一种基于子区域连通图的未知环境自主探索与拓扑地图构建方法技术

本发明专利技术涉及一种基于子区域连通图的未知环境自主探索与拓扑地图构建方法，通过未知区域无障碍建模和子区域连通图生成算法，实现未知环境的自主探索和拓扑地图的实时构建，并将构建的拓扑地图应用到探索任务中，高效完成未知环境探索

【技术实现步骤摘要】
一种基于子区域连通图的未知环境自主探索与拓扑地图构建方法


[0001]本专利技术属于机器人自主探索与地图构建
，尤其涉及一种基于子区域连通图的未知环境自主探索与拓扑地图构建方法
。

技术介绍

[0002]机器人自主探索是一项结合了地图构建
、
决策规划等内容的综合性任务
。
在地图构建方面，目前自主探索任务中常用的地图包括度量地图和拓扑地图
。
度量地图的构建和更新主要基于同时定位和建图（
SLAM
）方法
。
然而，在大规模环境中直接在度量图上进行规划会导致巨大的内存和时间消耗
。
因此，许多方法将同时构建用于规划的拓扑地图
。
现有的主流方法包括概率路线图（
PRM
）
、
快速探索随机图（
RRG
）
、
广义
Voronoi
图（
GVD
）等
。
虽然这些方法中的一些可以生成比较紧凑的拓扑图，但它们必须在整个已知区域内进行地图的构建和更新
。
因此，随着探索范围的增加，地图构建和更新的内存消耗和时间成本都将显著增大
。
还有一些方法虽然可以执行局部增量更新，但生成的拓扑图不够紧凑，具有较高的冗余度
。
随着地图规模的增加，基于该地图的路径规划效率将大大降低
。
而要使自主探索保持高效，无论是地图构建还是基于地图的规划，都需要较高的效率
。
这意味着，拓扑地图一方面需要具备局部增量更新的能力来确保其构建和更新的高效性；另一方面还要在确保可用性的前提下足够精简紧凑，从而确保地图规划的高效性；在探索任务的决策规划方面，这一部分主要包括两个阶段
。
首先是生成和更新探索所需的引导点
。
现有的流行方法包括基于信息增益的方法
、
基于边界的方法和基于下一最优视点（
NBV
）的方法
。
然后，由于在勘探过程中通常同时生成多个引导点，因此有必要对引导点进行排序和规划，以使勘探轨迹和时间消耗尽可能短
。
现有的流行方法包括贪婪搜索算法和基于旅行商问题（
TSP
）求解的算法
。
在这个过程中，不可避免的要进行最优路径的搜索和规划，常用的规划算法包括
Dijkstra、A*、
混合
A*、RRT
等
。
在小规模环境中，通常只需要进行局部规划
。
然而，随着勘探环境的扩大，探索的决策规划变得更加复杂
。
为了提高勘探效率，许多方法将其分为两层：全局探索规划和局部探索规划
。DSVP
和
TARE
是代表性方法
。
在一些面积较大的室外环境中，这些方法取得了较好的效果，已经接近人类最高水平
。
然而，随着探索环境的规模进一步扩大，这些方法受限于没有良好的全局拓扑地图，其效率会出现显著下降
。
如
:
专利公布号为
CN 112828883A
的专利文献公开了一种未知环境下的机器人环境探索方法及系统，所述方法包括如下步骤：
S1、
环境点云表达建模；
S2、
传感可视范围内拓扑地图构建；
S3、
拓扑地图表达下探索结果增益评估：即拓扑环境表达下的信息增益评估；
S4、
基于信息增益与规划路径长度的运动决策
。
专利公布号为
CN 110806211A
的专利文献公开了一种机器人自主探索建图的方法，其特征在于，所述自主探索建图的方法包括：获取传感器采集的环境数据，利用同步定位与地图构建
SLAM
算法，在当前估计的
SLAM
初始环境地图上识别所要访问的区域；针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；根据路径探索结果，建立自主探索对应的环境地
图
。
授权公告号为
CN 110531760 B
的专利文献公开了一种基于曲线拟合和目标点邻域规划的边界探索自主建图方法，对已构建地图的边界以曲线拟合方式筛选目标观测区，同时针对机器人不可达目标观测区，采取邻域规划方法建立新目标观测点，利用同步定位与建图技术，引导机器人自主导航至下一个观测区，完成对未知环境的自主探索
。
[0003]机器人自主探索与地图构建
有必要研发一种通用
、
高效的能够在大规模复杂未知环境中完成机器人自主导航与探索
、
拓扑地图自动构建与更新的方法
。

技术实现思路

[0004]本专利技术的目的在于克服上述技术的不足，而提供一种基于子区域连通图的未知环境自主探索与拓扑地图构建方法，可以实现大规模复杂未知环境中的高效探索，并高效完成未知环境探索
、
多目标点导航
、
区域全覆盖等任务
。
[0005]本专利技术为实现上述目的，采用以下技术方案：一种基于子区域连通图的未知环境自主探索与拓扑地图构建方法，通过未知区域无障碍建模和子区域连通图生成算法，实现未知环境的自主探索和拓扑地图的实时构建，并将构建的拓扑地图应用到探索任务中，高效完成未知环境探索
、
多目标点导航
、
区域全覆盖任务，包括具体步骤：步骤1拓扑地图增量构建与更新
:
首先进行未知区域无障碍建模，然后在指定范围内的无障碍区域应用子区域连通图生成算法，并使用生成的图节点和连通边对拓扑地图中位于指定范围内的子地图进行增量构建与更新；步骤2探索引导点列表生成与更新
:
首先进行未知区域无障碍建模，然后在指定范围的未知区域应用子区域连通图生成算法，进行探索引导点列表的生成与更新；步骤3探索引导点筛选与排序：首先进行未知区域无障碍建模，然后分别在机器人所在位置和步骤2生成的引导点所在位置附近的无障碍区域应用子区域连通图生成算法，结合步骤1构建的拓扑地图，建立机器人所在位置和探索引导点之间的连通图；并基于该图进行探索引导点的筛选与排序；在此基础上，提取从当前位置到后续探索引导点的行驶路径
。
[0006]所述未知区域无障碍建模为：将未知区域建模为无障碍区域，在此基础上，无障碍区域包括环境中的已知无障碍区域和未知区域
,
步骤中的所有区域大小和位置相同或不同
。
[0007]所述子区域连通图生成算法包括两个步骤
,
即图节点生成和连通边生成；将用于连通节点生成的子区域定义为节点子区域，将用于连通边生成的子区域定义为边子区域；（1）图节点的生成方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于子区域连通图的未知环境自主探索与拓扑地图构建方法，其特征是：通过未知区域无障碍建模和子区域连通图生成算法，实现未知环境的自主探索和拓扑地图的实时构建，并将构建的拓扑地图应用到探索任务中，高效完成未知环境探索
、
多目标点导航
、
区域全覆盖任务，包括具体步骤：步骤1拓扑地图增量构建与更新
:
首先进行未知区域无障碍建模，然后在指定范围内的无障碍区域应用子区域连通图生成算法，并使用生成的图节点和连通边对拓扑地图中位于指定范围内的子地图进行增量构建与更新；步骤2探索引导点列表生成与更新
:
首先进行未知区域无障碍建模，然后在指定范围的未知区域应用子区域连通图生成算法，进行探索引导点列表的生成与更新；步骤3探索引导点筛选与排序：首先进行未知区域无障碍建模，然后分别在机器人所在位置和步骤2生成的引导点所在位置附近的无障碍区域应用子区域连通图生成算法，结合步骤1构建的拓扑地图，建立机器人所在位置和探索引导点之间的连通图；并基于该图进行探索引导点的筛选与排序；在此基础上，提取从当前位置到后续探索引导点的行驶路径
。2.
根据权利要求1所述的基于子区域连通图的未知环境自主探索与拓扑地图构建方法，其特征是：所述未知区域无障碍建模为：将未知区域建模为无障碍区域，在此基础上，无障碍区域包括环境中的已知无障碍区域和未知区域
,
步骤中的所有区域大小和位置相同或不同
。3.
根据权利要求1所述的基于子区域连通图的未知环境自主探索与拓扑地图构建方法，其特征是：所述子区域连通图生成算法包括两个步骤
,
即图节点生成和连通边生成；将用于连通节点生成的子区域定义为节点子区域，将用于连通边生成的子区域定义为边子区域；（1）图节点的生成方法为：1）根据约束条件从局部区域的度量地图中提取节点子区域；2）将节点子区域聚类分割为若干个类簇；3）对每个类簇，根据该类簇内的数据信息，计算类簇的中心点；4）为每个中心点赋予唯一的
...

【专利技术属性】
技术研发人员：王任栋，徐友春，齐尧，何滨兵，赵凯，叶鹏，
申请(专利权)人：中国人民解放军陆军军事交通学院军事交通运输研究所，
类型：发明
国别省市：