面向分布式异构多机器人系统自主导航的环境感知方法

1.本发明涉及机器人自主导航的环境感知领域，特别是涉及一种面向分布式异构多机器人系统自主导航的环境感知方法。


背景技术：

2.机器人自主导航是指让机器人能够自主地在环境中感知、定位、规划路径并达到目标位置的能力。其中环境感知是机器人自主导航的基础。机器人需要使用各种传感器来获取环境中的信息，包括地图、障碍物、边界和其它物体的位置等。2d雷达是一种常用于机器人自主导航和环境感知的传感器，它具有高精度的距离测量能力，可以准确测量机器人与周围物体之间的距离。此外，2d雷达表现出较强的抗干扰能力，在各种复杂环境条件下仍能提供稳定可靠的感知数据。最重要的是，2d雷达相对较低的成本使其成为一种经济有效的选择，广泛应用于机器人导航领域。
3.在工业中，机器人的因为职能不同，形状和结构也不相同，因此不同机器人行驶过程中安全半径不同。当机器人搬运不同货物时，机器人安全半径也不相同，安全半径随着货物的变化而变化。当机器人搭载轻量级传感器2d雷达时，雷达射线只能扫到一个平面的物体，不能正确扫描到其它机器人真实的安全半径，从而导致感知信息错误，继而导致机器人发生碰撞。因此需要一种有效的方法将机器人的相对位置信息转换成伪雷达数据。


技术实现要素：

4.为此，本发明为了解决2d雷达射线只能扫描到一个平面的物体，不能正确扫描到其它机器人真实的安全半径，提出了一种面向分布式异构多机器人系统自主导航的环境感知方法。机器人通过将位置信息转化为伪雷达数据的方法，然后与机器人本身雷达数据相融合，作为导航的状态输入，将不同类型感知信息转换为同一类型。
5.一种面向分布式异构多机器人系统自主导航的环境感知方法，其特征在于，包括以下步骤：
6.s1：初始化机器人h，获取自身2d雷达信息、位置信息和实时安全半径，然后广播自身位置信息和实时安全半径；
7.s2：通过机器人h位置信息、其它机器人位置信息和其它机器人安全半径计算其它机器人相对于机器人h的伪雷达数据；
8.s3：融合其它机器人相对于机器人h的伪雷达数据和机器人h自身的雷达信息，得到机器人h环境感知的状态表征，将机器人h的状态表征作为机器人h的状态空间；
9.s4：将状态空间输入控制策略的神经网络，通过强化学习训练神经网络模型，输出机器人h动作a，机器人h执行动作a；
10.s5：判断机器人h是否抵达目标点，如果到达目标点，导航结束，如果未抵达目标点，继续步骤s1。
11.进一步，所述步骤s1，机器人h的2d雷达信息包括距离m＝{m1,m2,m3,
…
}和方位角
机器人h位置信息包括在全局坐标系下的坐标信息(x,y)和机器人h前进方向与全局坐标系正方向的夹角角度信息θh。
12.进一步，其特征在于，所述步骤s2，通过机器人h位置信息、其它机器人位置信息和其它机器人安全半径计算其它机器人相对于机器人h的伪雷达数据包括以下步骤：
13.s21：根据机器人h位置信息和其它机器人位置信息计算二者距离和角度，其它机器人位置信息为(xi,yi),i＝1,2,3
…
，安全半径为ri；计算方式如下：
[0014][0015]
其中θi是机器人h和其它机器人连线与全局坐标系正方向的夹角，di是机器人h和其它机器人之间的距离；
[0016]
s22：以机器人h为圆心，机器人h前进方向为x轴正方向建立直角坐标系，因此其它机器人在机器人h坐标系下的连线和x轴正方向之间角度为：
[0017][0018]
其它机器人安全半径形成的圆在机器人h坐标系下的曲线方程为：
[0019][0020]
将曲线方程转化到极坐标系下，令：
[0021][0022]
因此其它机器人在极标系下的曲线方程为：
[0023][0024]
求解方程得到：
[0025][0026]
s23：机器人h的2d雷达扫描到其它机器人的轮廓可能和真实安全半径形成的圆弧不一样，使用其它机器人安全半径形成的圆弧作为其它机器人的轮廓能够更加准确表明机器人h的感知信息，其它机器人安全半径形成的圆弧曲线方程为：
[0027][0028]
圆弧曲线方程取值范围为计算公式为：
[0029][0030][0031]
以机器人h为起点，做一条与其它机器人安全半径形成圆的切线，为机器人h和
其它机器人连线与这条切线形成的夹角；
[0032]
s24：假设机器人h雷达扫描到其它机器人安全半径形成的圆弧，根据机器人h的2d雷达信息的方位角求机器人h对应方位角的伪雷达数据，如果其它机器人和机器人h之间的距离小于r
lidar
，则
[0033][0034]
其中，代表第i个机器人相对于机器人h方位角处的伪雷达数据，r
lidar
代表机器人h雷达最大探测半径，如果第i个机器人和机器人h之间距离大于机器人h的雷达最大探测半径r
lidar
，则机器人h对应方位角的伪雷达数据均为r
lidar
，因此第i个机器人相对于机器人h对应方位角的伪雷达数据最终为：
[0035][0036]
其中代表第i个机器人相对于机器人h方位角处的伪雷达数据，因此第i个机器人相对于机器人h的的伪雷达数据可以表示为
[0037]
s25：融合所有其它机器人的相对于机器人h的伪雷达数据，即求其它机器人相对于机器人h对应方位角的上雷达数据的最小值：
[0038][0039]
其中代表第i个机器人在机器人h方位角处的伪雷达数据，代表所有其它机器人相对于机器人h方位角处的伪雷达数据的最小值，因此融合后的其它机器人相对于机器人h的伪雷达数据为
[0040]
优选地，上述步骤s3中融合其它机器人相对于机器人h的伪雷达数据和机器人h自身的雷达信息：
[0041][0042]
其中mj代表机器人h本身在方位角处的2d雷达距离信息，l
fusion
代表机器人h伪雷达数据和本身2d雷达距离信息融合后的环境感知的状态表征。
[0043]
本发明与现有技术相比所具有的有益效果：
[0044]
2d雷达射线只能扫到一个平面的物体，不能正确扫描到其它机器人真实的安全半径，本发明通过将机器人位置信息和安全半径转化为伪雷达数据解决了这个问题。
[0045]
本发明通过将机器人位置信息和安全半径转化为伪雷达数据，实现了位置信息数据和雷达数据的同类化，并且通过融合的方式降低了神经网络状态输入的维度，降低了神经网络训练难度。
附图说明
[0046]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的
附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0047]
图1为本发明面向分布式异构多机器人系统自主导航的环境感知方法的流程图。
[0048]
图2为本发明提供的机器人位置信息和安全半径转化为伪雷达数据的数学模型示意图。
[0049]
图3为本发明提供的机器人位置信息和安全半径转化为伪雷达数据的过程示意图。
具体实施方式
[0050]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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它实施例，都属于本发明保护的范围。
[0051]
请参阅图1，本发明一个实施例提供的面向分布式异构多机器人系统自主导航的环境感知方法，包括以下步骤:
[0052]
s1：初始化机器人h，获取自身2d雷达信息、位置信息和实时安全半径，然后广播自身位置信息和实时安全半径。机器人h的2d雷达信息包括距离m＝{m1,m2,m3,
…
}和方位角机器人h位置信息包括在全局坐标系下的坐标信息(x,y)和机器人h前进方向与全局坐标系正方向的夹角角度信息θh，其它机器人位置信息为(xi,yi),i＝1,2,3
…
，安全半径为ri。
[0053]
s2：通过机器人h位置信息、其它机器人位置信息和其它机器人安全半径计算其它机器人相对于机器人h的伪雷达数据包括以下子步骤：
[0054]
s21：在全局坐标系下，根据机器人h位置信息和其它机器人位置信息计算二者距离和角度，计算方式如下：
[0055][0056]
其中θi是机器人h和其它机器人连线与全局坐标系正方向的夹角，di是机器人h和其它机器人之间的距离；
[0057]
s22：以机器人h为圆心，机器人h前进方向为x轴正方向建立直角坐标系，请参阅图2，因此其它机器人在机器人h坐标系下的连线和x轴正方向之间角度为：
[0058][0059]
其它机器人安全半径形成的圆在机器人h坐标系下的曲线方程为：
[0060][0061]
将曲线方程转化到极坐标系下，令：
[0062]
[0063]
因此其它机器人在极标系下的曲线方程为：
[0064][0065]
求解方程得到：
[0066][0067]
s23：机器人h的2d雷达扫描到其它机器人的轮廓可能和真实安全半径形成的圆弧不一样，使用其它机器人安全半径形成的圆弧作为其它机器人的轮廓能够更加准确表明机器人h的感知信息，其它机器人安全半径形成的圆弧曲线方程为：
[0068][0069]
圆弧曲线方程取值范围为计算公式为：
[0070][0071][0072]
以机器人h为起点，做一条与其它机器人安全半径形成圆的切线，为机器人h和其它机器人连线与这条切线形成的夹角；
[0073]
s24：假设机器人h雷达扫描到其它机器人安全半径形成的圆弧，请参阅图3，根据机器人h的2d雷达信息的方位角求机器人h对应方位角的伪雷达数据，如果其它机器人和机器人h之间的距离小于r
lidar
，
[0074]
则
[0075][0076]
其中，代表第i个机器人相对于机器人h方位角处的伪雷达数据，r
lidar
代表机器人h雷达最大探测半径，如果第i个机器人和机器人h之间距离大于机器人h的雷达最大探测半径r
lidar
，则机器人h对应方位角的伪雷达数据均为r
lidar
，因此第i个机器人相对于机器人h对应方位角的伪雷达数据最终为：
[0077][0078]
其中代表第i个机器人相对于机器人h方位角处的伪雷达数据，因此第i个机器人相对于机器人h的的伪雷达数据可以表示为
[0079]
s25：融合所有其它机器人的相对于机器人h的伪雷达数据，即求其它机器人相对于机器人h对应方位角的上雷达数据的最小值：
[0080][0081]
其中代表第i个机器人在机器人h方位角处的伪雷达数据，代表所有其它
机器人相对于机器人h方位角处的伪雷达数据的最小值，因此融合后的其它机器人相对于机器人h的伪雷达数据为
[0082]
s3：融合其它机器人相对于机器人h的伪雷达数据和机器人h自身的雷达信息，得到机器人h环境感知的状态表征，将机器人h的状态表征作为机器人h的状态空间；
[0083]
上述步骤s3中融合其它机器人相对于机器人h的伪雷达数据和机器人h自身的雷达信息：
[0084][0085]
其中mj代表机器人h本身在方位角处的2d雷达距离信息，l
fusion
代表机器人h伪雷达数据和本身2d雷达距离信息融合后的环境感知的状态表征。
[0086]
s4：将状态空间输入控制策略的神经网络，通过强化学习训练神经网络模型，输出机器人h动作a，机器人h执行动作a；
[0087]
s5：判断机器人h是否抵达目标点，如果到达目标点，导航结束，如果未抵达目标点，继续步骤s1。
[0088]
综上，根据本发明提供的面向分布式异构多机器人系统自主导航的环境感知方法。首先每个机器人初始化获取自身2d雷达信息、位置信息和实时安全半径，并不断往外广播自己的实时位置信息和实时安全半径。然后通过机器人之间的通信接收其它机器人的位置信息和安全半径。最后将自身位置信息、其它机器人位置信息和其它机器人安全半径转化为伪雷达数据，再与机器人本身的2d雷达信息融合获得融合后的伪雷达数据。将融合后的伪雷达数据作为机器人的状态空间，将状态空间输入神经网络，映射出机器人动作，执行动作后重复上述步骤直到机器人抵达目标点。异构机器人形状不同，安全半径也不相同，并且执行任务过程中载物不同，安全半径一直变化。当机器人搭载2d雷达时，雷达射线只能扫到一个平面的物体，不能正确扫描到其它机器人真实的安全半径，本发明通过将机器人位置信息和安全半径转换成伪雷达数据解决了这一问题。
[0089]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

技术特征：
1.一种面向分布式异构多机器人系统自主导航的环境感知方法，其特征在于，包括以下步骤：s1：初始化机器人h，获取自身2d雷达信息、位置信息和实时安全半径，然后广播自身位置信息和实时安全半径；s2：通过机器人h位置信息、其它机器人位置信息和其它机器人安全半径计算其它机器人相对于机器人h的伪雷达数据；s3：融合其它机器人相对于机器人h的伪雷达数据和机器人h自身的雷达信息，得到机器人h环境感知的状态表征，将机器人h的状态表征作为机器人h的状态空间；s4：将状态空间输入控制策略的神经网络，通过强化学习训练神经网络模型，输出机器人h动作a，机器人h执行动作a；s5：判断机器人h是否抵达目标点，如果到达目标点，导航结束，如果未抵达目标点，继续步骤s1。2.根据权利要求1所述的面向分布式异构多机器人系统自主导航的环境感知方法，其特征在于，所述步骤s1中机器人h的2d雷达信息包括距离m＝{m1,m2,m3,
…
}和方位角机器人h位置信息包括在全局坐标系下的坐标信息(x,y)和机器人h前进方向与全局坐标系正方向的夹角角度信息θ
h
。3.根据权利要求1所述的面向分布式异构多机器人系统自主导航的环境感知方法，其特征在于，所述步骤s2中通过机器人h位置信息、其它机器人位置信息和其它机器人安全半径计算其它机器人相对于机器人h的伪雷达数据包括以下步骤：s21：根据机器人h位置信息和其它机器人位置信息计算二者距离和角度，其它机器人位置信息为(x
i
,y
i
),i＝1,2,3
…
，安全半径为r
i
，计算方式如下：其中θ
i
是机器人h和其它机器人连线与全局坐标系正方向的夹角，d
i
是机器人h和其它机器人之间的距离；s22：以机器人h为圆心，机器人h前进方向为x轴正方向建立直角坐标系，其它机器人在机器人h坐标系下的连线和x轴正方向之间角度为：其它机器人安全半径形成的圆在机器人h坐标系下的曲线方程为：将曲线方程转化到极坐标系下，令：因此其它机器人在极标系下的曲线方程为：
求解方程得到：s23：使用其它机器人安全半径形成的圆弧作为其它机器人的轮廓用于表明机器人h的感知信息，其它机器人安全半径形成的圆弧曲线方程为：圆弧曲线方程取值范围为计算公式为：计算公式为：以机器人h为起点，做一条与其它机器人安全半径形成圆的切线，θ
is
为机器人h和其它机器人连线与这条切线形成的夹角；s24：假设机器人h雷达扫描到其它机器人安全半径形成的圆弧，根据机器人h的2d雷达信息的方位角求机器人h对应方位角的伪雷达数据，如果其它机器人和机器人h之间的距离小于r
lidar
，则其中，代表第i个机器人相对于机器人h方位角处的伪雷达数据，r
lidar
代表机器人h雷达最大探测半径，如果第i个机器人和机器人h之间距离大于机器人h的雷达最大探测半径r
lidar
，则机器人h对应方位角的伪雷达数据均为r
lidar
，因此第i个机器人相对于机器人h对应方位角的伪雷达数据最终为：其中代表第i个机器人相对于机器人h方位角处的伪雷达数据，因此第i个机器人相对于机器人h的的伪雷达数据可以表示为s25：融合所有其它机器人的相对于机器人h的伪雷达数据，即求其它机器人相对于机器人h对应方位角的上雷达数据的最小值：其中代表第i个机器人在机器人h方位角处的伪雷达数据，代表所有其它机器人相对于机器人h方位角处的伪雷达数据的最小值，因此融合后的其它机器人相对于机器人h的伪雷达数据为4.根据权利要求3所述的面向分布式异构多机器人系统自主导航的环境感知方法，其特征在于，所述步骤s3中融合其它机器人相对于机器人h的伪雷达数据和机器人h自身的雷
达信息：其中m
j
代表机器人h本身在方位角处的2d雷达距离信息，l
fusion
代表机器人h伪雷达数据和本身2d雷达距离信息融合后的环境感知的状态表征。

技术总结
本发明公开了一种面向分布式异构多机器人系统自主导航的环境感知方法。首先每个机器人初始化获取自身2D雷达信息、位置信息和实时安全半径，并实时广播自身实时位置信息和安全半径。然后通过机器人之间的通信获取其它机器人的位置信息和安全半径。最后将自身位置信息、其它机器人位置信息和安全半径转化为伪雷达数据，再与机器人本身的2D雷达信息融合，完成环境感知的状态表征。将融合后环境感知状态表征作为机器人的状态空间，输入控制策略的神经网络，通过强化学习训练神经网络模型，输出机器人动作，执行动作后重复上述步骤直到机器人抵达目标点。通过上述步骤，本发明解决了异构机器人不能正确表征其它机器人实际安全半径的环境感知问题。径的环境感知问题。径的环境感知问题。


技术研发人员：魏长赟 李亚军 田顺钰
受保护的技术使用者：河海大学
技术研发日：2023.07.03
技术公布日：2023/10/11