CN112947488B - 一种基于探点的多机器人协同覆盖路径规划方法 - Google Patents
一种基于探点的多机器人协同覆盖路径规划方法 Download PDFInfo
- Publication number
- CN112947488B CN112947488B CN202110360768.XA CN202110360768A CN112947488B CN 112947488 B CN112947488 B CN 112947488B CN 202110360768 A CN202110360768 A CN 202110360768A CN 112947488 B CN112947488 B CN 112947488B
- Authority
- CN
- China
- Prior art keywords
- robot
- probe
- probe point
- coverage
- point
- 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
Links
- 239000000523 sample Substances 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000009792 diffusion process Methods 0.000 claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 230000005484 gravity Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000011835 investigation Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于探点的多机器人协同覆盖路径规划方法，具体步骤如下：S1：构建系统模型；S2：探点扩散：采用探点扩散算法将所有探点指派给机器人；S3：探点侵占：当一个正在扩散的探点的所有相邻探点已被分配给其他机器人，若还存在未分配的探点时，则启动探点侵占机制；S4：探点覆盖：采用基于虚拟引力的探点覆盖算法，规划各机器人在自己所属的探点区域的移动路径。本发明采用探点扩散算法可以通过较小的计算复杂度，将存在障碍物的覆盖区域划分给各机器人；采用探点覆盖算法可以通过探点的虚拟引力，便捷地指引机器人的行进路径。
Description
技术领域
本发明涉及一种基于探点的多机器人协同覆盖路径规划方法，属于机器人协同控制技术领域。
背景技术
协同覆盖路径规划技术被广泛利用于自动化巡检、协同目标搜索、海底资源勘察等现代应用。常规的协同覆盖路径规划方法一般基于栅格地图，将机器人每次迭代行进的区域设置为一个栅格，利用图论法、启发式算法、群体智能等技术手段使多个机器人协同遍历覆盖区域。
目前协同覆盖路径规划技术存在以下问题：
1.覆盖区域应公平地划分给机器人，但如存在机器人无法行进的障碍物区域，则无法利用常规的图形等分规则公平地划分覆盖区域。现有技术一般利用启发式神经网络、聚类算法等，具有较高的计算复杂度。
2.等分覆盖区域不适用于由移动速度不一致的机器人组成的机器人群，移动速度较高的机器人将提早完成覆盖任务。因此，需按机器人的覆盖能力等比划分覆盖区域。
发明内容
为解决现有技术中的不足，本发明提供一种基于探点的多机器人协同覆盖路径规划方法，通过探点扩散算法和基于虚拟引力的探点覆盖算法，将所有探点指派给机器，并规划机器人在指派区域的移动路径。
本发明中主要采用的技术方案为：
一种基于探点的多机器人协同覆盖路径规划方法，具体步骤如下：
S1：构建系统模型：根据机器人每次行进的覆盖区域，将覆盖区域分割成指定密度的栅格，并在每个栅格中心布置一个虚拟探点，机器人在移动时每覆盖一个虚拟探点，即代表覆盖了该探点所在的栅格区域，覆盖区域中，存在一部分机器人无法到达的障碍物区域，该类区域的虚拟探点将被自动删除；
S2：探点扩散：采用探点扩散算法将所有探点指派给机器人，通过中央控制设备将各机器人布放在覆盖区域的外围边界，以各机器人的起始位置为该机器人所属探点的中心，以未分配探点为扩散目标，向外迭代扩散该机器人所属的探点，形成各机器人所属的探点区域；
S3：探点侵占：当一个正在扩散的探点的所有相邻探点已被分配给其他机器人，若还存在未分配的探点时，则启动探点侵占机制，该正在扩散的探点将侵占相邻且属于其他机器人的探点，而被侵占的机器人则额外进行一次扩散；
S4：探点覆盖：采用基于虚拟引力的探点覆盖算法，规划各机器人在自己所属的探点区域的移动路径，首先以机器人所在的边界线为x轴，设定相对坐标系；之后，在机器人的相邻探点设置虚拟引力场，虚拟引力的大小按相对坐标的北、东、西、南排序；各机器人向虚拟引力最大的探点移动，覆盖该探点后继续迭代移动，最终形成路径覆盖。
优选地，所述S2中，探点扩散的速度与机器人的移动速度形成正比，使得覆盖区域公平分配给移动速度不一致的机器人群。
优选地，在所述S4中的探点覆盖过程中，若机器人移动至死区，即4个方向均无虚拟引力，则通过如下方法逃离死区：
首先，反转机器人的相对坐标系的y轴，使虚拟引力大小的排序改变为南、东、西、北；之后，将已覆盖过的探点设置为移动目标，向虚拟引力最大的移动目标继续前进；此时，机器人将移动方向扩展为东、西、南、北、东北、东南、西北、西南8个方向，若8个方向中的任意一个方向存在未覆盖的探点，则向该探点移动，逃离死区；逃离后，恢复原有坐标系，继续进行路径覆盖。
有益效果：本发明提供一种基于探点的多机器人协同覆盖路径规划方法，具有如下优点：
1)采用探点扩散算法可以通过较小的计算复杂度，将存在障碍物的覆盖区域划分给各机器人；
2)采用探点覆盖算法可以通过探点的虚拟引力，便捷地指引机器人的行进路径。
附图说明
图1是探点扩散示意图；
图2是探点侵占机制的触发条件示意图；
图3是探点侵占机制示意图；
图4是死区逃离机制的相对坐标系翻转示意图；
图5是死区逃离机制的相对坐标系恢复示意图；
图6是具体实施方式的应用模型示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
一种基于探点的多机器人协同覆盖路径规划方法，具体步骤如下：
S1：构建系统模型：根据机器人每次行进的覆盖区域，将覆盖区域分割成指定密度的栅格，并在每个栅格中心布置一个虚拟探点，机器人在移动时每覆盖一个虚拟探点，即代表覆盖了该探点所在的栅格区域，覆盖区域中，存在一部分机器人无法到达的障碍物区域，该类区域的虚拟探点将被自动删除；
S2：探点扩散：如图1所示，采用探点扩散算法将所有探点指派给机器人，首先通过中央控制设备将各机器人布放在覆盖区域的外围边界，之后，以各机器人的起始位置为该机器人所属探点的中心，以未分配探点为扩散目标，向外迭代扩散该机器人所属的探点，形成各机器人所属的探点区域。本发明中，探点扩散算法的运作过程如下：
上述算法中，Ds为扩散开始的探点；dot为探点；Oset为所有未扩散探点的集合；Sset为候选探点，用于探点扩散的迭代；Cset为被扩散的探点集合；
S3：探点侵占：如图2所示，当一个正在扩散的探点的所有相邻探点已被分配给其他机器人，若还存在未分配的探点时，则启动探点侵占机制，该探点将侵占相邻且属于其他机器人的探点，而被侵占的机器人则额外进行一次扩散，如图3所示；
S4：探点覆盖：采用基于虚拟引力的探点覆盖算法，规划各机器人在自己所属的探点区域的移动路径，首先以机器人所在的边界线为x轴，设定相对坐标系；之后，在机器人的相邻探点设置虚拟引力场，虚拟引力的大小按相对坐标的北、东、西、南排序；各机器人向虚拟引力最大的探点移动，覆盖该探点后继续迭代移动，最终形成路径覆盖。
优选地，所述S2中，探点扩散的速度与机器人的移动速度形成正比，使得覆盖区域公平分配给移动速度不一致的机器人群。
优选地，在所述S4中的探点覆盖过程中，若机器人移动至死区，即4个方向均无虚拟引力，则通过如下方法逃离死区：
首先，反转机器人的相对坐标系的y轴，使虚拟引力大小的排序改变为南、东、西、北，如图4所示；之后，将已覆盖过的探点设置为移动目标，向虚拟引力最大的移动目标方向继续前进；此时，机器人将移动方向扩展为东、西、南、北、东北、东南、西北、西南8个方向，若8个方向中的任意一个方向存在未覆盖的探点，则向该探点移动，逃离死区；逃离后，恢复原有坐标系，继续进行路径覆盖，如图5所示。
实施例1
本发明在基于自主式水下机器人(AUV:Autonomous Underwater Vehicle)的海底协同勘察中的应用，如图6所示。
系统模型为：最初，多个AUV漂浮在海面上，等待基站的指示，基站可以是陆地站或船舶。当AUV收到海底勘探命令时，沉入水下并通过合作规划覆盖路径进行海底勘察。海底地理信息已知，AUV可以探测附近障碍物。
首先，基站将勘察区域等分为指定密度的栅格，并在各栅格的中心设置一个虚拟的探点，各AUV沉入海底，到达勘察区域的边界的某个探点。
之后，各AUV以自身所在的探点为中心，运行探点扩散算法，获取属于自己的探点信息，形成属于自己的探点区域。期间，按需进行探点侵占。
最后，各AUV在自己所属的探点区域上运行探点覆盖算法，进行路径覆盖。期间，按需进行死区逃离。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于探点的多机器人协同覆盖路径规划方法，其特征在于，具体步骤如下：
S1：构建系统模型：根据机器人每次行进的覆盖区域，将覆盖区域分割成指定密度的栅格，并在每个栅格中心布置一个虚拟探点，机器人在移动时每覆盖一个虚拟探点，即代表覆盖了该探点所在的栅格区域，覆盖区域中，存在一部分机器人无法到达的障碍物区域，该类区域的虚拟探点将被自动删除；
S2：探点扩散：采用探点扩散算法将所有探点指派给机器人，通过中央控制设备将各机器人布放在覆盖区域的外围边界，以各机器人的起始位置为该机器人所属探点的中心，以未分配探点为扩散目标，向外迭代扩散该机器人所属的探点，形成各机器人所属的探点区域；
S3：探点侵占：当一个正在扩散的探点的所有相邻探点已被分配给其他机器人，若还存在未分配的探点时，则启动探点侵占机制，该正在扩散的探点将侵占相邻且属于其他机器人的探点，而被侵占的机器人则额外进行一次扩散；
S4：探点覆盖：采用基于虚拟引力的探点覆盖算法，规划各机器人在自己所属的探点区域的移动路径，首先以机器人所在的边界线为x轴，设定相对坐标系；之后，在机器人的相邻探点设置虚拟引力场，虚拟引力的大小按相对坐标的北、东、西、南排序；各机器人向虚拟引力最大的探点移动，覆盖该探点后继续迭代移动，最终形成路径覆盖。
2.根据权利要求1所述的一种基于探点的多机器人协同覆盖路径规划方法，其特征在于，所述S2中，探点扩散的速度与机器人的移动速度形成正比，使得覆盖区域公平分配给移动速度不一致的机器人群。
3.根据权利要求1所述的一种基于探点的多机器人协同覆盖路径规划方法，其特征在于，在所述S4中的探点覆盖过程中，若机器人移动至死区，即4个方向均无虚拟引力，则通过如下方法逃离死区：
首先，反转机器人的相对坐标系的y轴，使虚拟引力大小的排序改变为南、东、西、北；之后，将已覆盖过的探点设置为移动目标，向虚拟引力最大的移动目标继续前进；此时，机器人将移动方向扩展为东、西、南、北、东北、东南、西北、西南8个方向，若8个方向中的任意一个方向存在未覆盖的探点，则向该探点移动，逃离死区；逃离后，恢复原有坐标系，继续进行路径覆盖。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110360768.XA CN112947488B (zh) | 2021-04-02 | 2021-04-02 | 一种基于探点的多机器人协同覆盖路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110360768.XA CN112947488B (zh) | 2021-04-02 | 2021-04-02 | 一种基于探点的多机器人协同覆盖路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112947488A CN112947488A (zh) | 2021-06-11 |
| CN112947488B true CN112947488B (zh) | 2022-04-15 |
Family
ID=76232247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110360768.XA Active CN112947488B (zh) | 2021-04-02 | 2021-04-02 | 一种基于探点的多机器人协同覆盖路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112947488B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105629974A (zh) * | 2016-02-04 | 2016-06-01 | 重庆大学 | 一种基于改进型人工势场法的机器人路径规划方法及系统 |
| KR101831264B1 (ko) * | 2008-12-30 | 2018-02-22 | 엘비트 시스템스 엘티디. | 조종가능 플랫폼용의 자율 항해 시스템 및 방법 |
| CN109191573A (zh) * | 2018-07-30 | 2019-01-11 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于抛物线原理的基覆界面自动建模方法 |
| CN110617813A (zh) * | 2019-09-26 | 2019-12-27 | 中国科学院电子学研究所 | 单目视觉信息和imu信息相融合的尺度估计系统及方法 |
-
2021
- 2021-04-02 CN CN202110360768.XA patent/CN112947488B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101831264B1 (ko) * | 2008-12-30 | 2018-02-22 | 엘비트 시스템스 엘티디. | 조종가능 플랫폼용의 자율 항해 시스템 및 방법 |
| CN105629974A (zh) * | 2016-02-04 | 2016-06-01 | 重庆大学 | 一种基于改进型人工势场法的机器人路径规划方法及系统 |
| CN109191573A (zh) * | 2018-07-30 | 2019-01-11 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于抛物线原理的基覆界面自动建模方法 |
| CN110617813A (zh) * | 2019-09-26 | 2019-12-27 | 中国科学院电子学研究所 | 单目视觉信息和imu信息相融合的尺度估计系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 无线传感器网络中基于虚拟点优化的追踪算法;刘彬彬;《微处理机》;20170228(第1期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112947488A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Braginsky et al. | Obstacle avoidance approaches for autonomous underwater vehicle: Simulation and experimental results | |
| CN108681321B (zh) | 一种无人船协同编队的水下探测方法 | |
| CN112113573B (zh) | 一种面向单艘无人测量船艇覆盖路径规划方法 | |
| CN108045531A (zh) | 用于海底电缆巡检的水下机器人控制系统及方法 | |
| CN112327885A (zh) | 一种无人船自适应全局-局部混合路径规划的方法 | |
| BRPI0918941B1 (pt) | método automatizado para navegação autônoma de uma plataforma manobrável e sistema de navegação autônoma para manobrar uma plataforma manobrável | |
| CN108931243B (zh) | 一种复杂海洋环境影响下基于能耗和采样量多目标优化的uuv路径规划方法 | |
| JP2016173686A (ja) | 情報処理装置 | |
| Manjanna et al. | Efficient terrain driven coral coverage using gaussian processes for mosaic synthesis | |
| CN112880678A (zh) | 一种复杂水域环境中无人艇航行规划方法 | |
| CN211978876U (zh) | 一种用于协同水环境中油污污染源监测和追踪的无人船 | |
| Zhao et al. | A review of path planning and cooperative control for MAUV systems | |
| CN112947488B (zh) | 一种基于探点的多机器人协同覆盖路径规划方法 | |
| Liu et al. | Auv path planning under ocean current based on reinforcement learning in electronic chart | |
| Inzartsev et al. | Detection and inspection of local bottom objects with the help of a group of special-purpose AUVs | |
| CN113110528A (zh) | 一种水下自主航行机器人自动返航方法及装置 | |
| Konoplin et al. | Development of intellectual support system for ROV Operators | |
| Sabra et al. | Dynamic localization plan for underwater mobile sensor nodes using fuzzy decision support system | |
| CN114200929B (zh) | 多水下机器人最大探测覆盖率的快速梳型路径规划方法 | |
| Vidal et al. | Online robotic exploration for autonomous underwater vehicles in unstructured environments | |
| Zhang et al. | Terminal stage guidance method for underwater moving rendezvous and docking based on monocular vision | |
| CN115268476A (zh) | 一种分布式的水面舰艇和水下航行器协同控制系统和方法 | |
| CN108182320B (zh) | 面向内河航道的自由漂移物体搁浅概率分布计算方法 | |
| CN115185262A (zh) | 一种基于最小安全会遇距离的动态避障路径快速规划方法 | |
| CN115061465A (zh) | 一种基于蚁群算法的多auv协同目标搜索方法 |
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 |