一种面向复杂环境的多异构机器人视觉伺服队形变换方法技术

该发明专利技术公开了一种面向复杂环境的多异构机器人视觉伺服队形变换方法，本发明专利技术面向复杂环境的多异构机器人视觉伺服队形变换方法，首先借助视觉传感器获取地面机器人位姿，对无人机和地面机器人分别设计伺服控制算法和编队算法，完成无人机跟踪和地面多移动机器人编队；其次通过视觉传感器对异构多机器人系统运行环境进行建模；针对复杂环境中的避障，实现狭窄区域下的编队队形变换策略；构建基础编队队形库，基于编队变换时间、队形差异以及安全系数设计编队变换评价函数；针对实际情形，从无变换操作、编队收缩和编队切换中选取最符合当前环境约束与预期任务要求的编队队形，并应用伺服和编队算法实现相关操作，完成预期任务并安全通过障碍地形。并安全通过障碍地形。并安全通过障碍地形。

【技术实现步骤摘要】
一种面向复杂环境的多异构机器人视觉伺服队形变换方法


[0001]本专利技术属于移动机器
，更为具体地讲，涉及一种面向复杂环境的多异构机器人视觉伺服队形变换技术。

技术介绍

[0002]基于视觉传感器的定位技术，主要通过摄像头获取视野内目标物体的深度信息，从而实现目标位置的测量。以AprilTag标签为辅助标记的目标检测方法具备较高精度，且实现简单。测量三维位姿的同时，能通过解码获取标签信息，实现身份识别。相较于传统而二维码，具有更高的定位精度，鲁棒性更高，运行速率较快。
[0003]移动多机器人协同系统目前主要应用同构机器人搭建物理平台。同构机器人虽然能携带不同类型传感，但是在运动能力上不能相互补充，不能克服同类机器人的弊端和缺陷。异构机器人系统可以充分发挥各自的优势，扬长避短，弥补不足，提高系统性能同时增强鲁棒性。针对模型相异的空
‑
地多机器人实现协同控制，存在一定的挑战和难度。
[0004]在复杂地面环境下，多移动机器人为保证运行安全或高效完成任务目标，需要进行多机器人编队队形调整。根据机器人工作场景和目标要求构建基础队形库和设计编队变换评价函数，用于实时编队变换策略。结合实际环境约束，进行适当的队形变换操作，保证机器人能够以最大限度完成预期任务。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种面向复杂环境的多异构机器人视觉伺服队形变换方法，具体实现为基于视觉信息的多异构机器人控制系统——对四旋翼无人机和地面移动机器人设计跟踪和编队控制器，确保四旋翼持续地获取地面机器人相对位姿，并引导地面编队的生成。其次根据实时环境约束，设计一种编队变换优化策略，提高机器人在非结构化环境中的运动能力。
[0006]为实现上述专利技术目的，本专利技术一种面向复杂环境的多异构机器人视觉伺服队形变换方法，该方法包括：
[0007](1)、构建基本队形库，完成各基本编队队形基本信息配置；基本队形库构建规则如下：
[0008]L＝{Γ1,Γ2,
…
,Γ
i
,
…
,Γ
N
}
[0009]其中，L表示基本队形库；Γ
i
表示第i个基本队形信息，具体内容如下：
[0010]Γ
i
＝{D
ix
,D
iy
,d
safe
,d
width
,d
length
,n
i
}
[0011]其中，D
ix
表示第i个基本队形的X轴期望距离矩阵，D
iy
表示第i个基本队形的Y轴期望距离矩阵；d
safe
表示机器人间的安全距离，d
wid
表示第i个基本队形的宽度，d
len
表示第i个基本队形的长度，n
i
表示第i个基本队形包含的机器人数量；
[0012](2)、指定初始编队队形，给定任务目标；
[0013](2.1)、设计编队控制律F1和跟踪控制律F2，完成无人机的视觉伺服跟踪；通过搭载
在无人机的视觉相机获取地面编队的中心位姿信息，传回上位机，基于伺服跟踪控制算法计算无人机期望速度信号；再传回四旋翼板载控制器，将期望速度信号转换为飞控接收信号，控制无人机运动到编队中心的上空；
[0014](2.2)、通过基于辅助标签的视觉算法解算地面机器人的相对位姿，传回上位机并计算各地面移动机器人的期望运动速度，通过蓝牙传送到各地面移动机器人终端，实现期望编队形状；
[0015](3)、异构多机器人系统感知周围环境，检测机器人集群路径内环境约束；
[0016](4)、计算编队变换系数，如下式：
[0017][0018]其中，γ表示编队的变换系数；D
form
表示当前多机器人编队的宽度；D
c
表示复杂地形可通过的最大安全宽度；根据变换系数大小选择对应操作：
[0019][0020]根据变换系数判断是否不需变换即可通过当前狭窄地形，如果γ小于等于1，则表明地形安全宽度大于当前编队宽度，不需要任何队形变换操作即可通过；如果γ大于1，则表明地形安全宽度小于当前编队宽度，即继续保持原队形无法通过当前环境，转到步骤(5)；
[0021](5)、编队变换优化策略；
[0022](5.1)、首先判断当前编队的基本队形能否穿越地形，如果基本队形满足安全约束，转到步骤(5.2)；若不能满足安全约束，则只能进行编队切换；编队切换评价函数f如下：
[0023]f＝k
t
f
t
+k
f
f
df
+k
s
f
s
[0024]其中，k
t
、k
f
、e表示的权重系数；f表示编队队形变换策略评价函数；f
t
表示编队变换所需要的时间；f
df
表示当前队形与期望队形的差异；f
s
表示安全系数，用以衡量期望队形的安全程度；f
t
的计算方式如下：
[0025][0026]其中，t
a
表示编队变换的开始时刻；t
b
表示编队变换的结束时刻；实际中可通过测量的方式获取不同队形间切换所需时间；f
df
的计算方式如下：
[0027][0028]其中，D
dx
表示期望编队队形的X轴信息；D
dy
表示期望编队队形的Y轴信息；D
cx
表示当前编队队形的X轴信息；D
cy
表示当前编队队形的Y轴信息；f
s
的计算方式如下：
[0029][0030]其中，α表示编队宽度的权重系数；β表示编队长度的权重系数；f
x
表示编队宽度；f
y
表示编队长度；在所有其他编队中选取评价函数最小的作为被切换编队队形，转到步骤(5.3)；
[0031](5.2)、若当前编队的最小队形可安全通过当前区域，那么对编队收缩操作，根据经验选取最佳收缩变换系数γ
*
，当步骤(4)中的编队变换系数满足γ≥γ
*
时，直接进行切换操作，计算步骤如(5.1)所示，得出最佳切换编队队形，并转到步骤(5.3)；
[0032]当γ满足1＜γ＜γ
*
时，考虑编队队形的收缩操作；选取1/γ为队形收缩系数，确定收缩后的编队形状；为弥补人为设置最佳收缩变换系数带来的不足，也即确保真正实现更优的编队变换操作，计算收缩评价函数，并在可收缩情况下计算选取编队切换操作的评价函数；通过比较收缩和切换评价函数的值，最终确定出优化过的期望编队队形，转到步骤(5.3)；
[0033](5.3)、将期望编队队本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向复杂环境的多异构机器人视觉伺服队形变换方法，该方法包括：(1)、构建基本队形库，完成各基本编队队形基本信息配置；基本队形库构建规则如下：L＝{Γ1,Γ2,
…
,Γ
i
,
…
,Γ
N
}其中，L表示基本队形库；Γ
i
表示第i个基本队形信息，具体内容如下：Γ
i
＝{D
ix
,D
iy
,d
safe
,d
width
,d
length
,n
i
}其中，D
ix
表示第i个基本队形的X轴期望距离矩阵，D
iy
表示第i个基本队形的Y轴期望距离矩阵；d
safe
表示机器人间的安全距离，d
wid
表示第i个基本队形的宽度，d
len
表示第i个基本队形的长度，n
i
表示第i个基本队形包含的机器人数量；(2)、指定初始编队队形，给定任务目标；(2.1)、设计编队控制律F1和跟踪控制律F2，完成无人机的视觉伺服跟踪；通过搭载在无人机的视觉相机获取地面编队的中心位姿信息，传回上位机，基于伺服跟踪控制算法计算无人机期望速度信号；再传回四旋翼板载控制器，将期望速度信号转换为飞控接收信号，控制无人机运动到编队中心的上空；(2.2)、通过基于辅助标签的视觉算法解算地面机器人的相对位姿，传回上位机并计算各地面移动机器人的期望运动速度，通过蓝牙传送到各地面移动机器人终端，实现期望编队形状；(3)、异构多机器人系统感知周围环境，检测机器人集群路径内环境约束；(4)、计算编队变换系数，如下式：其中，γ表示编队的变换系数；D
form
表示当前多机器人编队的宽度；D
c
表示复杂地形可通过的最大安全宽度；根据变换系数大小选择对应操作：根据变换系数判断是否不需变换即可通过当前狭窄地形，如果γ小于等于1，则表明地形安全宽度大于当前编队宽度，不需要任何队形变换操作即可通过；如果γ大于1，则表明地形安全宽度小于当前编队宽度，即继续保持原队形无法通过当前环境，转到步骤(5)；(5)、编队变换；(5.1)、首先判断当前编队的基本队形能否穿越地形，如果基本队形满足安全约束，转到步骤(5.2)；若不能满足安全约束，则只能进行编队切换；编队切换评价函数f如下：f...

【专利技术属性】
技术研发人员：胡江平，苑港硕，周子粲，黄帅，穆尚群，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：