[发明专利]基于边界导引点的多无人系统协同自主探索方法及装置

说明书

本发明公开了一种基于边界导引点的多无人系统协同自主探索方法及装置。该方法包括：针对探索环境构建二维占据栅格地图；根据所述二维占据栅格地图检测所述探索环境的边界点；通过波前评估函数获取各个边界点之间的距离信息，根据所述各个边界点之间的距离信息对所述边界点进行聚类分析，获得多个聚类中心，以完成对所述二维占据栅格地图的区域划分；根据所述聚类中心进行多无人系统的任务分配，确定各个无人系统的目标点；根据所述各个边界点之间的距离信息和所述各个无人系统的目标点完成路径规划。可见，本发明提高了探索速度，且很少走重复路径、重复探索相同区域，可实现在同样时间内探索面积更大，在相同环境下探索时间更少。

技术领域

本发明涉及无人系统领域，特别涉及一种基于边界导引点的多无人系统协同自主探索方法、装置、电子设备、计算机可读存储介质。

背景技术

随着无人系统及其相关技术的发展和成熟，无人车、无人机等无人系统凭借高智能、高灵活性、可重复利用、低成本、不造成人员伤亡等优势在越来越多的领域受到广泛的应用，然而，使用单无人系统单独完成在复杂环境或范围较大的环境内执行任务会导致无法完成或效率极低。一方面，有限的载荷和航程限制了其执行任务的能力及速度。另一方面，复杂的地形、气象等现实条件容易导致其产生故障，从而降低其执行任务的效率或导致任务失败。

随着计算机、复杂科学系统以及机器人技术的发展，多无人系统研究逐渐成熟，与单无人系统相比，多无人系统具备效率高、鲁棒性强、稳定性好等诸多优势，使得其在生活中的应用日益广泛。其应用场景如在军事领域多无人系统可用于空中监测、目标搜索、目标跟踪、目标精准打击等；在林业领域用于林区治安巡逻、林地面积测量、森林防火监控等；在农业领域可用于农药喷洒、虫灾监测、农场管理等；在国土资源领域可用于航拍测绘、城市规划、地质勘查等；在灾后营救领域可用于生命的搜索救援、物资的运输、灾害监测等。在这短短的数年，多无人系统已经广泛应用于生活的方方面面。

当前多无人系统协同探索建图与路径规划研究主要涉及到两个方面的研究内容，即任务分配和路径规划，任务分配对实现多无人系统有效建图以及路径规划意义重大，当前比较流行的任务分配方法主要有集中式分配和分布式分配。针对集中式的任务分配模型主要又多维旅行商模型、车辆路径模型、多为动态网络流优化模型等。针对分布式的任务分配模型主要有基于市场机制的拍卖算法模型、博弈论模型等。在现有的基于市场机制的原始任务分配方法中，各无人系统按照信息增益、成本、收益等首先对其中的一个任务进行分类竞拍，竞拍价高(路径短、收益高)的无人系统将获得执行该任务的权利，接着剩余的无人系统将接着对剩下的任务继续竞拍，如此往复，直到所有的任务都被分配完，但当前基于市场机制的任务分配方法存在的问题是各无人系统对任务进行竞拍时，执行效率低、任务分配冗杂，会出现同一任务分配给多个无人系统导致重复探索相同区域、忽略实际因素导致增加探索路径长度的问题。

当各无人系统竞拍得到任务之后，如何找出一条从无人系统当前位置到分配任务点的最短路径是研究的重点所在。目前比较流行的路径规划方法有Dijkstra算法、人工势场法、A*算法、D*算法、快速探索随机树(Rapidly-exploring Random Tree，RRT)、蚁群算法、粒子群等方法。现有的Dijkstra算法以无人系统当前位置作为初始节点，再以初始节点为中心向外层扩散，遍历其周围的节点，并选择其中距离初始节点路径最短的节点作为下一节点再次向外扩散，重复该动作，直至找到任务分配点，连接从起始点到任务分配点之间的所有节点即得到路径，然后无人系统从当前位置沿着该路径向分配任务点移动，实现对环境的自主探索。但是当前Dijkstra算法在规划路径时忽略障碍物的实际影响，使得规划出的路径出现穿墙现象，导致小车撞墙或陷入局部最优停滞不前。

现有的多无人系统协同探索建图与路径规划中，首先在任务分配方面存在任务分配混乱、执行效率低等问题，出现无人系统重复探索某一区域的现象；其次在路径规划方面忽略障碍物以及各无人系统彼此间的位置信息，在实际探索中出现规划路径穿墙而过、无人系统撞墙陷入局部最优停滞不前、各无人系统彼此发生碰撞等问题，使得在实际的未知环境探索中无法体现出多无人系统协同自主探索的优势。

发明内容