【技术实现步骤摘要】
本专利技术涉及机器人，尤其涉及一种基于动态分层分区策略的多机器人未知环境协同探索方法。
技术介绍
1、在多机器人自主探索领域，目前主要的多机器人协同策略包括基于动作的协同方法、基于市场-拍卖的协同方法以及基于区域划分的协同方法。
2、对于基于动作的多机器人协同探索方法，每个机器人基于自身的传感器数据和环境感知，独立地决定行动；机器人通过近距离的通信与附近的机器人交换位置和探索信息，将其作为基础实时调整自身的规划路径和探索目标，以避免重复探索并尽可能覆盖所有未知区域。在该方法中，每个机器人独立进行决策，整个系统采用分布式的任务规划。该方法适用于动态环境，机器人根据环境实时变化独立决策；但由于没有良好的协调机制，可能会造成多机器人在探索过程中发生局部冲突以及重复探索部分区域，导致整体探索效率下降；
3、对于基于市场-拍卖的协作机器人协同探索方法，机器人之间通过一个中心或去中心化的方式进行任务拍卖。在中心化情况下，有一个“拍卖主持人”来分配任务；在去中心化情况下，机器人通过相互通信的方式自主发起拍卖和竞标。探索目标在任务分配机制的作用下被“拍卖”出去，每个机器人根据自身的位置状态“竞标”，并最终分配给出价最低的机器人。该方法模拟了市场交易的过程，任务的分配基于效用最大化原则，机器人根据代价竞争通过经济模型有效分配任务，适合复杂任务分割，但对通信和计算要求较高；
4、对于基于区域划分的多机器人协同探索方法，该方法机器人任务明确、在通信需求低的环境中效率较高，但对动态环境的适应性较差，由于探索环境具有未
技术实现思路
1、鉴于上述的分析，本专利技术实施例旨在提供一种基于动态分层分区策略的多机器人未知环境协同探索方法，用以解决现有方法存在机器人重复探索、难以应对环境的变化、计算复杂度较高的技术问题。
2、本专利技术的目的主要是通过以下技术方案实现的：
3、本专利技术提供了一种基于动态分层分区策略的多机器人未知环境协同探索方法，包括如下步骤：
4、步骤1、多个移动机器人分布在未知环境的不同区域进行协同探索，每个机器人通过slam算法实时构建局部地图，并基于多机器人之间的信息共享构建全局地图；
5、步骤2、基于全局地图中的探索区域，通过动态分层分区策略将所述全局地图对应的二维探索区域分割为多个子区域，得到分层分区结果；其中，所述分层分区结果为所述二维探索区域基于所述动态分层分区策略达到最优层级时的子区域集合；
6、步骤3、基于各所述机器人的起点位置，将所述分层分区结果在机器人之间进行分配，并平衡多机器人中任意两个相邻机器人之间的任务量，得到每个机器人的任务单元集合；
7、步骤4、在最优层级上，基于每个机器人的任单元集合规划最小化覆盖路径，多个所述机器人基于所述最小化覆盖路径进行协同探索。
8、进一步地，所述全局地图为三维建图，对应的二维探索区域为所述全局地图在二维平面上的投影区域。
9、进一步地，所述步骤2，包括：
10、将所述二维探索区域作为第1层，分解为多个不重合的子区域；
11、对上一层中的任一子区域，在下一层中继续被均匀细分为多个子区域；
12、记录各层中各子区域内未知体素的数量及对应体素的中心坐标，计算每个子区域在二维平面坐标系中的索引值，保存至嵌套数组lgrid中；
13、当该层所有所述子区域中的已知体素数量达到预设比例αu，或者子区域面积达到预设最小面积smin时，分层分区的迭代终止，达到最优层级。
14、进一步地，所述步骤3，包括：
15、每个机器人被分配距离其起点位置最近的子区域作为初始任务单元；
16、每个机器人与其他相邻的机器人分别进行配对得到成对机器人；
17、采用最小生成树算法对成对机器人中各机器人的工作负载wi进行估计，将成对机器人中工作负载较高的机器人的任务单元转移至与之配对的另一机器人，直至配对成本li,j达到预设阈值ε；
18、最终输出每个机器人的任务单元集合。
19、进一步地，所述步骤4，包括：
20、基于所述每个机器人的任务单元集合，将多个机器人的最小覆盖路径问题转化为车辆路径规划vrp问题，并通过引入虚拟仓库代替vrp中的中央仓库，作为优化后的vrp；
21、分别求解每个机器人从虚拟仓库作为初始位置开始并依次通过所述任务目单元集合中各子区域的开环路径；
22、为优化后的vrp建立成本矩阵，包括子区域之间的连接成本、机器人和子区域之间的成本，以及从虚拟仓库到机器人的连接成本；
23、采用全局图g优化机器人轨迹，各子区域作为g的节点，两个相邻子区域之间无碰撞路径时附加一条加权边，权重由路径长度决定；
24、在机器人探索过程中，当环境变化导致子区域更新时，重新计算该子区域与所有相邻子区域的无碰撞路径，并在所述全局图g上更新连接边权重或移除对应的连线；
25、基于机器人的搜索容量约束，使用a*算法在加权的最优层级上执行路径规划，得到最短路径；
26、通过增量式图搜索方法实时更新受影响子区域的最短路径，最终获得最小化覆盖路径。
27、进一步地，对于每个子区域节点vk，获取该子区域中未知体素数并赋值ρk；
28、如果该子区域为已知区域，该节点的ρk值为零；
29、将每个机器人的容量限制为未知体素总数的预设百分比αρ；将机器人qi的任务单元集合记为ri，则机器人的搜索容量约束，如下：
30、
31、其中，nh为机器人qi的任务单元集合中的子区域的数目。
32、进一步地，所述虚拟仓库作为一个参考节点，设置在距离每个机器人的距离最小化的位置；
33、每个机器人的路径是开环的；每个机器人从所述虚拟仓库开始探索，探索其任务单元集合中的各子区域，而不需要返回所述虚拟仓库。
34、进一步地，所述预设比例αu为95％，所述预设最小面积smin为0.5*0.5m2。
35、进一步地，所述步骤1，包括：
36、每个移动机器人基于激光雷达获取点云数据，基于imu获取加速度信息；使用迭代扩展卡尔曼滤波器将所述点云数据与imu数据融合，实时构建局部地图，并进行机器人自定位；
37、通过ros话题传递机制，将机器人状态估计和局部地图点云数据发布给其他机器人；
38、每个机器人接收其他机器人的局部地图和自定位信息，作为自身融合建图的输入；
39、每个机器人将不同机器人的局部地图进行融合建图，输出一个融合的全局地图。
40、进一步地，所述各移动机器人其上搭载了激光雷达、惯性测量单元和支持ros服务的工控机；...
【技术保护点】
1.一种基于动态分层分区策略的多机器人未知环境协同探索方法，其特征在于，包括如下步骤：
2.根据权利要求1所述方法，其特征在于，所述全局地图为三维建图，对应的二维探索区域为所述全局地图在二维平面上的投影区域。
3.根据权利要求1所述方法，其特征在于，所述步骤2，包括：
4.根据权利要求3所述方法，其特征在于，所述步骤3，包括：
5.根据权利要求1所述方法，其特征在于，所述步骤4，包括：
6.根据权利要求5所述方法，其特征在于，对于每个子区域节点νk，获取该子区域中未知体素数并赋值ρk；
7.根据权利要求5所述方法，其特征在于，所述虚拟仓库作为一个参考节点，设置在距离每个机器人的距离最小化的位置；
8.根据权利要求3所述方法，其特征在于，所述预设比例αu为95％，所述预设最小面积Smin为0.5*0.5m2。
9.根据权利要求1所述方法，其特征在于，所述步骤1，包括：
10.根据权利要求1-9任一项所述方法，其特征在于，所述各移动机器人其上搭载了激光雷达、惯性测量单元和支持R
...【技术特征摘要】
1.一种基于动态分层分区策略的多机器人未知环境协同探索方法，其特征在于，包括如下步骤：
2.根据权利要求1所述方法，其特征在于，所述全局地图为三维建图，对应的二维探索区域为所述全局地图在二维平面上的投影区域。
3.根据权利要求1所述方法，其特征在于，所述步骤2，包括：
4.根据权利要求3所述方法，其特征在于，所述步骤3，包括：
5.根据权利要求1所述方法，其特征在于，所述步骤4，包括：
6.根据权利要求5所述方法，其特征在于，对于每个子区域节...
【专利技术属性】
技术研发人员：苏波，宋威龙，韩乐，冯付勇，蒋朝阳，黄睿，魏超，田泽宇，余雪玮，安旭阳，孙禹启，尹俭芳，
申请(专利权)人：中兵智能创新研究院有限公司，
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。