[发明专利]基于子地图的多智能体协同地图构建方法和装置

说明书

一种基于子地图的多智能体协同地图构建方法和装置，包括：构建单机局部子地图和构建智能体的全局地图，将N个所述单机局部子地图进行融合拼接为所述智能体的全局地图，N为正整数；其中，所述单机局部子地图通过以下步骤进行构建：步骤S1，接收单机上的传感器数据；步骤S2，利用所述传感器数据，和根据关键帧的更新策略，判断当前帧是否为所述关键帧，若所述当前帧为关键帧，则新建子地图；步骤S3，将所述传感器数据插入到所述新建子地图之后，完成单机局部子地图构建；步骤S4，将所述局部子地图发送至所述智能体中，并重复执行步骤S1‑S3，当执行次数满足预设值时，停止执行，解决现有技术中的低延迟、低代价的多智能体协同地图构建的技术问题。

技术领域

本发明涉及多机协同智能技术领域，尤其涉及一种基于子地图的多智能体协同地图构建方法。

背景技术

近年来，随着机器学习算法和硬件平台的发展，单机智能的水平大幅提升。然而受限于单智能体感知范围和决策空间，单智能体难以完成一些复杂应用，如战场环境、车联网、物流配送等。

多机协同智能的概念已经引起了越来越多的关注，并在人工智能技术领域引起了巨大的进步。在这些复杂应用中，地图构建是重要的基础环节。然而，多机协同的地图构建需要消耗大量的计算、存储和通信资源，传统的智能体平台难以对协同地图构建任务进行实时计算。现有针对智能体的工作主要集中在SLAM任务中。对于单智能体的SLAM任务，机器人可以同时完成自身定位和地图构建，同时会进行场景识别、回环检测和轨迹优化以减少长距离运行时累计误差。这类的单智能体的SLAM广泛的应用于家居服务、战场作战、隧道检测等场景中。然而单智能体的性能提升存在边界效应，对于一些复杂应用，需要多个智能体协同配合才能完成，如大规模战场作战、车联网、物流配送等。对于多智能体的SLAM任务，现有工作主要在单智能体SLAM任务的基础上，通过智能体间的场景识别、回环检测，实现多机器人轨迹合并的任务。多智能体协同具有很多优点：其一，多个智能体协同完成探索和地图构建任务，可以大大降低任务所消耗的时间。其二，计算任务在多个智能体上的合理分配能够降低单个智能体的资源负担，降低对单个智能体的性能要求。其三，智能体数量的增加能够提高整体系统的稳定性，在极端环境中，如果某个智能体失效，整体系统依然可以执行任务。

多智能体协同SLAM在战场环境、车联网、物流配送等应用场景中取得了不错的效果，但是现有多机SLAM工作主要针对多机的轨迹合并与优化，缺乏对多机快速地图合并与优化的支持，地图优化往往需要在轨迹优化后使用原始传感器数据重新生成地图，这个过程通常只能离线进行，导致多机地图的实时应用性能大幅下降，并且储存原始的传感器数据需要占用智能体大量的存储空间。多智能体协同建图需要在智能体间传输传感器数据、场景描述符、局部地图等大量信息，随着智能体数量的增加，现有的通信手段将难以承载。

当前常见的多机SLAM的工作有两种：其一是针对多机的轨迹合并与优化的方法，这种方法可以实时的运行，但是难以对地图进行优化。其二是针对多机的轨迹和地图进行合并与优化的方法，其中对于地图优化需要在轨迹优化后使用原始传感器数据重新生成地图，难以达到实时运行的效果，只能在数据采集完成后进行离线地图优化。

多智能体协同SLAM方法都存在一些问题。地图构建与优化计算量和通信量大，需要在智能体间传输传感器数据、场景描述符、局部地图等大量信息，构建整个地图的计算延迟很高。如果采用使用原始传感器数据重新生成地图的方法，新地图生成需要很长处理时间，导致后续的传感器数据难以得到处理和相应，难以在实际场景中实时运行。如果仅针对多机的轨迹合并与优化，则在智能体的轨迹优化完成后，轨迹中智能体的位置会与地图中的位置发生偏移，造成后续任务的错误，在一些场景下会造成无法挽回的损失。因此我们需要设计一种全新的基于子地图的多智能体协同地图构建方案，实现低延迟、低代价的多机地图合并与优化。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于子地图的多智能体协同地图构建方法，以实现多智能体协同地图构建问题。