[發(fā)明專利]全覆蓋應用下異構多機器人系統(tǒng)的任務規(guī)劃方法

有效

• 申請?zhí)枺?/td>: 202011401042.8
• 申請日: 2020-12-02
• 公開（公告）號: CN112462783B
• 公開（公告）日: 2021-07-23
• 發(fā)明（設計）人: 楊文婧;李林;藍龍;楊紹武;徐利洋;黃達;史殿習;楊思寧;崔玉寧;劉哲
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 湖南企企衛(wèi)知識產(chǎn)權代理有限公司 43257
• 代理人: 任合明

1.一種全覆蓋應用下異構多機器人系統(tǒng)的任務規(guī)劃方法，其特征在于包括以下步驟：

第一步，構建全覆蓋應用下的異構多機器人任務規(guī)劃系統(tǒng)，異構多機器人任務規(guī)劃系統(tǒng)由服務端、客戶端及機器人終端組成；服務端是一臺服務器，其上安裝有異構多機器人任務分配模塊、異構多機器人路徑規(guī)劃模塊；

客戶端是一臺服務器或PC機或移動終端，其上存放有統(tǒng)一機器人定義格式文件即URDF文件，客戶端上有探測傳感器，通過探測傳感器獲取目標區(qū)域的信息，計算目標區(qū)域的待覆蓋總面積Area并確定策略選擇參數(shù)Stra，將N臺異構機器人的URDF文件、目標區(qū)域的信息、目標區(qū)域的待覆蓋面積Area發(fā)送給異構多機器人任務分配模塊，將Stra發(fā)送給異構多機器人路徑規(guī)劃模塊；所述目標區(qū)域的信息包括目標區(qū)域的面積、障礙物、邊界；

異構多機器人任務分配模塊與客戶端和異構多機器人路徑規(guī)劃模塊相連，由機器人選擇模塊及環(huán)境建模模塊組成；機器人選擇模塊與客戶端及環(huán)境建模模塊相連，從客戶端接收URDF文件及目標區(qū)域的待覆蓋總面積Area，將覆蓋任務與機器人能力進行匹配，得到分配給覆蓋任務的最優(yōu)機器人集合C及其覆蓋面積集合CA，將C和CA發(fā)送給環(huán)境建模模塊，C中含K個機器人，1≤K≤N；環(huán)境建模模塊與客戶端、機器人選擇模塊及異構多機器人路徑規(guī)劃模塊相連，從客戶端獲取Area、障礙物、邊界信息，對目標區(qū)域進行網(wǎng)格建模，得到建模后的二維網(wǎng)格矩陣D，從機器人選擇模塊獲取C及CA，結合建模得到的二維網(wǎng)格矩陣D，求得機器人集合C內(nèi)各機器人的待覆蓋網(wǎng)格數(shù)量集合G、起始網(wǎng)格坐標集合S、網(wǎng)格數(shù)量比值集合H，將C、D、G、S、H發(fā)送給異構多機器人路徑規(guī)劃模塊；

異構多機器人路徑規(guī)劃模塊與異構多機器人任務分配模塊、客戶端及N個機器人終端相連，由區(qū)域劃分模塊及并行路徑規(guī)劃模塊兩個子模塊組成；區(qū)域劃分模塊與客戶端、環(huán)境建模模塊及并行路徑規(guī)劃模塊相連，由初始劃分模塊及二次劃分模塊組成；初始劃分模塊與客戶端、環(huán)境建模模塊及二次劃分模塊相連，從環(huán)境建模模塊獲取目標區(qū)域網(wǎng)格建模后的二維網(wǎng)格矩陣D、最優(yōu)分配機器人集合C及其起始網(wǎng)格集合S、待覆蓋網(wǎng)格數(shù)量G、網(wǎng)格數(shù)量比值集合H，從客戶端獲取策略選擇參數(shù)Stra，對目標區(qū)域進行初始劃分，得到初始子區(qū)域集合P，將P發(fā)送給二次劃分模塊；二次劃分模塊與初始劃分模塊、并行路徑規(guī)劃相連，對從初始劃分模塊接收的P進行二次劃分，得到精確的區(qū)域劃分結果P’，將P’發(fā)送給并行路徑規(guī)劃模塊；并行路徑規(guī)劃模塊與二次劃分模塊及N個機器人終端相連，從二次劃分模塊獲取C中K臺機器人的精確子區(qū)域劃分結果P’，然后在P’中的K個待覆蓋子區(qū)域中并行進行規(guī)劃路徑，得到K個機器人的覆蓋路徑，并將K個機器人的覆蓋路徑分別輸出到與C對應的K臺機器人終端；

N個機器人終端是與URDF文件相對應的N臺機器人，其中的K臺機器人從并行路徑規(guī)劃模塊接收對應的覆蓋路徑，并行按照對應的覆蓋路徑運動，生成K條運動軌跡；

第二步，客戶端的探測傳感器采集目標區(qū)域的信息，根據(jù)目標區(qū)域的信息計算目標區(qū)域的待覆蓋總面積Area，將N臺異構機器人的URDF文件、目標區(qū)域的待覆蓋面積Area發(fā)送給機器人選擇模塊，將目標區(qū)域的信息發(fā)送給環(huán)境建模模塊；

第三步，客戶端確定策略選擇參數(shù)Stra為1或2，將Stra發(fā)送給初始劃分模塊；

第四步，機器人選擇模塊從客戶端接收N臺異構機器人的URDF文件和目標區(qū)域的待覆蓋面積Area，根據(jù)URDF文件定義一個異構多機器人集合A＝{a₁，a₂，...，a_n，...，a_N}，N為正整數(shù)，1≤n≤N，a_n為A中的第n臺機器人的序號；

第五步，機器人選擇模塊根據(jù)A中N臺機器人所對應的URDF文件及目標區(qū)域的待覆蓋面積Area，從A中分配最優(yōu)的K臺機器人給覆蓋任務，這K臺機器人組成最優(yōu)機器人集合C＝{c₁，c₂，...，c_k，...，c_K}，K為正整數(shù)，1≤K≤N，1≤k≤K；方法為：

5.1構建異構機器人能力模型，使其能從A中篩選出具備覆蓋能力的機器人集合，具體步驟如下：

5.1.1構建機器人本體，本體是指一種形式化的、對共享概念體系的明確而又詳細的說明；

5.1.2根據(jù)機器人的URDF文件，為A中的N臺機器人進行本體實例化，得到N個異構機器人本體實例，對于第n臺機器人a_n，此步即根據(jù)a_n的URDF文件采用本體這個數(shù)據(jù)結構對a_n進行描述，得到a_n的本體實例；

5.1.3定義機器人覆蓋任務描述，該任務描述包含了機器人執(zhí)行一個覆蓋任務時所必備的R個技能，用技能集合Skill＝{Skill₁，Skill₂，...，Skill_r，...，Skill_R}表示，R為正整數(shù)，1≤r≤R；

5.1.4根據(jù)執(zhí)行覆蓋任務的機器人必須具備覆蓋任務描述中所有技能的原則，對A中N個機器人的本體實例進行推理，從A中篩選出具備覆蓋能力的M臺機器人，組成具備覆蓋能力的機器人集合B＝{b₁，b₂，...，b_m，...，b_M}，M為正整數(shù)，1≤M≤N，1≤m≤M；

5.2制定基于機器人覆蓋面積的數(shù)學模型，使得從機器人集合B中得到分配給當前覆蓋任務的最優(yōu)機器人集合，方法如下：

5.2.1構建基于機器人覆蓋面積的數(shù)學模型，如公式(1)、(2)、(3)所示：

(area(1)，area(2)，...，area(m)，...，area(M))·(y₁，y₂，...，y_m，...，y_M)^T≥Area 公式(2)

y_m∈{0，1}，i＝1，2，...，m，...，M 公式(3)

其中y_m為變量，表示B中的第m臺機器人是否被分配到該覆蓋任務，如果是，y_m＝1，否則y_m＝0；area(m)表示機器人集合B中的第m臺機器人的最大覆蓋面積，該值等于第m臺機器人的電池續(xù)航時間、最大運行速度及裝載的傳感器的感知范圍的乘積；

5.2.2求解基于機器人覆蓋面積的數(shù)學模型，其最優(yōu)解對應分配給當前覆蓋任務的最優(yōu)的K臺機器人，組成最優(yōu)機器人集合C＝{c₁,c₂,…,c_k,…,c_K}；

5.2.3計算C內(nèi)K臺機器人實際需要覆蓋的面積，得到面積集合CA，CA＝{ca₁,ca₂,…,ca_k,…,ca_K}，ca_k為第k臺機器人實際需要覆蓋的面積，ca_k按公式(4)計算如下：

其中CArea表示C中K臺機器人的最大覆蓋面積累加和，area(k)表示C中的第k臺機器人的最大覆蓋面積，area(k)等于第k臺機器人的電池續(xù)航時間、最大運行速度及裝載的傳感器的感知范圍的乘積；

第六步，環(huán)境建模模塊從客戶端接收目標區(qū)域的信息，對目標區(qū)域進行環(huán)境建模，從機器人選擇模塊接收C和CA，計算C中K臺機器人需要覆蓋的網(wǎng)格數(shù)量，統(tǒng)計與C中K臺機器人的位置距離最近的網(wǎng)格，方法是：

6.1采用STC網(wǎng)格建模法對目標區(qū)域進行網(wǎng)格建模，得到長為X，寬為Y的二維網(wǎng)格地圖，用二維矩陣D表示，D＝{d(x,y),1≤x≤X,1≤y≤Y,X和Y為正整數(shù)}，d(x,y)是橫坐標為x，縱坐標為y的網(wǎng)格的值，如果d(x,y)＝0，表示該網(wǎng)格為障礙物，如果d(x,y)＝1，表示該網(wǎng)格屬于待覆蓋區(qū)域；

6.2計算C內(nèi)K臺機器人需要覆蓋的網(wǎng)格數(shù)量，用網(wǎng)格數(shù)量集合G＝{g₁,g₂,…,g_k,…,g_K}表示，C中第k臺機器人需要覆蓋的網(wǎng)格數(shù)量g_k按公式(5)計算：

其中T表示機器人上搭載的傳感器的視野面積；將G中K個元素分別除以這K個元素的最大公約數(shù)，得到集合C中K臺機器人的網(wǎng)格數(shù)量比值，用網(wǎng)格數(shù)量比值集合H＝{h₁,h₂,…,h_k,…,h_K}表示，h_k是C中第k臺機器人的網(wǎng)格數(shù)量比值；

6.3統(tǒng)計二維矩陣D中，與C中K臺機器人的位置距離最近的K個網(wǎng)格，組成起始網(wǎng)格集合S＝{s(x₁,y₁),…,s(x_k,y_k),…,s(x_K,y_K)}，s(x_k,y_k)是C中第k臺機器人的起始網(wǎng)格；

第七步，區(qū)域劃分模塊從環(huán)境建模模塊接收最優(yōu)機器人集合C及其預期需要覆蓋的網(wǎng)格數(shù)量集合G、網(wǎng)格數(shù)量比值集合H、起始網(wǎng)格集合S以及二維網(wǎng)格矩陣D，從客戶端獲取策略選擇參數(shù)Stra，通過初始劃分和二次劃分兩個子模塊，將目標區(qū)域劃分成K個待覆蓋子區(qū)域，將K個待覆蓋子區(qū)域發(fā)送給并行路徑規(guī)劃模塊，方法是：

7.1初始劃分模塊將二維矩陣D初步劃分為K個子區(qū)域，用初始子區(qū)域集合P＝{p₁,p₂,…,p_k,…,p_K}表示，p_k是C中第k臺機器人需要覆蓋的網(wǎng)格集合，具體方法如下：

7.1.1將集合C中K臺機器人的起始網(wǎng)格作為第一個分配網(wǎng)格分配到初始子區(qū)域集合P中；

7.1.2參考C中各機器人的預期網(wǎng)格數(shù)量G及網(wǎng)格數(shù)量比值H，交替將二維網(wǎng)格矩陣D中其他未分配網(wǎng)格分配給各子區(qū)域，方法是：

7.1.2.1令機器人序號k＝1；

7.1.2.2計算G中各元素的累加和若說明二維網(wǎng)格矩陣D中的待覆蓋網(wǎng)格均已被分配給C中的K臺機器人，轉7.2；否則，說明二維網(wǎng)格矩陣D中還有網(wǎng)格尚未被分配給C中的K臺機器人，轉7.1.2.3；

7.1.2.3統(tǒng)計和子區(qū)域p_k相鄰的未被分配網(wǎng)格，定義D中的未分配網(wǎng)格d(x1，y1)與子區(qū)域p_k相鄰，x1為橫坐標，y1為縱坐標，1≤x1≤X，1≤y1≤Y，當且僅當子區(qū)域p_k中存在網(wǎng)格d(x，y)滿足以下條件，

d(x1，y1)≠0 公式(7)

將與子區(qū)域p_k相鄰且未被分配的網(wǎng)格組成子區(qū)域p_k的候選網(wǎng)格集合E_k，E_k＝{e(x₁，y₁)，e(x₂，y₂)，...，e(x_q，y_q)，...e(x_Q，y_Q)}，e(x_q，y_q)≠0，e(x_q，y_q)∈D，Q為正整數(shù)，1≤q≤Q；

7.1.2.4根據(jù)從客戶端獲取的策略選擇參數(shù)Stra，從候選網(wǎng)格集合E_k中挑選出h_k個網(wǎng)格，分配給子區(qū)域p_k，方法如下：

7.1.2.4.1若Stra＝1，從候選網(wǎng)格集合E_k中，隨機挑選h_k個網(wǎng)格，組成子區(qū)域p_k的網(wǎng)格集合F_k，將F_k分配給子區(qū)域p_k，即p_k＝{p_k，F(xiàn)}，轉7.1.2.5；

7.1.2.4.2若Stra＝2，從候選網(wǎng)格集合E_k中，依次選取與起始網(wǎng)格s_k距離最近的h_k個網(wǎng)格，組成子區(qū)域p_k的網(wǎng)格集合F_k，將F_k分配給子區(qū)域p_k，即p_k＝{p_k，F(xiàn)}，轉7.1.2.5；

7.1.2.5令g_k＝g_k-h_k，k＝k+1；

7.1.2.6若k≤K，轉7.1.2.2；否則，轉7.1.2.1；

7.2二次劃分模塊從初始區(qū)域劃分模塊接收初始子區(qū)域集合P，通過二次劃分將二維網(wǎng)格矩陣D精確地劃分成K個子區(qū)域，這K個子區(qū)域組成精確子區(qū)域集合P’，并將P’輸出到并行路徑規(guī)劃模塊，方法是：

7.2.1令P’＝P，其中P’＝{p’₁，p’₂，...，p’_k，...，p’_K}，即使用P初始化P’；

7.2.2計算P’中K個子區(qū)域的實際分配網(wǎng)格數(shù)量與預期分配網(wǎng)格數(shù)量之間的偏差，得到網(wǎng)格數(shù)量偏差集合G’；

7.2.3若max(G’)＝0，說明P’中K個子區(qū)域的實際分配網(wǎng)格數(shù)量與預期分配網(wǎng)格數(shù)量相等，max(G’)為對集合G’中的元素取最大值，轉7.2.9；否則，統(tǒng)計G中數(shù)值等于±m(xù)ax(G’)的子區(qū)域，構成最大偏差子區(qū)域集合PG＝{pg₁，pg₂，...，pg_i，...，pg_I}，I為正整數(shù)，1≤I≤K，1≤i≤I，pg_i為PG中的第i個子區(qū)域，轉7.2.4；

7.2.4建立搜索樹，從PG中隨機挑選出一個元素pg_i作為該搜索樹的根節(jié)點，然后逐級生成搜索樹的各層子節(jié)點，直到在某層子節(jié)點中找到可以和pg_i進行二次再分配的子區(qū)域為止；方法如下：

7.2.4.1令搜索樹節(jié)點層數(shù)j＝2，令搜索樹第j-1層節(jié)點集合T＝{pg_i}；

7.2.4.2生成搜索樹第j層節(jié)點，組成第j層節(jié)點集合TT，TT中包含子區(qū)域集合TR，TR＝{tr₁，...，tr_o，...，tr_O}，O為正整數(shù)且1≤O≤K，1≤o≤O，tr_o為TR中的第o個子區(qū)域；

7.2.4.3若TT中存在子區(qū)域tr_o，滿足如果有，說明有可以和pg_i進行二次再分配的子區(qū)域，這些子區(qū)域組成二次分配子區(qū)域集合TTS，從TTS中隨機挑選一個元素，令為tr_o，轉7.2.5；否則轉7.2.4.4；

7.2.4.4令j＝j+1，T＝TT，轉7.2.4.2；

7.2.5從節(jié)點tr_o開始，沿著搜索樹逐級回溯，直到遇到根節(jié)點pg_i，回溯過程中遇到的節(jié)點，組成回溯路徑子區(qū)域集合W＝{w₁，w₂，...，w_z，...，w_Z}，Z為正整數(shù)且1≤Z≤K，1≤z≤Z，其中w₁＝tr_o，w_Z＝pg_i；

7.2.6若說明子區(qū)域pg_i的實際網(wǎng)格分配數(shù)量比預期分配數(shù)量要少，轉7.2.7；否則，說明子區(qū)域pg_i的實際網(wǎng)格分配數(shù)量比預期分配數(shù)量要多，轉7.2.8；

7.2.7從其他子區(qū)域中挑選出一個網(wǎng)格，二次分配給子區(qū)域pg_i；方法如下：

7.2.7.1令實際二次分配子區(qū)域集合W1＝{w₁，w₂，...，w_z，...，w_Z-1}，令W1中子區(qū)域序號z＝1；

7.2.7.2從子區(qū)域w_z中挑選出一個網(wǎng)格d(x，y)，轉移給子區(qū)域w_z+1中即令w_z+1＝{w_z+1，d(x，y)}，w_z＝w_z-{d(x，y)}；挑選的網(wǎng)格滿足以下條件：二次分配完以后，子區(qū)域{w_z+1，d(x，y)}依然是連通的，定義子區(qū)域是連通的，當且僅當該子區(qū)域內(nèi)的每個網(wǎng)格，都存在至少一個相鄰網(wǎng)格；

7.2.7.3令z＝z+1；

7.2.7.4若z＝Z-1，令轉7.2.2；否則，轉7.2.7.2；

7.2.8將子區(qū)域pg_i內(nèi)部的一個網(wǎng)格，二次分配給其他子區(qū)域，方法如下：

7.2.8.1令W1＝{w₂,…,w_z,…,w_Z}，令z＝1；

7.2.8.2從子區(qū)域w_z+1中挑選出一個網(wǎng)格，轉移給子區(qū)域w_z，即w_z＝{w_z,d(x,y)}，w_z+1＝w_z+1-{d(x,y)}；挑選的網(wǎng)格滿足以下條件：二次分配完以后，子區(qū)域依然是連通的；

7.2.8.3令z＝z+1；

7.2.8.4若z＝Z-1，則令轉7.2.2；否則，轉7.2.8.2；

7.2.9經(jīng)過二次劃分，得到精確的子區(qū)域集合P’，將P’發(fā)送給并行路徑規(guī)劃模塊；

第八步，并行路徑規(guī)劃模塊從區(qū)域劃分模塊接收精確子區(qū)域集合P’，在P’的K個子區(qū)域上并行執(zhí)行單機器人生成樹覆蓋路徑規(guī)劃算法，在K個子區(qū)域分別生成一條覆蓋路徑，共生成K條覆蓋路徑，將K條覆蓋路徑分別發(fā)送給與C對應的K臺機器人終端；

第九步，與C對應的K臺機器人終端并行接收對應的覆蓋路徑，并行按照對應的覆蓋路徑運動，生成K條運動軌跡，這K條運動軌跡實現(xiàn)對目標區(qū)域的完全覆蓋。