【技术实现步骤摘要】
本申请涉及多无人系统协同自主探索与3d感知定位制图，特别涉及一种无人自主激光移动测量方法及装置。
技术介绍
1、随着自动化与智能化技术的快速发展，对多无人系统在未知环境下的定位制图与自主探索需求在机器人协同作业、灾后救援和环境监测等领域变得尤为关键。传统的建图和导航技术自适应性差，可靠性低，在复杂环境中面临明显局限性。
2、基于点云的方法依赖于几何特征匹配进行点云配准，其性能高度依赖于3d几何特征的稳健性。尽管slam社区开发了多种方法以提高子地图合并的准确性和稳健性，包括利用语义对象、词袋向量、全图像描述符和基于序列的位置识别，但在实际应用中，仍需克服数据关联错误和变换矩阵误差等问题
3、传统的环境探索方法大多采用贪婪算法，仅关注短期最优解而忽视长期效率，尤其在涉及多机器人系统且通信受限的复杂场景中，效率问题尤为明显。此外，现有的多机器人协同探索策略通常将通信优先于探索任务本身，可能对整体任务效率产生负面影响，且这些策略通常依赖于启发式方法，没有充分考虑信息交换对探索效率的实际影响，也忽略了在复杂或恶劣环境下的适应性与可靠性。
4、面对传统三位环境下多机器人子地图合并、环境探索与协同探索策略的局限性，现有的无人自主激光探测方法在高动态、多变环境下的表现远远不能满足高度自主性、适应性、高效率的要求，难以应用于自动探索与监测领域中，亟待解决。
技术实现思路
1、本申请提供一种无人自主激光移动测量方法及装置，以解决现有的无人自主激光探测方法在高动态、
2、本申请第一方面实施例提供一种无人自主激光移动测量方法，包括以下步骤：获取至少两个目标机器人的环境信息，并确定所述至少两个目标机器人的视点集合；基于预设的因子图和automerge框架，评估所述至少两个目标机器人中每个目标机器人的环境信息，得到评估结果，并根据所述评估结果按照预设合并条件合并所述至少两个目标机器人的环境信息，以生成合并地图信息；基于所述视点集合，按照预设的覆盖标准和动态视点奖励机制计算所述至少两个目标机器人中每个目标机器人的最小视点集合，基于所述合并地图信息和所述最小视点集合，构建全局路线图，并利用所述全局路线图计算多种预设通信条件下每种预设通信条件的通信成本，以根据所述通信成本控制所述每个目标机器人执行相应的行进操作。
3、可选地，在本申请的一个实施例中，所述基于预设的因子图和automerge框架，评估所述至少两个目标机器人中每个目标机器人的环境信息，得到评估结果，并根据所述评估结果按照预设合并条件合并所述至少两个目标机器人的环境信息，以生成合并地图信息，包括：根据所述每个目标机器人的环境信息和所述每个目标机器人之间的内连接方式构建所述因子图；获取所述每个目标机器人环境信息之间的重叠长度，并根据所述重叠长度提取特征描述符；基于所述automerge框架、所述特征描述符和所述因子图，对所述每个目标机器人的环境信息执行匹配操作，生成所述每个目标机器人对应的匹配序列对，并对所述匹配序列对中的每个匹配序列进行有效性验证，以得到每个匹配序列的验证结果；判断所述验证结果是否满足预设有效性要求，如果所述验证结果不满足所述预设有效性要求，则移除对应的匹配序列；如果所述验证结果满足所述预设有效性要求，则计算所述匹配序列对的内连接评分，并判断所述内连接评分是否大于预设评分阈值；如果所述内连接评分大于所述预设评分阈值，则合并所述每个目标机器人的环境信息，以得到合并子地图信息；如果所述内连接评分不大于所述预设评分阈值，则计算所述匹配序列对的合并距离，并根据所述合并距离对所述匹配序列对执行主动合并操作，以得到主动合并结果；基于所述主动合并结果或所述合并子地图信息，遍历所述每个机器人的环境信息，直至达到预设探索要求为止，以生成所述合并地图信息。
4、可选地，在本申请的一个实施例中，所述基于所述视点集合，按照预设的覆盖标准和动态视点奖励机制计算所述至少两个目标机器人中每个目标机器人的最小视点集合，包括：确定目标传感器的覆盖表面点标准和局部范围空间；基于所述覆盖表面点标准和所述局部范围空间，执行视点奖励比较操作，以得到比较结果；根据所述比较结果选取空间初始视点，并计算所述空间初始视点的未覆盖表面，以通过所述未覆盖表面选取后续视点；动态调整后续视点奖励，并根据动态调整后的后续视点奖励重复执行视点奖励比较操作，以生成所述最小视点集合。
5、可选地，在本申请的一个实施例中，所述基于所述合并地图信息和所述最小视点集合，构建全局路线图，包括：构建空间细分模型，并根据所述空间细分模型将目标空间划分为多个子目标空间，且对所述多个子目标空间进行标记；基于标记后的多个子目标空间、所述最小视点集合、预设分辨率和预设重用策略，获取候选视点，并根据所述候选视点与所述每个目标机器人的历史运动轨迹构建所述全局路线图。
6、可选地，在本申请的一个实施例中，所述利用所述全局路线图计算多种预设通信条件下每种预设通信条件的通信成本，以根据所述通信成本控制所述每个目标机器人执行相应的行进操作，包括：确定所述每个目标机器人的环境了解信息，并根据所述环境了解信息构建信息同步模型；当目标机器人i和目标机器人j超出预设通信范围时，根据所述信息同步模型对所述目标机器人i分别进行无通信评估、半通信评估和假设通信评估，并分别计算所述无通信评估、所述半通信评估和所述假设通信评估对应的全局路径和通信成本，其中i和j属于正整数；根据所述全局路径和所述通信成本计算所述目标机器人i追踪所述目标机器人j的追踪成本，并基于所述追踪成本和所述通信成本，构建规定追逐成本比较模型；当m个目标机器人位于n个机器人的通信范围内时，采用预设随机抽样策略从n-m个目标机器人中选取通信目标，其中，m、n属于正整数，且m<n；确定所述m个目标机器人追踪所述通信目标的追踪路线，并获取所述m个目标机器人的追踪结果，以基于所述追踪路线和追踪结果，并结合预设追逐决策和通信策略控制所述每个目标机器人执行相应的行进操作。
7、本申请第二方面实施例提供一种无人自主激光移动测量装置，包括：获取模块，用于获取至少两个目标机器人的环境信息，并确定所述至少两个目标机器人的视点集合；评估模块，用于基于预设的因子图和automerge框架，评估所述至少两个目标机器人中每个目标机器人的环境信息，得到评估结果，并根据所述评估结果按照预设合并条件合并所述至少两个目标机器人的环境信息，以生成合并地图信息；控制模块，用于基于所述视点集合，按照预设的覆盖标准和动态视点奖励机制计算所述至少两个目标机器人中每个目标机器人的最小视点集合，基于所述合并地图信息和所述最小视点集合，构建全局路线图，并利用所述全局路线图计算多种预设通信条件下每种预设通信条件的通信成本，以根据所述通信成本控制所述每个目标机器人执行相应的行进操作。
8、可选地，在本申请的一个实施例中，所述评估模块包括：第一构本文档来自技高网...
【技术保护点】
1.一种无人自主激光移动测量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述基于预设的因子图和AutoMerge框架，评估所述至少两个目标机器人中每个目标机器人的环境信息，得到评估结果，并根据所述评估结果按照预设合并条件合并所述至少两个目标机器人的环境信息，以生成合并地图信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述视点集合，按照预设的覆盖标准和动态视点奖励机制计算所述至少两个目标机器人中每个目标机器人的最小视点集合，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述合并地图信息和所述最小视点集合，构建全局路线图，包括：
5.根据权利要求4所述的方法，其特征在于，所述利用所述全局路线图计算多种预设通信条件下每种预设通信条件的通信成本，以根据所述通信成本控制所述每个目标机器人执行相应的行进操作，包括：
6.一种无人自主激光移动测量装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述评估模块包括：
8.一种电子设备，
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的无人自主激光移动测量方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被执行，以用于实现如权利要求1-5任一项所述的无人自主激光移动测量方法。
...【技术特征摘要】
1.一种无人自主激光移动测量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述基于预设的因子图和automerge框架，评估所述至少两个目标机器人中每个目标机器人的环境信息，得到评估结果，并根据所述评估结果按照预设合并条件合并所述至少两个目标机器人的环境信息，以生成合并地图信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述视点集合，按照预设的覆盖标准和动态视点奖励机制计算所述至少两个目标机器人中每个目标机器人的最小视点集合，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述合并地图信息和所述最小视点集合，构建全局路线图，包括：
5.根据权利要求4所述的方法，其特征在于，所述利用所述全局路线图计算多种预设通信条件下每种预设通信...
【专利技术属性】
技术研发人员：杨必胜，陈驰，韩辉煌，胡逸晨，郭亚男，金昂，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。