息以提高自主探索效率，成为一个值得关注且具有实际应用价值的研究领域
。

技术实现思路

[0006]本专利技术旨在解决足式机器人在探索多层复杂室内环境时频繁往返不同楼层而导致效率低下的问题
。
为了克服这一挑战，我们借鉴了仿生学原理，引入了多维度可转动机构，将足式机器人的姿态与传感器朝向解耦，这使得机器人能够在连续不断地执行路径规划的同时，传感器始终能够保持理想的观测角度
。
此举的目标是在保持探索持续性的同时，最大程度地优化信息收集的效果
。
[0007]为了更好地指导探索，我们在占据栅格地图中引入了语义信息，并将其融入信息增益计算中
。
这样做的好处是，每个位置的信息增益能够更准确地反映出环境的实际价值，从而在规划探索路径时提供了更有力的依据
。
通过结合语义信息，我们能够使机器人更有针对性地选择路径，以获取更富含信息的区域，进而提高自主探索的效率
。
[0008]为了解决频繁楼层切换所带来的效率问题，我们引入了分层路标点的概念
。
通过对探索路径的规划，机器人可以更加集中地在当前楼层内进行信息获取，从而减少了不必要的楼层切换，提升了整体的探索效率
。
[0009]此外，我们还设计了边界引力作用距离函数和边界引力计算函数，以帮助规划机器人行驶路径上各个点的转动机构朝向
。
这种设计能够有效地协助机器人保持深度相机的朝向，确保其始终朝向信息获取的关键区域，从而进一步增强了自主探索的效率
。
[0010]综上所述，本专利技术的核心在于通过多维度可转动机构
、
语义信息的综合应用
、
分层路标点的合理设置以及边界引力作用函数的精确规划，旨在提升足式机器人在多层复杂室内环境中的自主探索效率
。
通过这些创新性的思路和技术手段，我们旨在使机器人能够更加智能
、
高效地完成探索任务，充分利用丰富的环境信息，从而取得更优异的探索结果
。
[0011]为实现上述目的，本专利技术提出了适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置，包括：
[0012]步骤
S1
环境建立与感知：利用多维度可转动机构搭载的深度相机获取环境深度图，同时记录深度相机相对于足式机器人底盘的转角和里程计信息，用于建立环境的占据栅格地图
。
；
[0013]步骤
S2
语义信息获取：利用多维度可转动机构搭载的可见光相机，运用基于神经网络的目标检测算法检测当前视野是否包含兴趣目标和地图分层路标
。
若存在兴趣目标，则在占据栅格地图中标记；
[0014]步骤
S3
边界更新：基于已经建立的占据栅格地图进行边界更新，更新的对象只针对当前传感器视野中的边界；
[0015]步骤
S4
视点与观测角度计算：针对被更新的边界，进行视点的采集，并且为每个视点计算最佳观测角度
。
结合语义信息评估每个视点的信息增益，以得到每个边界的最优视点和最佳观测角度；
[0016]步骤
S5
分层规划：如果当前环境中有未经过的分层路标点，则进行分层规划，确定后续全局覆盖路径规划所在的高度层；
[0017]步骤
S6
连接成本矩阵更新：更新各个边界最优视点之间以及各个边界的最优视点到机器人当前位置的连接成本矩阵；
[0018]步骤
S7
全局覆盖路径规划：利用旅行商问题的求解方法，求解当前高度层覆盖机器人当前位置一定范围所有最优视点的全局覆盖路径，已知范围内有地图分层路标点，则将其直接设置为旅行商问题的仓库，以求解得到含返回路径的最优全局覆盖路径；
[0019]步骤
S8
动力学可行路径规划：求解连接机器人当前位置与全局覆盖路径中前
N
个最优视点的动力学可行路径，并且进行轨迹优化；
[0020]步骤
S9
可转动机构朝向规划：根据边界的大小以及包含语义信息数量建立吸引力函数，规划动力学可行路径上各个位置的可转动机构朝向；
[0021]步骤
S10
路径执行：底盘执行规划的动力学可行平滑轨迹，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置，其特征在于包括以下步骤：利用基于仿生学原理的多维度可转动机构，装载深度相机，提供环境深度信息，深度相机相对于机器人底盘的角度，结合里程计信息，建立环境的占据栅格地图；使用搭载可见光相机的可转动机构，通过基于神经网络的目标检测算法，检测当前视野中的兴趣目标和地图分层路标，如有，标记在占据栅格地图中，赋予地图一定的语义信息；根据已建立的占据栅格地图，更新边界信息；对已更新的边界和新添加的边界进行视点采集；评估每个视点的信息增益，结合语义信息，获得每个边界的最优视点和最佳观测角度；若存在分层路标点，进行立体空间分层规划，确定全局覆盖路径所在的空间层；计算各边界最优视点之间以及各边界最优视点与机器人当前位置的连接成本矩阵；采用旅行商问题求解方法，寻找覆盖机器人当前位置一定范围内所有最优视点的全局覆盖路径，若范围内有地图分层路标点，则将其设为旅行商问题的仓库，得到包含返回路径的最优全局覆盖路径；计算连接机器人当前位置与全局覆盖路径前
N
个最优视点的动力学可行路径，并进行路径优化；依据边界大小和语义信息数量，制定吸引力函数，规划动力学可行路径上各位置的可转动机构朝向；机器人底盘按照规划的动力学可行平滑轨迹运动，可转动机构根据底盘位置调整朝向；在运动过程中，持续更新占据栅格地图；当目标边界探索完毕或规划路径与新环境发生碰撞，重新进行全局路径搜索和动力学可行路径生成；若存在分层路标且完成当前层探索，机器人返回分层路标点，进入下一层并继续探索；若环境中无边界，探索任务完成
。2.
根据权利要求1中所述的适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置，其特征在于：使用多维可转动机构搭载深度相机和可见光相机，机构配备无刷电机，将地面机器人姿态与相机朝向解耦，实现不受行驶方向和机器人姿态限制的三维立体环境感知
。
多维可转动机构含多个电位计，输出相机模块相对于机器人底盘的多轴转角
。
转角信息结合深度相机深度信息和里程计数据，完成占据栅格地图建立
。3.
根据权利要求1中所述的适用于复杂楼宇室内环境的足式机器人智能自主探索方法及装置，其特征在于：使用可转动机构搭载可见光相机，获取环境可见光图像，通过基于神经网络的目标检测算法检测兴趣目标和地图分层路标
。
检测信息与深度图相结合，在占据栅格地图中标记视野内的兴趣目标和地图分层路标，为地图增加语义信息，提升环境信息增益表达
。
分层路标辅助分层规划，减少不同层间切换，提升探索效率
。4.
根据权利要求1中所述的适用于复杂楼宇室内环...

【专利技术属性】
技术研发人员：蒙志君，王子琛，林尤深，赵旭，贾千禧，姬嘉驰，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：