CN103869824B - 基于生物触角模型的多机器人水下目标搜寻方法及装置 - Google Patents
基于生物触角模型的多机器人水下目标搜寻方法及装置 Download PDFInfo
- Publication number
- CN103869824B CN103869824B CN201410079228.4A CN201410079228A CN103869824B CN 103869824 B CN103869824 B CN 103869824B CN 201410079228 A CN201410079228 A CN 201410079228A CN 103869824 B CN103869824 B CN 103869824B
- Authority
- CN
- China
- Prior art keywords
- robot
- target
- underwater
- grid
- barrier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000004888 barrier function Effects 0.000 claims description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- 230000004927 fusion Effects 0.000 claims description 22
- 238000009792 diffusion process Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000011514 reflex Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 210000004247 hand Anatomy 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 2
- 235000006506 Brasenia schreberi Nutrition 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于生物触角模型的多机器人水下目标搜寻方法和装置,载有多台水下机器人的水下探测船到达目标搜寻区域后,各水下机器人利用生物触角模型驱动运动,将探测的环境信息数据发给水下探测船;水下探测船根据环境信息数据实时更新栅格地图,并广播给各水下机器人;当某水下机器人发现目标时广播该信息给其他水下机器人和水下探测船;水下探测船到达目标位置后利用机械手抓取目标,其他水下机器人运动到目标位置后登上水下探测船。本发明提出一种生物触角模型驱动机器人运动的方法和装置来完成多机器人在未知环境中的目标搜寻任务,可以大大的提高水下机器人目标搜寻的效率。
Description
技术领域
本发明属于水下未知环境中多机器人目标搜寻领域,是机器人技术与生物感知技术相结合的应用,特别是涉及一种基于生物触角模型的多机器人水下目标搜寻方法和装置。
背景技术
水下目标搜寻是水下作业的重要内容之一,水下环境恶劣,要想实现水下目标搜寻一般的设备很难完成。因此,人们将目光放在了机器人身上,由于水下区域广阔,单个机器人搜寻效率低下,水下多机器人技术的研究随之发展起来。
水下环境具有时间可变性,随着时间的推移,由于水流的影响会使得环境中的物体发生移动而改变环境的状态。这样不仅增加了对机器人自主避障的要求,还使得机器人不能准确的完成对水下环境的地图构建,从而影响了机器人路径规划的效率。在这样的复杂多变环境下如何实现多机器人的目标搜寻工作,成为水下机器人技术的研究热点,也是难点问题。
发明内容
本发明提出了一种基于生物触角模型的多机器人水下目标搜寻方法及设备。通过生物触角模型对环境进行探索,并建立环境栅格地图,然后利用信息融合技术实时更新水下环境栅格地图信息,指导机器人进行目标搜索,发现目标后,利用扩散方程进行路径规划,指导水下探测船运动到目标进行目标抓取,并最终完成水下目标搜索任务。本发明提供了一种能够提高水下目标搜寻效率的基于生物触角模型的多机器人水下目标搜寻方法及设备。
本发明实现上述发明目的的技术方案是:提供一种基于生物触角模型的多机器人水下目标搜寻方法及装置。
基于生物触角模型的多机器人水下目标搜寻方法,其特征在于,包括如下步骤:
(1)接到目标搜寻任务后,搜寻人员根据目标已知的大概位置信息,将载有多台小型水下机器人的水下探测船从该处投入海底;
(2)水下探测船下沉到海底后,以水下探测船中心为原点,建立平面坐标系;各水下机器人建立自身的运动学模型,第i台机器人的状态变量为(xi,yi,θi),其中(xi,yi)为机器人在平面坐标系中的位置坐标,θi为机器人运动方向角;水下探测船释放水下机器人。
(3)各水下机器人利用生物触角模型驱动机器人不断往前运动,进行目标搜索,同时利用自身携带的声呐传感器实时进行环境探测,并将声呐传感器获取的环境信息数据通过自身携带的水下通信设备发给水下探测船;
(4)水下探测船建立水下环境动态栅格地图,根据接收到的各水下机器人环境信息数据,实时更新栅格地图,并利用自身携带的水下通讯设备广播该地图信息给各水下机器人;
(5)当某水下机器人在其侦测范围内根据已知目标的有关特征和信息发现目标时,标记其位置信息,并广播该信息给其他水下机器人和水下探测船;
(6)其他水下机器人和水下探测船在得到目标位置信息后,根据栅格地图,利用扩散方程进行路径规划,计算各自到达目标的最佳路径,水下探测船到达目标位置,利用携带的机械手进行目标抓取,其他水下机器人运动到目标位置,然后所有水下机器人集合登上水下探测船,水下探测船上浮,完成目标搜索任务。
所述步骤(3)中,生物触角模型的建立步骤为:
生物触角模型是将Bug算法与神经行为学结合得到的仿生条件反射导航算法,即在水下机器人本身一些特定区域借助声呐传感器探测到的触觉信息,实时激励触发反射行为来实现对未知环境中目标的搜寻;
该模型中设置五个生物触角模型分别为:位于前方的半圆环形触角Dngs与Dngb,其半径分别为Rs与Rb;位于左右主动轮位置的矩形触角Wngl与Wngr,其大小为dW×c,其中dw和c分别为矩形触角的长和宽;位于正前方由大小为2Rs×a的矩形加半径为Rs的半圆形组成的宽面积型触角Lng,其中2Rs为矩阵的长,a为矩形的宽;左右主动轮位置的矩形触角Dngs和Dngb用于绕开障碍物边缘行为的实现,且Rr≤Rs≤Rb,Rr是水下机器人的外接圆半径;Wngl与Wngr用于记录当前行走过程中左右主动轮运动的实时位移sl和sr;Lng用于检测当前传感器探测范围内无障碍直线行走的最大距离smax。
步骤(3)中,基于生物触角模型的水下机器人行走过程如下:
机器人从起点s出发,初始阶段采用随机搜索策略,即机器人运动方向角为:
其中,(θr)t+1是机器人在t+1时刻的运动方向角,(θr)t是机器人t时刻的运动方向角,ε是一个(0,1)之间的随机数;
在行走过程中通过触角模型不断判断各种运动条件是否满足来调整机器人的运动方向角:
首先利用相遇条件判断是否遇到障碍物,如果遇到障碍物,则利用避开条件判断是否进行避障,如果满足避开条件,则采用弧线运动避开障碍物,并利用脱离条件判断是否已安全避开障碍物,如果避开障碍物则采用随机搜索,否则继续进行避障;在运动过程中实时利用终止条件判断是否停止机器人运动。
相遇条件为:dmin≤Rs,其中dmin表示声呐传感器探测范围内机器人与障碍物之间的最近距离;
避开条件为:dmin≥Rb,其中dmin表示声呐传感器探测范围内机器人与障碍物之间的最近距离;
脱离条件为:(|θr-θXT|≤θε & dXT≤smax)OR(|θr-θXT|≤θε & smax≥sstep),其中θe为预先设定的对准角度容差,θr为当前水下机器人的运动方向角,θXT是水下机器人当前位置与目标位置之间的角度,dXT为水下机器人当前位置与目标之间的距离,sstep为预先设定的脱离阈值,smax为水下机器人当前位置与目标方向上可无障碍行走的最大距离;
终止条件为:dXT≤de,其中de为预先设定的终点距离容差。
所述步骤(4)水下探测船建立水下环境动态栅格地图、更新栅格地图的过程为:
(4a)以水下探测船为原点,以水下机器人最大勘测距离为半径的圆形环境区域内建立直角坐标系;该直角坐标系以水下探测船水平向右方向为X轴正方向,正前方方向为Y轴正方向,并以1×1m2尺度将环境区域进行基本的栅格地图划分,使得每一个栅格均有唯一的直角坐标(x,y)来标识,环境地图用一个二维数矩阵m(i,j)表示:
(4b)水下探测船将所接收到的由各个水下机器人声纳传感器获取的环境信息数据转换成信度函数值,作为对各栅格是否占有障碍物的一种评估;
(4c)水下探测船将环境数据转换为栅格障碍物信度分配值后,再利用D-S证据理论将所得到的信度分配值相融合来实时更新栅格地图。
步骤(4b)中数据转换方式如下:
在R-d≤r≤R+d区间内该概率值:
m(E)=0
m({O,E})=1.00-m(O)
在Rmin≤r≤R-d区间内该概率值:
m(O)=0
m({O,E})=1.00-m(E)
其中:m(O)是栅格占有障碍物的信度分配值,m(E)是栅格为非障碍物的信度函数分配值,m({O,E})是栅格状态模式不确定的信度函数分配值,r是障碍物与机器人中心的距离,R是声波辐射量程,d是辐射误差,θ是辐射角度,α是散射波束角度的一半,Rmin是水下机器人最小的安全距离。
步骤(4c)中融合的方法有两种,分别为不同时间上的信息融合和不同机器人间的信息融合;
不同时间上的信息融合是指将水下机器人当前时刻所得到的信度函数分配值与上一时刻得到的信度函数分配值相融合,融合公式为:
其中:分别为t时刻栅格(i,j)占有障碍物和非障碍物的信度函数分配值,分别是(t-1)时刻存储的占有障碍物和非障碍物信度函数分配值,分别是融合后占有障碍物和非障碍物信度函数分配值。
不同机器人间的信息融合是指将多台水下机器人得到的同一栅格的信度函数分配值相融合,而不同栅格的信度函数分配值则保持不变,融合公式为:
其中n是探测到同一栅格的水下机器人个数,分别是第k台机器人t时刻对同一栅格(i,j)融合后的占有障碍物和非障碍物信度函数分配值。
所述步骤(6)其他水下机器人和水下探测船在得到目标位置信息后,根据栅格地图,利用扩散方程进行路径规划的步骤为:
(6a)水下机器人和水下探测船根据所构建的栅格地图,确定各自的起始坐标位置和目标坐标位置;栅格地图中每个栅格由(x,y,u)表示,(x,y)是该栅格的地理位置信息,u为扩散方程在该栅格的浓度值,由下面扩散方程模型公式计算:
其中M为邻近栅格的个数,uk+1;r、uk;r分别表示第k+1、k时刻第r个栅格的浓度值,uk;m为第k时刻第m个邻近栅格的浓度值,τ表示步长间隔,g表示衰变速率且为很小的正数;
(6b)根据扩散方程模型计算每个栅格的动态浓度值,使得在障碍物区域栅格的浓度值始终最小,在目标点栅格的浓度值始终最大;水下机器人根据每个栅格的动态浓度值的大小实时计算出到达目标的最佳路径;
机器人返回时,最佳路径实时计算过程为:
(θr)t+1=angle(pr,pn)
其中(θr)t+1为水下机器人下一步运动的方向角,pr为当前水下机器人的位置,pn为所有邻近栅格中浓度最大的栅格位置;um是pr位置的邻近栅格浓度值;是求得的pr邻近栅格中的最大浓度值;angle()是计算两个位置夹角的函数,max()是计算最大值函数;根据该运动规则,水下机器人规划出一条从起点位置自动避开障碍物、快速运动到目标位置的最优路径。
基于生物触角模型的多机器人水下目标搜寻装置,其特征在于:包括一水下探测船和多台小型水下机器人;水下探测船前部装有机械手;
所述水下探测船和各水下机器人上载有可相互通信的水下通信设备;
水下探测船和各水下机器人均携带有存储设备、中心处理器、声呐传感器;
载有多台小型水下机器人的水下探测船下沉到目标搜寻区域后,释放水下机器人进行目标搜索;
水下探测船以水下探测船中心为原点,建立平面坐标系;各水下机器人建立自身的运动学模型;
各水下机器人利用生物触角模型驱动机器人不断往前运动,同时利用自身携带的声呐传感器实时进行环境探测,并将声呐传感器获取的环境信息数据通过自身携带的水下通信设备发给水下探测船;
水下探测船建立水下环境动态栅格地图,根据接收到的各水下机器人环境信息数据,实时更新栅格地图,并利用自身携带的水下通讯设备广播该地图信息给各水下机器人;
当某水下机器人在其侦测范围内根据已知目标的有关特征和信息发现目标时,标记其位置信息,并广播该信息给其他水下机器人和水下探测船;
其他水下机器人和水下探测船在得到目标位置信息后,根据栅格地图,利用扩散方程进行路径规划,计算各自到达目标的最佳路径,水下探测船到达目标位置,利用携带的机械手进行目标抓取,其他水下机器人运动到目标位置,然后所有水下机器人集合登上水下探测船,水下探测船上浮,完成目标搜索任务。
本发明具有如下优点:
(1)本发明利用水下探测船搭载小型水下机器人进行目标搜索,然后利用水下探测船进行水下目标抓取,将多机器人系统用于水下未知环境的目标搜寻中,并使机器人以不同的方向角进行目标搜寻,能够大大提高目标搜索的效率。
(2)本发明提出一种生物触角模型驱动机器人运动的方法来完成多机器人在未知环境中的目标搜寻任务,可以大大的提高水下机器人目标搜寻的效率。
(3)本发明将声纳传感器采集的数据与D-S信息融合算法相结合,用于实时更新水下环境栅格地图,能够高效、快速、准确的实现栅格地图环境的构建和动态更新。
(4)本发明利用扩散方程进行路径规划,一旦小型机器人发现目标,则其他水下机器人和水下探测船采用扩散方程完成对目标位置的导航,该方法能够高效、快速的规划出一条安全无碰撞到达目标的最优路径,高效完成水下目标搜索和抓取任务。
附图说明
图1为本发明的硬件设备组成方框图;
图2为本发明中基于生物触角模型的多机器人水下目标搜寻方法流程图;
图3为本发明中生物触角模型流程图;
图4为本发明中基于生物触角模型的多机器人水下目标搜寻示意图。
具体实施方式
以下结合附图对本发明作进一步的详细说明。
实施本发明的一种硬件设备组成框图如图1所示,包括一个水下探测船和四台水下机器人,其中四台水下机器人分别搭载在水下探测船的四个边缘,水下探测船和水下机器人上都载有水下通讯设备、中心处理器、存储设备、声呐传感器,水下探测船前端装有机械手。水下机器人通过声呐传感器探测环境实时信息,利用水下通讯设备将环境信息发给水下探测船,水下探测船接收信息并在中心处理器上完成栅格地图的构建,并利用存储设备存储地图,同时将该栅格地图信息发给各个水下机器人,水下机器人将接收到的地图信息存储。当有水下机器人发现目标时,将该目标信息发给其他水下机器人及水下探测船,并在已有的栅格地图中规划出各自到达目标的最佳路径。其他水下机器人和水下探测船到达目标位置,水下探测船完成目标抓取,所有水下机器人登上水下探测船,并上浮至水面,完成目标搜寻任务。
本发明是基于生物触角模型的多机器人水下目标搜寻方法,其具体流程如图2所示,包括如下步骤:
(1)水下探测船上载有4台小型水下机器人,探测船和水下机器人都载有水下通信设备、存储设备、中心处理器、声呐传感器。探测船前部装有机械手。
(2)接到目标搜寻任务后,搜寻人员根据目标已知的大概位置信息,将水下探测船从该处投入海底,释放水下机器人进行目标搜索;
(3)水下探测船下沉到海底后,立即以水下探测船中心为原点,建立平面坐标系。各机器人建立自身的运动学模型,第i台机器人的状态变量为(xi,yi,θi),其中(xi,yi)为机器人在平面坐标系中的位置坐标,θi为机器人运动方向角,各机器人的初始运动方向角分别为
(4)各水下机器人离开水下探测船利用生物触角模型驱动机器人不断往前运动,同时利用声呐传感器实时进行环境探测,并将声呐传感器获取的环境信息数据发给水下探测船;
(5)水下探测船建立水下环境动态栅格地图,根据接收到的各机器人环境信息数据,利用D-S证据理论实时更新栅格地图,并利用水下通讯设备广播该地图信息给各水下机器人;
(6)当某水下机器人在其侦测范围内根据已知目标的有关特征和信息发现目标时,标记其位置信息,并广播该信息给其他水下机器人和水下探测船;
(7)其他水下机器人和水下探测船在得到目标位置信息后,根据栅格地图,利用扩散方程进行路径规划,计算各自到达目标的最佳路径,水下探测船到达目标位置,并利用机械手进行目标抓取,其他机器人运动到目标位置,然后所有机器人集合登上水下探测船,水下探测船上浮,完成目标搜索任务。
生物触角模型是将Bug算法与神经行为学结合得到的仿生条件反射导航算法,即在机器人本身一些特定区域借助传感器探测到的触觉信息,实时激励触发反射行为来实现对未知环境中目标的搜寻。该模型中设置五个生物触角模型分别为:位于前方的半圆环形触角Dngs与Dngb,其半径分别为Rs与Rb;位于左右主动轮位置的矩形触角Wngl与Wngr,其大小为dW×c,其中dw和c分别为矩形触角的长和宽;位于正前方由大小为2Rs×a的矩形加半径为Rs的半圆形组成的宽面积型触角Lng,其中2Rs为矩阵的长,a为矩形的宽;左右主动轮位置的矩形触角Dngs和Dngb用于绕开障碍物边缘行为的实现,且Rr≤Rs≤Rb,Rr是水下机器人的外接圆半径;Wngl与Wngr用于记录当前行走过程中左右主动轮运动的实时位移sl和sr;Lng用于检测当前传感器探测范围内无障碍直线行走的最大距离smax。
本发明中利用生物触角模型驱动机器人不断往前运动,其具体工作流程如图3所示,包括如下步骤:
(1)机器人从起点s出发,初始阶段采用随机搜索策略,即机器人运动方向角为:
其中,(θr)t+1是机器人在t+1时刻的运动方向角,(θr)t是机器人t时刻的运动方向角,ε是一个(0,1)之间的随机数。
(2)在行走过程中通过触角模型不断判断各种运动条件是否满足来调整机器人的运动方向角。首先利用相遇条件判断是否遇到障碍物,如果遇到障碍物,则利用避开条件判断是否进行避障,如果满足避开条件,则采用弧线运动避开障碍物,并利用脱离条件判断是否已安全避开障碍物,如果避开障碍物则采用随机搜索,否则继续进行避障。在运动过程中实时利用终止条件判断是否停止机器人运动。这里相遇条件为:dmin≤Rs,其中dmin表示声呐传感器探测范围内机器人与障碍物之间的最近距离;避开条件为:dmin≥Rb;脱离条件为:(|θr-θXT|≤θε & dXT≤smax)OR(|θr-θXT|≤θε & smax≥sstep),其中θe为预先设定的对准角度容差,θr为当前水下机器人的运动方向角,θXT是水下机器人当前位置与目标位置之间的角度,dXT为水下机器人当前位置与目标之间的距离,sstep为预先设定的脱离阈值,smax为水下机器人当前位置与目标方向上可无障碍行走的最大距离;终止条件为:dXT≤de,其中de为预先设定的终点距离容差。
水下探测船建立水下环境动态栅格地图、更新栅格地图的过程为:
(4a)以水下探测船为原点,以水下机器人最大勘测距离为半径的圆形环境区域内建立直角坐标系;该直角坐标系以水下探测船水平向右方向为X轴正方向,正前方方向为Y轴正方向,并以1×1m2尺度将环境区域进行基本的栅格地图划分,使得每一个栅格均有唯一的直角坐标(x,y)来标识,环境地图用一个二维数矩阵m(i,j)表示:
(4b)水下探测船将所接收到的由各个水下机器人声纳传感器获取的环境信息数据转换成信度函数值,作为对各栅格是否占有障碍物的一种评估;
(4c)水下探测船将环境数据转换为栅格障碍物信度分配值后,再利用D-S证据理论将所得到的信度分配值相融合来实时更新栅格地图。
步骤(4b)中数据转换方式如下:
在R-d≤r≤R+d区间内该概率值:
m(E)=0
m({O,E})=1.00-m(O)
在Rmin≤r≤R-d区间内该概率值:
m(O)=0
m({O,E})=1.00-m(E)
其中:m(O)是栅格占有障碍物的信度分配值,m(E)是栅格为非障碍物的信度函数分配值,m({O,E})是栅格状态模式不确定的信度函数分配值,r是障碍物与机器人中心的距离,R是声波辐射量程,d是辐射误差,θ是辐射角度,α是散射波束角度的一半,Rmin是水下机器人最小的安全距离。
步骤(4c)中融合的方法有两种,分别为不同时间上的信息融合和不同机器人间的信息融合;
不同时间上的信息融合是指将水下机器人当前时刻所得到的信度函数分配值与上一时刻得到的信度函数分配值相融合,融合公式为:
其中:分别为t时刻栅格(i,j)占有障碍物和非障碍物的信度函数分配值,分别是(t-1)时刻存储的占有障碍物和非障碍物信度函数分配值,分别是融合后占有障碍物和非障碍物信度函数分配值。
不同机器人间的信息融合是指将多台水下机器人得到的同一栅格的信度函数分配值相融合,而不同栅格的信度函数分配值则保持不变,融合公式为:
其中n是探测到同一栅格的水下机器人个数,分别是第k台机器人t时刻对同一栅格(i,j)融合后的占有障碍物和非障碍物信度函数分配值。
其他水下机器人和水下探测船在得到目标位置信息后,根据栅格地图,利用扩散方程进行路径规划的步骤为:
(6a)水下机器人和水下探测船根据所构建的栅格地图,确定各自的起始坐标位置和目标坐标位置;栅格地图中每个栅格由(x,y,u)表示,(x,y)是该栅格的地理位置信息,u为扩散方程在该栅格的浓度值,由下面扩散方程模型公式计算:
其中M为邻近栅格的个数,uk+1;r、uk;r分别表示第k+1、k时刻第r个栅格的浓度值,uk;m为第k时刻第m个邻近栅格的浓度值,τ表示步长间隔,g表示衰变速率且为很小的正数;
(6b)根据扩散方程模型计算每个栅格的动态浓度值,使得在障碍物区域栅格的浓度值始终最小,在目标点栅格的浓度值始终最大;水下机器人根据每个栅格的动态浓度值的大小实时计算出到达目标的最佳路径;
机器人返回时,最佳路径实时计算过程为:
(θr)t+1=angle(pr,pn)
其中(θr)t+1为水下机器人下一步运动的方向角,pr为当前水下机器人的位置,pn为所有邻近栅格中浓度最大的栅格位置;um是pr位置的邻近栅格浓度值;是求得的pr邻近栅格中的最大浓度值;angle()是计算两个位置夹角的函数,max()是计算最大值函数;根据该运动规则,水下机器人规划出一条从起点位置自动避开障碍物、快速运动到目标位置的最优路径。
本发明中基于生物触角模型的多机器人水下目标搜寻方法示意图如图4所示。用生物触角模型驱动机器人运动实现未知环境的导航,机器人既可以自主无碰撞的运动,又能够高效快速的完成目标搜寻任务。
本发明利用水下探测船搭载小型水下机器人进行目标搜索,然后利用水下探测船进行水下目标抓取,将多机器人系统用于水下未知环境的目标搜寻中,并使机器人以不同的方向角进行目标搜寻,能够大大提高目标搜索的效率。利用一种生物触角模型驱动机器人运动的方法来完成多机器人在未知环境中的目标搜寻任务,可以大大的提高水下机器人目标搜寻的效率。本发明将声纳传感器采集的数据与D-S信息融合算法相结合,用于实时更新水下环境栅格地图,能够高效、快速、准确的实现栅格地图环境的构建和动态更新。本发明利用扩散方程进行路径规划,一旦小型机器人发现目标,则其他水下机器人和水下探测船采用扩散方程完成对目标位置的导航,该方法能够高效、快速的规划出一条安全无碰撞到达目标的最优路径,高效完成水下目标搜索和抓取任务。本发明提高了复杂动态水下环境中目标搜索效率,具有较高的实际应用价值。
Claims (7)
1.基于生物触角模型的多机器人水下目标搜寻方法,其特征在于,包括如下步骤:
(1)接到目标搜寻任务后,搜寻人员根据目标已知的大概位置信息,将载有多台小型水下机器人的水下探测船从该处投入海底;
(2)水下探测船下沉到海底后,以水下探测船中心为原点,建立平面坐标系;各水下机器人建立自身的运动学模型,第i台机器人的状态变量为(xi,yi,θi),其中(xi,yi)为机器人在平面坐标系中的位置坐标,θi为机器人运动方向角;水下探测船释放水下机器人;
(3)各水下机器人利用生物触角模型驱动机器人不断往前运动,进行目标搜索,同时利用自身携带的声呐传感器实时进行环境探测,并将声呐传感器获取的环境信息数据通过自身携带的水下通信设备发给水下探测船;
(4)水下探测船建立水下环境动态栅格地图,根据接收到的各水下机器人环境信息数据,实时更新栅格地图,并利用自身携带的水下通讯设备广播该地图信息给各水下机器人;
(5)当某水下机器人在其侦测范围内根据已知目标的有关特征和信息发现目标时,标记其位置信息,并广播该信息给其他水下机器人和水下探测船;
(6)其他水下机器人和水下探测船在得到目标位置信息后,根据栅格地图,利用扩散方程进行路径规划,计算各自到达目标的最佳路径,水下探测船到达目标位置,利用携带的机械手进行目标抓取,其他水下机器人运动到目标位置,然后所有水下机器人集合登上水下探测船,水下探测船上浮,完成目标搜索任务;
所述步骤(4)水下探测船建立水下环境动态栅格地图、更新栅格地图的过程为:
(4a)以水下探测船为原点,以水下机器人最大勘测距离为半径的圆形环境区域内建立直角坐标系;该直角坐标系以水下探测船水平向右方向为X轴正方向,正前方方向为Y轴正方向,并以1×1m2尺度将环境区域进行基本的栅格地图划分,使得每一个栅格均有唯一的直角坐标(x,y)来标识,环境地图用一个二维数矩阵m(i,j)表示:
(4b)水下探测船将所接收到的由各个水下机器人声纳传感器获取的环境信息数据转换成信度函数分配值,作为对各栅格是否占有障碍物的一种评估;
(4c)水下探测船将环境数据转换为栅格障碍物信度函数分配值后,再利用D-S证据理论将所得到的信度函数分配值相融合来实时更新栅格地图。
2.根据权利要求1所述的基于生物触角模型的多机器人水下目标搜寻方法,其特征在于:所述步骤(3)中,生物触角模型的建立步骤为:
生物触角模型是将Bug算法与神经行为学结合得到的仿生条件反射导航算法,即在水下机器人本身一些特定区域借助声呐传感器探测到的触觉信息,实时激励触发反射行为来实现对未知环境中目标的搜寻;
设置五个生物触角模型分别为:位于前方的半圆环形触角Dngs与Dngb,其半径分别为Rs与Rb;位于左右主动轮位置的矩形触角Wngl与Wngr,其大小为dW×c,其中dw和c分别为矩形触角的长和宽;位于正前方由大小为2Rs×a的矩形加半径为Rs的半圆形组成的宽面积型触角Lng,其中2Rs为矩阵的长,a为矩形的宽;Dngs和Dngb用于绕开障碍物边缘行为的实现,且Rr≤Rs≤Rb,Rr是水下机器人的外接圆半径;Wngl与Wngr用于记录当前行走过程中左右主动轮运动的实时位移sl和sr;Lng用于检测当前传感器探测范围内无障碍直线行走的最大距离smax。
3.根据权利要求2所述的基于生物触角模型的多机器人水下目标搜寻方法,其特征在于:步骤(3)中,基于生物触角模型的水下机器人行走过程如下:
机器人从起点s出发,初始阶段采用随机搜索策略,即机器人运动方向角为:
其中,(θr)t+1是机器人在t+1时刻的运动方向角,(θr)t是机器人t时刻的运动方向角,ε是一个(0,1)之间的随机数;
在行走过程中通过触角模型不断判断各种运动条件是否满足来调整机器人的运动方向角:
首先利用相遇条件判断是否遇到障碍物,如果遇到障碍物,则利用避开条件判断是否进行避障,如果满足避开条件,则采用弧线运动避开障碍物,并利用脱离条件判断是否已安全避开障碍物,如果避开障碍物则采用随机搜索,否则继续进行避障;在运动过程中实时利用终止条件判断是否停止机器人运动。
4.根据权利要求3所述的基于生物触角模型的多机器人水下目标搜寻方法,其特征在于:
相遇条件为:dmin≤Rs,其中dmin表示声呐传感器探测范围内机器人与障碍物之间的最近距离;
避开条件为:dmin≥Rb;
脱离条件为:(|θr-θXT|≤θε&dXT≤smax)OR(|θr-θXT|≤θε&smax≥sstep),其中θε为预先设定的对准角度容差,θr为当前水下机器人的运动方向角,θXT是水下机器人当前位置与目标位置之间的角度,dXT为水下机器人当前位置与目标之间的距离,sstep为预先设定的脱离阈值,smax为水下机器人当前位置与目标方向上可无障碍行走的最大距离;
终止条件为:dXT≤dε,其中dε为预先设定的终点距离容差。
5.根据权利要求1所述的基于生物触角模型的多机器人水下目标搜寻方法,其特征在于:步骤(4b)中数据转换方式如下:
在R-d≤r≤R+d区间内:
m(E)=0
m({O,E})=1.00-m(O)
在Rmin≤r≤R-d区间内:
m(O)=0
m({O,E})=1.00-m(E)
其中:m(O)是栅格占有障碍物的信度函数分配值,m(E)是栅格为非障碍物的信度函数分配值,m({O,E})是栅格状态模式不确定的信度函数分配值,r是障碍物与机器人中心的距离,R是声波辐射量程,d是辐射误差,θ是辐射角度,α是散射波束角度的一半,Rmin是水下机器人最小的安全距离。
6.根据权利要求1所述的基于生物触角模型的多机器人水下目标搜寻方法,其特征在于:步骤(4c)中融合的方法有两种,分别为不同时间上的信息融合和不同机器人间的信息融合;
不同时间上的信息融合是指将水下机器人当前时刻所得到的信度函数分配值与上一时刻得到的信度函数分配值相融合,融合公式为:
其中:分别为t时刻栅格(i,j)占有障碍物和非障碍物的信度函数分配值,分别是(t-1)时刻存储的占有障碍物和非障碍物信度函数分配值,分别是融合后占有障碍物和非障碍物信度函数分配值;
不同机器人间的信息融合是指将多台水下机器人得到的同一栅格的信度函数分配值相融合,而不同栅格的信度函数分配值则保持不变,融合公式为:
其中n是探测到同一栅格的水下机器人个数,分别是第k台机器人t时刻对同一栅格(i,j)融合后的占有障碍物和非障碍物信度函数分配值。
7.根据权利要求1所述的基于生物触角模型的多机器人水下目标搜寻方法,其特征在于:所述步骤(6)其他水下机器人和水下探测船在得到目标位置信息后,根据栅格地图,利用扩散方程进行路径规划的步骤为:
(6a)水下机器人和水下探测船根据所构建的栅格地图,确定各自的起始坐标位置和目标坐标位置;栅格地图中每个栅格由(x,y,u)表示,(x,y)是该栅格的地理位置信息,u为扩散方程在该栅格的浓度值,由下面扩散方程模型公式计算:
其中M为邻近栅格的个数,uk+1;r、uk;r分别表示第k+1、k时刻第r个栅格的浓度值,uk;m为第k时刻第m个邻近栅格的浓度值,τ表示步长间隔,g表示衰变速率且为很小的正数;
(6b)根据扩散方程模型计算每个栅格的动态浓度值,使得在障碍物区域栅格的浓度值始终最小,在目标点栅格的浓度值始终最大;水下机器人根据每个栅格的动态浓度值的大小实时计算出到达目标的最佳路径;
水下机器人返回时,最佳路径实时计算过程为:
(θr)t+1=angle(pr,pn)
其中(θr)t+1是机器人在t+1时刻的运动方向角,pr为当前水下机器人的位置,pn为所有邻近栅格中浓度最大的栅格位置;um是pr位置的邻近栅格浓度值;是求得的pr邻近栅格中的最大浓度值;angle()是计算两个位置夹角的函数,max()是计算最大值函数;根据该运动规则,水下机器人规划出一条从起点位置自动避开障碍物、快速运动到目标位置的最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079228.4A CN103869824B (zh) | 2014-03-05 | 2014-03-05 | 基于生物触角模型的多机器人水下目标搜寻方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079228.4A CN103869824B (zh) | 2014-03-05 | 2014-03-05 | 基于生物触角模型的多机器人水下目标搜寻方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103869824A CN103869824A (zh) | 2014-06-18 |
CN103869824B true CN103869824B (zh) | 2017-02-08 |
Family
ID=50908467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410079228.4A Expired - Fee Related CN103869824B (zh) | 2014-03-05 | 2014-03-05 | 基于生物触角模型的多机器人水下目标搜寻方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103869824B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808671B (zh) * | 2015-05-19 | 2017-03-15 | 东南大学 | 一种家居环境下的机器人路径规划方法 |
CN105509729B (zh) * | 2015-11-16 | 2018-06-29 | 中国航天时代电子公司 | 一种基于仿生触角的机器人自主导航方法 |
EP3480798B1 (en) | 2016-07-04 | 2021-01-06 | Sony Corporation | Robot, robot system, and recording medium |
JP6640779B2 (ja) * | 2017-03-21 | 2020-02-05 | 株式会社東芝 | 自律移動装置及び移動制御システム |
CN108037771A (zh) * | 2017-12-07 | 2018-05-15 | 淮阴师范学院 | 一种多自治水下机器人搜索控制系统及其方法 |
CN108761467A (zh) * | 2018-05-25 | 2018-11-06 | 淮阴师范学院 | 一种基于前视声纳的三维水下地图构建方法 |
CN108692773B (zh) * | 2018-05-30 | 2020-03-31 | 吴光宇 | 一种基于人工智能技术的触手式传感测流仪及其测流方法 |
CN109253398B (zh) * | 2018-11-01 | 2019-09-03 | 燕山大学 | 一种考虑暂稳态性能的水下石油管道动态监测方法 |
CN109471446A (zh) * | 2018-11-08 | 2019-03-15 | 淮阴师范学院 | 一种基于神经网络的全覆盖路径规划方法 |
CN110646857B (zh) * | 2019-09-12 | 2021-06-08 | 北京自动化控制设备研究所 | 水下磁目标分布式搜索方法 |
CN111413698A (zh) * | 2020-03-04 | 2020-07-14 | 武汉理工大学 | 一种面向水下机器人搜寻探摸的目标定位方法 |
CN111931384B (zh) * | 2020-09-01 | 2021-05-14 | 中国人民解放军国防科技大学 | 基于触角模型的群体协同围捕方法和存储介质 |
CN112445244B (zh) * | 2020-11-09 | 2022-03-04 | 中国科学院沈阳自动化研究所 | 一种多自主水下机器人的目标搜寻方法 |
CN112327890A (zh) * | 2020-11-10 | 2021-02-05 | 中国海洋大学 | 一种基于whca*算法的水下多机器人路径规划 |
CN112455630B (zh) * | 2020-11-24 | 2022-04-29 | 山东交通学院 | 一种多功能海域探测机器人及其使用方法 |
CN113084817B (zh) * | 2021-04-15 | 2022-08-19 | 中国科学院自动化研究所 | 扰流环境下水下机器人的物体搜索及抓取控制方法 |
CN114446121B (zh) * | 2022-02-24 | 2024-03-05 | 汕头市快畅机器人科技有限公司 | 一种生命搜索集群教育机器人的控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117071B (zh) * | 2009-12-30 | 2013-03-06 | 中国科学院沈阳自动化研究所 | 一种多水下机器人半物理仿真系统及其控制方法 |
CN102288192B (zh) * | 2011-07-01 | 2013-11-27 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN103576683B (zh) * | 2012-08-03 | 2016-12-21 | 中国科学院深圳先进技术研究院 | 多巡逻机器人的调度方法和系统 |
KR20130117629A (ko) * | 2012-09-01 | 2013-10-28 | 이상윤 | 자원탐사와 채취를 위한 심해무인잠수정의 위치제어시스템 및 방법 |
CN102915039B (zh) * | 2012-11-09 | 2015-08-12 | 河海大学常州校区 | 一种仿动物空间认知的多机器人联合目标搜寻方法 |
CN103454697B (zh) * | 2013-09-26 | 2016-05-04 | 上海海事大学 | 一种全覆盖水下搜救装置及其搜救方法 |
-
2014
- 2014-03-05 CN CN201410079228.4A patent/CN103869824B/zh not_active Expired - Fee Related
Non-Patent Citations (3)
Title |
---|
"蛟龙"号载人潜水器关键技术研究与自主创新;崔维成;《船舶与海洋工程》;20121231(第1期);第1-8页 * |
势场理论的多无人机协同路径规划方法;包勇,等;《火力与指挥控制》;20120331;第37卷(第3期);第10-12页 * |
基于扩散方程的改进型路径搜索算法在机器人足球中的应用;雷大江,等;《计算机与现代化》;20101231(第11期);第19-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103869824A (zh) | 2014-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103869824B (zh) | 基于生物触角模型的多机器人水下目标搜寻方法及装置 | |
CN106909145B (zh) | 无人航道测量船障碍物实时感知避障系统与方法 | |
CN106444769B (zh) | 一种室内移动机器人增量式环境信息采样的最优路径规划方法 | |
CN108681321B (zh) | 一种无人船协同编队的水下探测方法 | |
CN107037809A (zh) | 一种基于改进蚁群算法的无人艇避碰方法 | |
CN206249096U (zh) | 一种水下机器人 | |
CN108508913B (zh) | 基于数据驱动的自主式水下航行器海底路径规划方法 | |
CN106873599A (zh) | 基于蚁群算法和极坐标变换的无人自行车路径规划方法 | |
CN107817798A (zh) | 一种基于深度学习系统的农用机械避障方法 | |
CN108983781A (zh) | 一种无人车目标搜索系统中的环境探测方法 | |
CN111337930B (zh) | 一种auv目标搜索方法 | |
CN112684807A (zh) | 无人机集群三维编队方法 | |
CN105116902A (zh) | 一种移动机器人避障导航的方法和系统 | |
CN106444835A (zh) | 基于Lazy Theta星和粒子群混合算法的水下潜器三维路径规划方法 | |
CN107608347A (zh) | 一种分布式控制无人艇集群围追跟踪方法 | |
CN105014675B (zh) | 一种狭窄空间智能移动机器人视觉导航系统及方法 | |
Forney et al. | Tracking of a tagged leopard shark with an AUV: Sensor calibration and state estimation | |
CN102915465A (zh) | 一种基于移动生物刺激神经网络的多机器人联合编队方法 | |
CN102915039A (zh) | 一种仿动物空间认知的多机器人联合目标搜寻方法 | |
CN102685676A (zh) | 一种无线传感器网络节点三维定位方法 | |
CN111077890A (zh) | 一种基于gps定位与自动避障的农业机器人的实现方法 | |
CN109445440A (zh) | 基于传感器融合与改进q学习算法的动态避障方法 | |
CN108037771A (zh) | 一种多自治水下机器人搜索控制系统及其方法 | |
CN112928799A (zh) | 基于激光测量的移动机器人自动对接充电方法 | |
CN109848996A (zh) | 基于图优化理论的大规模三维环境地图创建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170208 |
|
CF01 | Termination of patent right due to non-payment of annual fee |