CN108334071B - 多机器人系统无碰撞到达目标位置的方法 - Google Patents

多机器人系统无碰撞到达目标位置的方法 Download PDF

Info

Publication number
CN108334071B
CN108334071B CN201711430953.1A CN201711430953A CN108334071B CN 108334071 B CN108334071 B CN 108334071B CN 201711430953 A CN201711430953 A CN 201711430953A CN 108334071 B CN108334071 B CN 108334071B
Authority
CN
China
Prior art keywords
robot
data
data set
robot system
safe
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.)
Active
Application number
CN201711430953.1A
Other languages
English (en)
Other versions
CN108334071A (zh
Inventor
于莹莹
庞磊
曹志强
吴志勇
喻俊志
周超
谭民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN201711430953.1A priority Critical patent/CN108334071B/zh
Publication of CN108334071A publication Critical patent/CN108334071A/zh
Application granted granted Critical
Publication of CN108334071B publication Critical patent/CN108334071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

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dsafe的距离数据赋值为0；
其中，dsafe＝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
Figure BDA0001524895410000021
以所述第二数据集的角度数据θi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：
Figure BDA0001524895410000031
[θi-θsafe,θi+θsafe]、
Figure BDA0001524895410000032
判断所述第二数据集的数据对(dth,θh)是否满足所述θi对应方向的安全通行条件，其中，所述θi对应方向的安全通行条件具体为：
dth＞0,θh∈[θi-θsafe,θi+θsafe]且
Figure BDA0001524895410000033
若所述第二数据集的数据对(dth,θh)不满足上述条件，则将所述角度数据θi所对应的距离数据dti赋值为0；
其中，θsafe＝arcsin(rsafe/dsafe)，rsafe为预设的安全阈值，dh为经过最大距离阈值约束处理后的所述第一数据集中θh所对应的距离数据，dth表示所述第二数据集的数据对的角度数据θh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：
Figure BDA0001524895410000034
其中，Mij表示所述多机器人系统中邻近机器人Rj对机器人R带来的影响因子，dmax表示预设的最大距离阈值，Dj表示所述多机器人系统中机器人R与其邻近机器人Rj之间的距离，将所述机器人R的中心点与其邻近机器人Rj的中心点的连线记为第二参考方向，点PRj为在所述邻近机器人Rj当前运动方向上，且与所述邻近机器人Rj中心点的距离为rj的位置点，rj表示所述邻近机器人Rj的半径，将所述机器人R的中心点与点PRj的连线方向记为第三参考方向，θoj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，θsj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，θej表示所述邻近机器人Rj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：
Figure BDA0001524895410000041
其中，Mi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
Figure BDA0001524895410000042
中最小的dfi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，dfi表示第六数据集的数据对的角度数据θi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：
Figure BDA0001524895410000043
计算所述多机器人系统中机器人的右轮速度：
Figure BDA0001524895410000051
其中，vbase为预先设定的基准速度，kp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Dstop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，Dstop的具体值可以为0.1m，也可以为0.2m，除此之外，Dstop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θi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，θi∈(-π,0)；当机器人的当前运动方向位于第i个方向的左侧时，θi∈(0,π]；当机器人的当前运动方向和第i个方向一致时，θi＝0；第i个方向上的距离数据用di进行描述，将di和θi构成距离-角度数据对(di,θi)；将所有的距离-角度数据对构成第一数据集W，即W＝{(di,θi)|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dmax的距离数据di赋值为dmax，其中，dmax为预先设定的最大距离阈值，dmax的具体值可以为4m，也可以为5m，除此之外，dmax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Wo，将数据集Wo用数据对(doi,θi)的集合{(doi,θi)|i＝1,2,…,N}进行描述，其中doi为数据集Wo中与θi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dsafe的距离数据di赋值为0，其中，dsafe＝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dsafe，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Wt，将数据集Wt作为第二数据集；将数据集Wt用数据对(dti,θi)的集合{(dti,θi)|i＝1,2,…,N}进行描述，其中dti为数据集Wt中与θi相对应的距离数据；对于Wt中的数据对(dti,θi)，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Wt中满足dti>0且θi∈[-π/2,π/2]的数据对作为数据集Wt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Wt中的每个有效的数据对
Figure BDA0001524895410000071
为了能够让机器人无碰撞地运动，可以以θi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Wt中的每个有效的数据对
Figure BDA0001524895410000072
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θi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：
Figure BDA0001524895410000073
[θi-θsafe,θi+θsafe]、
Figure BDA0001524895410000074
其中，θsafe＝arcsin(rsafe/dsafe)，rsafe为预设的安全阈值，rsafe的值可以为0.65m，也可以为0.7m，除此之外，rsafe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Wt中的数据对(dth,θh)，h＝1,2,…,N，满足以下条件时：
dth＞0,θh∈[θi-θsafe,θi+θsafe]且
Figure BDA0001524895410000081
表明角度数据θi所对应方向符合安全通行条件，其中dh为θh在数据集Wo中所对应的距离数据；若数据集Wt中的数据对不满足上述条件，则将角度数据θi所对应的距离数据dti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Wt作为数据集Ws，将数据集Ws作为第三数据集；数据集Ws用数据对(dsi,θi)的集合{(dsi,θi)|i＝1,2,…,N}进行描述，将满足dsi>0且
Figure BDA0001524895410000082
条件的数据对(dsi,θi)的距离数据dsi赋值为0，将数据对
Figure BDA0001524895410000083
作为数据集Ws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Ws的有效的数据对
Figure BDA0001524895410000084
有效数据对中的距离数据dsi越大，意味着机器人在距离数据dsi对应的方向θi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Ws中的有效的数据对
Figure BDA0001524895410000085
用数据对(1/dsi,θi)进行替换，将进行障碍距离影响分析处理后的数据集Ws作为数据集Wd，将数据集Wd作为第四数据集；数据集Wd用数据对(ddi,θi)的集合{(ddi,θi)|i＝1,2,…,N}进行描述，其中ddi为数据集Wd中与θi相对应的数据；将数据对
Figure BDA0001524895410000086
作为数据集Wd中的有效的数据对，在有效的数据对
Figure BDA0001524895410000087
中，ddi越小，θi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Wd中的每个有效的数据对
Figure BDA0001524895410000091
用数据对
Figure BDA0001524895410000092
进行替换，得到目标位置影响分析处理后的数据集Wd，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，θg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，θg∈(-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，θg∈(0,π]；当机器人的当前运动方向和第一参考方向一致时，θg＝0；将目标位置影响分析处理后的数据集Wd作为数据集Wg，将数据集Wg作为第五数据集；数据集Wg用数据对(dgi,θi)的集合{(dgi,θi)|i＝1,2,…,N}进行描述，其中dgi为数据集Wg中与θi相对应的数据，将数据对
Figure BDA0001524895410000093
作为数据集Wg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Wg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Rj，其中，与机器人R的距离小于预先设定的最大距离阈值dmax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Rj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θsj，当机器人R的当前运动方向位于第二参考方向的右侧时，θsj∈(-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，θsj∈(0,π]；当机器人R的当前运动方向和第二参考方向一致时，θsj＝0；将邻近机器人Rj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θej，当机器人R的当前运动方向位于邻近机器人Rj的当前运动方向的右侧时，θej∈(-π,0)；当机器人R的当前运动方向位于邻近机器人Rj的当前运动方向的左侧时，θej∈(0,π]；当机器人R的当前运动方向和邻近机器人Rj的当前运动方向一致时，θej＝0；计算动态移动的邻近机器人Rj对机器人R带来的影响因子Mij，具体的计算方法如公式(1)所示：
Figure BDA0001524895410000101
其中，Dj表示机器人R与其邻近机器人Rj之间的距离；点PRj为在邻近机器人Rj当前运动方向上，且与邻近机器人Rj中心点的距离为rj的位置点，其中，rj为Rj的半径；将机器人R的中心点与点PRj的连线方向记为第三参考方向，θoj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，θoj∈(-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，θoj∈(0,π]；当机器人R的当前运动方向和第三参考方向一致时，θoj＝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：
Figure BDA0001524895410000102
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Wg中每个有效的数据对
Figure BDA0001524895410000103
用数据对(dgiMi,θi)进行替换，将邻近机器人影响分析处理后的数据集Wg作为数据集Wf，将数据集Wf作为第六数据集；数据集Wf用数据对(dfi,θi)的集合{(dfi,θi)|i＝1,2,…,N}进行描述，其中dfi为数据集Wf中与θi相对应的数据，将数据对
Figure BDA0001524895410000111
作为数据集Wf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Wf中的有效的数据对
Figure BDA0001524895410000112
求解机器人无碰撞的运动方向。具体地，基于数据集Wf中所有的有效的数据对，求出最小的dfi值所对应的数据对
Figure BDA0001524895410000113
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Vleft的计算方法如公式(3)所示：
Figure BDA0001524895410000114
计算机器人的右轮速度Vright的计算方法如公式(4)所示：
Figure BDA0001524895410000115
其中，vbase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；kp表示第二预设系数，kp的值可以为0.1，也可以为0.2；除此之外，vbase和kp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Dstop的值为0.1m，预先设定的最大距离阈值dmax的值为4m，第一预设系数k的值为2.8，预设的安全阈值rsafe的值为0.65m，预先设定的基准速度vbase的值为0.4m/s，第二预设系数kp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 (5)

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；
其中，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dsafe的距离数据赋值为0；
其中，dsafe＝k×r，r为机器人半径，k为第一预设系数且k>1；
其中，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
Figure FDA0002610915730000011
以所述第二数据集的角度数据θi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：
Figure FDA0002610915730000021
[θi-θsafe,θi+θsafe]、
Figure FDA0002610915730000022
判断所述第二数据集的数据对(dth,θh)是否满足所述θi对应方向的安全通行条件，其中，所述θi对应方向的安全通行条件具体为：
dth＞0,θh∈[θi-θsafe,θi+θsafe]且
Figure FDA0002610915730000023
若所述第二数据集的数据对(dth,θh)不满足上述条件，则将所述角度数据θi所对应的距离数据dti赋值为0；
其中，θsafe＝arcsin(rsafe/dsafe)，rsafe为预设的安全阈值，dh为经过最大距离阈值约束处理后的所述第一数据集中θh所对应的距离数据，dth表示所述第二数据集的数据对的角度数据θh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。
2.根据权利要求1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。
3.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：
Figure FDA0002610915730000024
其中，Mij表示所述多机器人系统中邻近机器人Rj对机器人R带来的影响因子，dmax表示预设的最大距离阈值，Dj表示所述多机器人系统中机器人R与其邻近机器人Rj之间的距离，将所述机器人R的中心点与其邻近机器人Rj的中心点的连线记为第二参考方向，点PRj为在所述邻近机器人Rj当前运动方向上，且与所述邻近机器人Rj中心点的距离为rj的位置点，rj表示所述邻近机器人Rj的半径，将所述机器人R的中心点与点PRj的连线方向记为第三参考方向，θoj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，θsj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，θej表示所述邻近机器人Rj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：
Figure FDA0002610915730000031
其中，Mi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。
4.根据权利要求3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
Figure FDA0002610915730000032
中最小的dfi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，dfi表示第六数据集的数据对的角度数据θi所对应的数据。
5.根据权利要求4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：
Figure FDA0002610915730000033
计算所述多机器人系统中机器人的右轮速度：
Figure FDA0002610915730000041
其中，vbase为预先设定的基准速度，kp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。
CN201711430953.1A 2017-12-26 2017-12-26 多机器人系统无碰撞到达目标位置的方法 Active CN108334071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711430953.1A CN108334071B (zh) 2017-12-26 2017-12-26 多机器人系统无碰撞到达目标位置的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711430953.1A CN108334071B (zh) 2017-12-26 2017-12-26 多机器人系统无碰撞到达目标位置的方法

Publications (2)

Publication Number Publication Date
CN108334071A CN108334071A (zh) 2018-07-27
CN108334071B true CN108334071B (zh) 2020-10-16

Family

ID=62924496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711430953.1A Active CN108334071B (zh) 2017-12-26 2017-12-26 多机器人系统无碰撞到达目标位置的方法

Country Status (1)

Country Link
CN (1) CN108334071B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109352657B (zh) * 2018-11-29 2020-11-17 深圳前海达闼云端智能科技有限公司 一种控制方法、相关装置及存储介质
CN113335808B (zh) * 2021-04-27 2023-03-21 深圳市海柔创新科技有限公司 机器人控制方法、控制终端及其货物自动分拣系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101738195A (zh) * 2009-12-24 2010-06-16 厦门大学 基于环境建模与自适应窗口的移动机器人路径规划方法
CN105223956A (zh) * 2015-11-09 2016-01-06 中山大学 一种全向移动机器人的动态避障方法
CN106325280A (zh) * 2016-10-20 2017-01-11 上海物景智能科技有限公司 一种多机器人防碰撞方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101738195A (zh) * 2009-12-24 2010-06-16 厦门大学 基于环境建模与自适应窗口的移动机器人路径规划方法
CN105223956A (zh) * 2015-11-09 2016-01-06 中山大学 一种全向移动机器人的动态避障方法
CN106325280A (zh) * 2016-10-20 2017-01-11 上海物景智能科技有限公司 一种多机器人防碰撞方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Collision-free navigation for Mobile Robots by Grouping Obstacles;Liu C,Dong E,Lu D;《2015 IEEE International Conference on Robotics and Biomimetics (ROBIO)》;20151209;第1686-1691页 *
PSO-based parameters optimization of multi-robot formation navigation in unknown environment;Liu Q,Ma JC,Zhang Q;《2012 10th World Congress on Intelligent Control and Automation (WCICA)》;20120708;第3571–3576页 *
基于激光传感器的动态拟合避障控制与仿真;杨月全,韩飞,曹志强,谭民,金露;《系统仿真学报》;20130408;第25卷(第4期);第704-708页 *
移动机器人路径规划策略;陈尔奎,曹志强,谭民;《南京理工大学学报》;20051230;第29卷(第S1期);第14-17页 *

Also Published As

Publication number Publication date
CN108334071A (zh) 2018-07-27

Similar Documents

Publication Publication Date Title
CN107703948B (zh) 基于自适应动态窗口的移动机器人局部动态路径规划方法
CN109782763B (zh) 一种动态环境下的移动机器人路径规划方法
KR102463720B1 (ko) 차량의 경로 생성 시스템 및 방법
CN108958282B (zh) 基于动态球形窗口的三维空间路径规划方法
CN106022274B (zh) 一种避障方法、避障装置及无人驾驶机器
WO2017217265A1 (ja) 周辺環境認識装置
KR101585504B1 (ko) 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
CN111258316B (zh) 一种动态环境下趋势感知的机器人轨迹规划方法
JP6756124B2 (ja) 物体検出装置および物体検出プログラム
JP6959056B2 (ja) 移動ロボットの制御装置と制御方法
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
CN113110521B (zh) 移动机器人路径规划控制方法及其控制装置、存储介质
CN112230634A (zh) 一种机器人避障方法和装置
CN108334071B (zh) 多机器人系统无碰撞到达目标位置的方法
CN113253717B (zh) 一种基于动态障碍物的室内移动机器人局部路径规划方法
WO2021016920A1 (zh) 可通行性的识别方法、系统、设备及计算机可读存储介质
CN115857504A (zh) 基于dwa的机器人在狭窄环境局部路径规划方法、设备和存储介质
CN114755373B (zh) 一种基于多机器人编队的空气污染源预警定位方法
CN111881580A (zh) 一种无人船规避障碍物的运动规划方法
TWI680898B (zh) 近距離障礙物之光達偵測裝置及其方法
WO2019171491A1 (ja) 移動体制御装置、移動体、移動体制御システム、移動体制御方法および記録媒体
KR101440565B1 (ko) 무인운반차 및 이동로봇의 무선유도 제어방법
JP2011060179A (ja) 操舵制御方法
CN115981313A (zh) 机器人路径规划方法、系统、电子设备及存储介质
CN114459486A (zh) 机器人及其通道导航方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant