CN108334071A - 多机器人系统无碰撞到达目标位置的方法 - Google Patents

Abstract

本发明属于机器人技术领域，具体涉及一种多机器人系统无碰撞到达目标位置的方法。旨在解决现有的避障技术使得多机器人系统难以很好的适应复杂环境的问题。本发明一种多机器人系统无碰撞到达目标位置的方法，包括多机器人系统中的机器人获取激光传感器提供的距离数据，以及距离数据所对应的方向相对于机器人的当前运动方向的角度数据，在此基础上，进行最大距离阈值约束和最小距离阈值约束处理、安全通行分析处理、障碍距离影响分析处理、目标位置影响分析处理以及邻近机器人影响分析处理，得到下一步的运动方向，根据下一步的运动方向控制机器人的运动，最终使得机器人无碰撞地到达自己的目标位置。

Description

多机器人系统无碰撞到达目标位置的方法

技术领域

本发明属于机器人技术领域，具体涉及一种多机器人系统无碰撞到达目标位置的方法。

背景技术

随着机器人和传感器技术的不断发展，多机器人系统受到广泛关注。多机器人系统中的多个机器人能够通过相互配合完成一些单个机器人难以胜任的任务。多机器人系统具有并行性、鲁棒性等优点，在军事、安保以及救援等领域具有广阔的应用前景。在多机器人系统中，多个机器人在运行时能够无碰撞地到达目标位置是多机器人系统顺利执行任务的前提，这就要求每个机器人在向着自己的目标位置运动的过程中，不仅应能够避免与静态障碍物的碰撞，还应能够避免与其他运动的机器人发生碰撞。

为避免多个机器人之间的碰撞，现有的交通规则法让多机器人系统遵循一些交通规则，例如：keep right、safety space ahead、no-passing等，还有将交通规则和优先级结合起来，但是在实际应用中，受机器人认知能力的限制，在一些应用场景中，交通规则的选取较为困难，且优先级的使用会造成机器人的决策变得复杂，难以很好的对复杂环境进行适应。

在机器人环境感知传感器技术越来越成熟的情况下，激光传感器以其测量精度高、扫描速度快、数据点密集以及对光照变化的适应性好等优点，近年来已经成为机器人环境感知的重要手段，可以在激光传感器获取周边环境距离信息基础上，实现多个机器人无碰撞地到达目标位置。

因此，如何提出一种解决上述问题的方案是本领域技术人员目前需要解决的问题。

发明内容

为了解决现有技术中的上述问题，即为了解决现有的避障技术使得多机器人系统难以很好的适应复杂环境的问题，本发明提供了一种多机器人系统无碰撞到达目标位置的方法，包括：

步骤S1：获取多机器人系统中机器人的激光传感器提供的距离数据，以及所述距离数据对应的方向相对于所述多机器人系统中的机器人的当前运动方向的角度数据，得到第一数据集；

步骤S2：对所述第一数据集进行最大距离阈值约束和最小距离阈值约束处理，得到第二数据集；

步骤S3：对所述第二数据集进行安全通行分析处理，得到第三数据集；

步骤S4：对所述第三数据集进行障碍距离影响分析处理，得到第四数据集；

步骤S5：对所述第四数据集进行目标位置影响分析处理，得到第五数据集；

步骤S6：对所述第五数据集进行邻近机器人影响分析处理，得到第六数据集；

步骤S7：根据所述第六数据集，求解所述多机器人系统中机器人下一步的运动方向；

步骤S8：根据步骤S7得到的下一步的运动方向，控制所述多机器人系统中的机器人到达目标位置。

在上述方法的优选技术方案中，所述最大距离阈值约束和最小距离阈值约束处理，其方法为：

所述最大距离阈值约束处理为：将所述第一数据集中大于预设最大距离阈值的距离数据赋值为所述预设最大距离阈值；

所述最小距离阈值约束处理为：将所述第一数据集中小于预设安全距离阈值d_safe的距离数据赋值为0；

其中，d_safe＝k×r，r为机器人半径，k为第一预设系数且k>1。

在上述方法的优选技术方案中，所述进行安全通行分析处理，其方法为：

对于所述第二数据集的每个有效的数据对以所述第二数据集的角度数据θ_i为基准，将所述多机器人系统中机器人的周围环境分为三个角度区间，所述三个角度区间对应的角度范围分别为：[θ_i-θ_safe,θ_i+θ_safe]、

判断所述第二数据集的数据对(d_th,θ_h)是否满足所述θ_i对应方向的安全通行条件，其中，所述θ_i对应方向的安全通行条件具体为：

d_th＞0,θ_h∈[θ_i-θ_safe,θ_i+θ_safe]且

若所述第二数据集的数据对(d_th,θ_h)不满足上述条件，则将所述角度数据θ_i所对应的距离数据d_ti赋值为0；

其中，θ_safe＝arcsin(r_safe/d_safe)，r_safe为预设的安全阈值，d_h为经过最大距离阈值约束处理后的所述第一数据集中θ_h所对应的距离数据，d_th表示所述第二数据集的数据对的角度数据θ_h所对应的距离数据，i＝1,2,…,N，h＝1,2,…,N，N表示所述多机器人系统中的机器人利用激光传感器获取的距离数据的个数。

在上述方法的优选技术方案中，所述进行障碍距离影响分析处理，其方法为：

对所述第三数据集的有效的数据对的距离数据取倒数处理。

在上述方法的优选技术方案中，所述进行邻近机器人影响分析，其方法包括：

步骤S61：计算单个邻近机器人的影响因子，具体计算方法如下公式所示：

其中，M_ij表示所述多机器人系统中邻近机器人R_j对机器人R带来的影响因子，d_max表示预设的最大距离阈值，D_j表示所述多机器人系统中机器人R与其邻近机器人R_j之间的距离，将所述机器人R的中心点与其邻近机器人R_j的中心点的连线记为第二参考方向，点P_Rj为在所述邻近机器人R_j当前运动方向上，且与所述邻近机器人R_j中心点的距离为r_j的位置点，r_j表示所述邻近机器人R_j的半径，将所述机器人R的中心点与点P_Rj的连线方向记为第三参考方向，θ_oj表示所述第三参考方向相对于所述机器人R的当前运动方向的角度，θ_sj表示所述第二参考方向相对于所述机器人R的当前运动方向的角度，θ_ej表示所述邻近机器人R_j的当前运动方向相对于所述机器人R的当前运动方向的角度；

步骤S62：计算所有邻近机器人的综合影响因子，具体计算方法如下公式所示：

其中，M_i表示所有邻近机器人的综合影响因子，Z表示所述机器人R周围所有的邻近机器人的个数，j＝1,2,…,Z。

在上述方法的优选技术方案中，求解所述多机器人系统中机器人下一步的运动方向，其方法为：

获取所述第六数据集的有效的数据对中最小的d_fi值所对应的角度数据；

根据所述角度数据，得到与所述角度数据对应的方向，将其作为所述多机器人系统中机器人下一步的运动方向；

其中，d_fi表示第六数据集的数据对的角度数据θ_i所对应的数据。

在上述方法的优选技术方案中，“根据步骤S7得到的下一步的运动方向，控制所述多机器人系统中的机器人到达目标位置”，其方法为：

计算步骤S7求解得到的所述多机器人系统中机器人下一步的运动方向相对于所述多机器人系统中机器人的当前运动方向的角度δ；

基于所述角度δ计算所述多机器人系统中机器人的左轮速度和右轮速度，其具体方法如下公式所示：

计算所述多机器人系统中机器人的左轮速度：

计算所述多机器人系统中机器人的右轮速度：

其中，v_base为预先设定的基准速度，k_p表示第二预设系数；

根据所述多机器人系统中机器人的左轮速度和右轮速度，控制所述多机器人系统中机器人到达目标位置。

与最接近的现有技术相比，本发明的技术方案至少具有如下

有益效果：

本发明采用测量精度高、扫描速度快、数据点密集以及对光照变化的适应性好的激光传感器感知环境，并进行安全通行分析、邻近机器人影响分析等，基于环境中的实际情况让机器人快速的做出决策，提高了多机器人系统在复杂环境下的适应性。

附图说明

图1为本发明实施例中一种多机器人系统无碰撞到达目标位置的方法的流程示意图；

图2为本发明实施例中安全通行分析处理的示意图；

图3为本发明实施例中邻近机器人影响分析处理的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

在本发明实施例中，多机器人系统中的机器人可以通过激光传感器感知周围的环境，利用GPS和电子罗盘分别获取机器人的位置和方向，通过无线局域网进行信息传递。当多机器人系统中的机器人到自己目标位置的距离小于预先设定的停止距离阈值D_stop时，意味着该机器人已经到达自己的目标位置，该机器人停止运动，D_stop的具体值可以为0.1m，也可以为0.2m，除此之外，D_stop的值还可以根据工程师的经验和用户的要求进行设定，在此不做限定。

参阅附图1，图1示例性的给出了本实施例中一种多机器人系统无碰撞到达目标位置的方法的流程示意图。如图1所示，本实施例中多机器人系统无碰撞到达目标位置的方法包括下述步骤：

步骤S1：多机器人系统中的机器人通过激光传感器感知环境，得到第一数据集；

具体地，机器人上安装有一个激光传感器用于环境感知，激光传感器的正方向与机器人的当前运动方向保持一致。机器人利用激光传感器获取N个方向上的距离数据，N的值可以为800，具体的值与激光传感器的性能相关；用θ_i表示第i个方向相对于机器人的当前运动方向的角度数据，i＝1,2,…,N，当机器人的当前运动方向位于第i个方向的右侧时，θ_i∈(-π,0)；当机器人的当前运动方向位于第i个方向的左侧时，θ_i∈(0,π]；当机器人的当前运动方向和第i个方向一致时，θ_i＝0；第i个方向上的距离数据用d_i进行描述，将d_i和θ_i构成距离-角度数据对(d_i,θ_i)；将所有的距离-角度数据对构成第一数据集W，即W＝{(d_i,θ_i)|i＝1,2,…,N}，通过激光传感器感知环境得到的第一数据集可以为多个机器人运动时不发生碰撞提供有效的数据支持。

步骤S2：对步骤S1得到的第一数据集的距离数据进行最大距离阈值约束和最小距离阈值约束处理，得到第二数据集；

在本发明实施例中，为了降低远距离的障碍对本次决策的影响，可以利用最大距离阈值约束对传感器采集的数据构成的第一数据集进行处理；同时，为了避免过近的障碍威胁机器人的安全，可以利用最小距离阈值约束对传感器采集的数据构成的第一数据集进行处理，具体处理过程包括如下步骤：

步骤S21：最大距离阈值约束处理的具体步骤为：将第一数据集W中大于d_max的距离数据d_i赋值为d_max，其中，d_max为预先设定的最大距离阈值，d_max的具体值可以为4m，也可以为5m，除此之外，d_max的值还可以根据工程师的经验和用户的要求在激光传感器的最大探测范围内进行设定，在此不做限定；激光传感器的最大探测范围与激光传感器的性能相关，取决于激光传感器的型号；将经过最大距离阈值约束处理后的第一数据集W作为数据集W_o，将数据集W_o用数据对(d_oi,θ_i)的集合{(d_oi,θ_i)|i＝1,2,…,N}进行描述，其中d_oi为数据集W_o中与θ_i相对应的距离数据；

步骤S22：最小距离阈值约束处理的具体步骤为：将第一数据集W中小于预设安全距离阈值d_safe的距离数据d_i赋值为0，其中，d_safe＝k×r，机器人在运动过程中与环境障碍之间的距离不能小于d_safe，以避免过近的障碍威胁到机器人的安全，r为机器人半径，k为第一预设系数且k>1，k的具体值可以为2.8，也可以为3，除此之外，k的值还可以根据工程师的经验和用户的要求进行设定，在此不做限定；

步骤S23：将经过最大距离阈值约束和最小距离阈值约束处理后的第一数据集W作为数据集W_t，将数据集W_t作为第二数据集；将数据集W_t用数据对(d_ti,θ_i)的集合{(d_ti,θ_i)|i＝1,2,…,N}进行描述，其中d_ti为数据集W_t中与θ_i相对应的距离数据；对于W_t中的数据对(d_ti,θ_i)，为了避免机器人相邻两次决策产生的运动方向变化过大，将机器人可能的运动方向限制在机器人当前运动方向的±π/2的角度范围内，将数据集W_t中满足d_ti>0且θ_i∈[-π/2,π/2]的数据对作为数据集W_t中的有效的数据对。

步骤S3：根据步骤S2得到的第二数据集，进行安全通行分析处理，得到第三数据集；

在本发明实施例中，对于数据集W_t中的每个有效的数据对为了能够让机器人无碰撞地运动，可以以θ_i为基准，将机器人的周围环境分为三个角度区间并进行安全通行分析处理，具体地，对数据集W_t中的每个有效的数据对进行安全通行分析处理的具体步骤如下：

步骤S31：参阅图2，图2为本发明实施例的安全通行分析处理的示意图，以角度数据θ_i为基准，将机器人的周围环境分为三个角度区间：I、II、III，三个角度区间对应的角度范围分别为：[θ_i-θ_safe,θ_i+θ_safe]、其中，θ_safe＝arcsin(r_safe/d_safe)，r_safe为预设的安全阈值，r_safe的值可以为0.65m，也可以为0.7m，除此之外，r_safe的值还可以根据工程师的经验和用户的要求进行设定，在此不做限定。当数据集W_t中的数据对(d_th,θ_h)，h＝1,2,…,N，满足以下条件时：

d_th＞0,θ_h∈[θ_i-θ_safe,θ_i+θ_safe]且

表明角度数据θ_i所对应方向符合安全通行条件，其中d_h为θ_h在数据集W_o中所对应的距离数据；若数据集W_t中的数据对不满足上述条件，则将角度数据θ_i所对应的距离数据d_ti赋值为0，将不符合安全通行条件的方向进行清除处理；

步骤S32：将进行安全通行分析处理后的数据集W_t作为数据集W_s，将数据集W_s作为第三数据集；数据集W_s用数据对(d_si,θ_i)的集合{(d_si,θ_i)|i＝1,2,…,N}进行描述，将满足d_si>0且条件的数据对(d_si,θ_i)的距离数据d_si赋值为0，将数据对作为数据集W_s中的有效的数据对。

步骤S4：根据步骤S3得到的第三数据集，进行障碍距离影响分析处理，得到第四数据集；

在本发明实施例中，通过安全通行分析处理后，得到数据集W_s的有效的数据对有效数据对中的距离数据d_si越大，意味着机器人在距离数据d_si对应的方向θ_i上，距离障碍物越远，在该方向上发生碰撞的风险越小，这更加有利于多机器人无碰撞地运动，在具体操作时，对数据集W_s中的有效的数据对用数据对(1/d_si,θ_i)进行替换，将进行障碍距离影响分析处理后的数据集W_s作为数据集W_d，将数据集W_d作为第四数据集；数据集W_d用数据对(d_di,θ_i)的集合{(d_di,θ_i)|i＝1,2,…,N}进行描述，其中d_di为数据集W_d中与θ_i相对应的数据；将数据对作为数据集W_d中的有效的数据对，在有效的数据对中，d_di越小，θ_i被选中的可能性越大。

步骤S5：根据步骤S4得到的第四数据集，进行目标位置影响分析处理，得到第五数据集；

在本发明实施例中，目标位置对机器人的运动同样会产生影响，机器人在避障的同时，最终还需要抵达目标位置，为了能够在避障的同时抵达目标位置，在上述步骤的基础上，进行目标位置影响分析处理，具体的，对数据集W_d中的每个有效的数据对用数据对进行替换，得到目标位置影响分析处理后的数据集W_d，其中，将机器人中心点与目标位置的连线作为第一参考方向，θ_g为第一参考方向相对于机器人的当前运动方向的角度，当机器人的当前运动方向位于第一参考方向的右侧时，θ_g∈(-π,0)；当机器人的当前运动方向位于第一参考方向的左侧时，θ_g∈(0,π]；当机器人的当前运动方向和第一参考方向一致时，θ_g＝0；将目标位置影响分析处理后的数据集W_d作为数据集W_g，将数据集W_g作为第五数据集；数据集W_g用数据对(d_gi,θ_i)的集合{(d_gi,θ_i)|i＝1,2,…,N}进行描述，其中d_gi为数据集W_g中与θ_i相对应的数据，将数据对作为数据集W_g中的有效的数据对。

步骤S6：根据步骤S5得到的第五数据集，进行邻近机器人影响分析处理，得到第六数据集；

在本发明实施例中，多机器人系统中的机器人在向着自己的目标位置运动的过程中，环境中邻近机器人的动态移动将带来较大的影响。因此，需要对数据集W_g中的有效的数据对进行邻近机器人影响分析处理，具体地，分析处理的步骤如下：

步骤S61：计算单个邻近机器人的影响因子；

参阅图3，图3为本发明实施例中邻近机器人影响分析处理的示意图，将机器人记为R，将机器人R的邻近机器人记为R_j，其中，与机器人R的距离小于预先设定的最大距离阈值d_max的机器人均可以作为机器人R的邻近机器人；将机器人R的中心点与邻近机器人R_j的中心点的连线记为第二参考方向，将第二参考方向相对于机器人R的当前运动方向的角度记为θ_sj，当机器人R的当前运动方向位于第二参考方向的右侧时，θ_sj∈(-π,0)；当机器人R的当前运动方向位于第二参考方向的左侧时，θ_sj∈(0,π]；当机器人R的当前运动方向和第二参考方向一致时，θ_sj＝0；将邻近机器人R_j的当前运动方向相对于机器人R的当前运动方向的角度记为θ_ej，当机器人R的当前运动方向位于邻近机器人R_j的当前运动方向的右侧时，θ_ej∈(-π,0)；当机器人R的当前运动方向位于邻近机器人R_j的当前运动方向的左侧时，θ_ej∈(0,π]；当机器人R的当前运动方向和邻近机器人R_j的当前运动方向一致时，θ_ej＝0；计算动态移动的邻近机器人R_j对机器人R带来的影响因子M_ij，具体的计算方法如公式(1)所示：

其中，D_j表示机器人R与其邻近机器人R_j之间的距离；点P_Rj为在邻近机器人R_j当前运动方向上，且与邻近机器人R_j中心点的距离为r_j的位置点，其中，r_j为R_j的半径；将机器人R的中心点与点P_Rj的连线方向记为第三参考方向，θ_oj为第三参考方向相对于机器人R的当前运动方向的角度，当机器人R的当前运动方向位于第三参考方向的右侧时，θ_oj∈(-π,0)；当机器人R的当前运动方向位于第三参考方向的左侧时，θ_oj∈(0,π]；当机器人R的当前运动方向和第三参考方向一致时，θ_oj＝0；

步骤S62：计算所有邻近机器人的综合影响因子；

在实际环境中，对于机器人R来说，可能存在多个邻近的机器人，不同的邻近机器人对机器人R的影响是不同的，需要对各邻近机器人的影响因子进行综合，计算出所有邻近机器人的综合影响因子，进而确保机器人不会与邻近机器人发生碰撞，所有邻近机器人的综合影响因子具体的计算方法如公式(2)所示：

其中，Z表示机器人周围所有的邻近机器人的个数，j＝1,2,…,Z。

步骤S63：计算得到所有邻近机器人的综合影响因子后，对数据集W_g中每个有效的数据对用数据对(d_giM_i,θ_i)进行替换，将邻近机器人影响分析处理后的数据集W_g作为数据集W_f，将数据集W_f作为第六数据集；数据集W_f用数据对(d_fi,θ_i)的集合{(d_fi,θ_i)|i＝1,2,…,N}进行描述，其中d_fi为数据集W_f中与θ_i相对应的数据，将数据对作为数据集W_f中的有效的数据对。

步骤S7：根据步骤S6得到的第六数据集，求解多机器人系统中机器人下一步的运动方向；

基于步骤S6得到的数据集W_f中的有效的数据对求解机器人无碰撞的运动方向。具体地，基于数据集W_f中所有的有效的数据对，求出最小的d_fi值所对应的数据对将θ^*所对应的方向作为机器人下一步的运动方向。

步骤S8：根据步骤S7得到的下一步的运动方向，控制多机器人系统中的机器人无碰撞地到达自己的目标位置。

结合多机器人系统中的机器人下一步的运动方向和当前运动方向，计算出机器人下一步的运动方向相对于当前运动方向的角度δ，当机器人的当前运动方向在下一步的运动方向的右侧时，δ∈(-π,0)；当机器人当前运动方向在下一步的运动方向的左侧时，δ∈(0,π]；当机器人当前运动方向和下一步的运动方向一致时，δ＝0；基于角度δ计算机器人的左轮速度和右轮速度，进而实现对机器人的控制，其中，计算机器人的左轮速度V_left的计算方法如公式(3)所示：

计算机器人的右轮速度V_right的计算方法如公式(4)所示：

其中，v_base为预先设定的基准速度，具体值可以为0.4m/s，也可以为0.5m/s；k_p表示第二预设系数，k_p的值可以为0.1，也可以为0.2；除此之外，v_base和k_p的值还可以根据工程师的经验和用户的要求进行设定，在此不做限定。通过控制多机器人系统中机器人的左轮速度和右轮速度，再结合上述步骤，最终可以使得机器人无碰撞地到达自己的目标位置。

在本发明实施例的一种优选实施例中，以三个机器人组成多机器人系统为例，机器人的半径均为0.5m，每个机器人各自向着自己的目标位置运动，每个机器人均装配激光传感器、GPS、电子罗盘，机器人之间通过无线局域网进行无线通讯。其中激光传感器采用EAI的Flash Lidar F4，GPS采用七维航测的NovAtel SDI-TimeNav-O，电子罗盘采用北微传感公司的SEC225，无线局域网由华为荣耀路由Pro(WS851)搭建。具体的，预先设定的停止距离阈值D_stop的值为0.1m，预先设定的最大距离阈值d_max的值为4m，第一预设系数k的值为2.8，预设的安全阈值r_safe的值为0.65m，预先设定的基准速度v_base的值为0.4m/s，第二预设系数k_p的值为0.1。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (7)

1.一种多机器人系统无碰撞到达目标位置的方法，其特征在于，包括：

步骤S1：获取多机器人系统中机器人的激光传感器提供的距离数据，以及所述距离数据对应的方向相对于所述多机器人系统中的机器人的当前运动方向的角度数据，得到第一数据集；

步骤S2：对所述第一数据集进行最大距离阈值约束和最小距离阈值约束处理，得到第二数据集；

步骤S3：对所述第二数据集进行安全通行分析处理，得到第三数据集；

步骤S4：对所述第三数据集进行障碍距离影响分析处理，得到第四数据集；

步骤S5：对所述第四数据集进行目标位置影响分析处理，得到第五数据集；

步骤S6：对所述第五数据集进行邻近机器人影响分析处理，得到第六数据集；

步骤S7：根据所述第六数据集，求解所述多机器人系统中机器人下一步的运动方向；

步骤S8：根据步骤S7得到的下一步的运动方向，控制所述多机器人系统中的机器人到达目标位置。

2.根据权利要求1所述的方法，其特征在于，所述最大距离阈值约束和最小距离阈值约束处理，其方法为：

所述最大距离阈值约束处理为：将所述第一数据集中大于预设最大距离阈值的距离数据赋值为所述预设最大距离阈值；

所述最小距离阈值约束处理为：将所述第一数据集中小于预设安全距离阈值d_safe的距离数据赋值为0；

其中，d_safe＝k×r，r为机器人半径，k为第一预设系数且k>1。

3.根据权利要求1所述的方法，其特征在于，所述进行安全通行分析处理，其方法为：

对于所述第二数据集的每个有效的数据对以所述第二数据集的角度数据θ_i为基准，将所述多机器人系统中机器人的周围环境分为三个角度区间，所述三个角度区间对应的角度范围分别为：

判断所述第二数据集的数据对(d_th,θ_h)是否满足所述θ_i对应方向的安全通行条件，其中，所述θ_i对应方向的安全通行条件具体为：

d_th＞0,θ_h∈[θ_i-θ_safe,θ_i+θ_safe]且

若所述第二数据集的数据对(d_th,θ_h)不满足上述条件，则将所述角度数据θ_i所对应的距离数据d_ti赋值为0；

其中，θ_safe＝arcsin(r_safe/d_safe)，r_safe为预设的安全阈值，d_h为经过最大距离阈值约束处理后的所述第一数据集中θ_h所对应的距离数据，d_th表示所述第二数据集的数据对的角度数据θ_h所对应的距离数据，i＝1,2,…,N，h＝1,2,…,N，N表示所述多机器人系统中的机器人利用激光传感器获取的距离数据的个数。

4.根据权利要求3所述的方法，其特征在于，所述进行障碍距离影响分析处理，其方法为：

对所述第三数据集的有效的数据对的距离数据取倒数处理。

5.根据权利要求1所述的方法，其特征在于，所述进行邻近机器人影响分析，其方法包括：

步骤S61：计算单个邻近机器人的影响因子，具体计算方法如下公式所示：

其中，M_ij表示所述多机器人系统中邻近机器人R_j对机器人R带来的影响因子，d_max表示预设的最大距离阈值，D_j表示所述多机器人系统中机器人R与其邻近机器人R_j之间的距离，将所述机器人R的中心点与其邻近机器人R_j的中心点的连线记为第二参考方向，点P_Rj为在所述邻近机器人R_j当前运动方向上，且与所述邻近机器人R_j中心点的距离为r_j的位置点，r_j表示所述邻近机器人R_j的半径，将所述机器人R的中心点与点P_Rj的连线方向记为第三参考方向，θ_oj表示所述第三参考方向相对于所述机器人R的当前运动方向的角度，θ_sj表示所述第二参考方向相对于所述机器人R的当前运动方向的角度，θ_ej表示所述邻近机器人R_j的当前运动方向相对于所述机器人R的当前运动方向的角度；

步骤S62：计算所有邻近机器人的综合影响因子，具体计算方法如下公式所示：

其中，M_i表示所有邻近机器人的综合影响因子，Z表示所述机器人R周围所有的邻近机器人的个数，j＝1,2,…,Z。

6.根据权利要求5所述的方法，其特征在于，求解所述多机器人系统中机器人下一步的运动方向，其方法为：

获取所述第六数据集的有效的数据对中最小的d_fi值所对应的角度数据；

根据所述角度数据，得到与所述角度数据对应的方向，将其作为所述多机器人系统中机器人下一步的运动方向；

其中，d_fi表示第六数据集的数据对的角度数据θ_i所对应的数据。

7.根据权利要求6所述的方法，其特征在于，“根据步骤S7得到的下一步的运动方向，控制所述多机器人系统中的机器人到达目标位置”，其方法为：

计算步骤S7求解得到的所述多机器人系统中机器人下一步的运动方向相对于所述多机器人系统中机器人的当前运动方向的角度δ；

基于所述角度δ计算所述多机器人系统中机器人的左轮速度和右轮速度，其具体方法如下公式所示：

计算所述多机器人系统中机器人的左轮速度：

计算所述多机器人系统中机器人的右轮速度：

其中，v_base为预先设定的基准速度，k_p表示第二预设系数；

根据所述多机器人系统中机器人的左轮速度和右轮速度，控制所述多机器人系统中机器人到达目标位置。