一种用于移动机器人自动建图任务的路径优化方法与流程

本发明涉及机器人路径优化技术领域，尤其涉及一种用于移动机器人自动建图任务的路径优化方法。

背景技术：

随着社会经济的发展和科学技术的进步，智能机器人可在复杂的环境中完成多种任务，多款类型的智能移动机器人根据自身传感器可完成建图功能，但是普遍效率较低，简便性较差。

让机器人利用携带的激光雷达，超声波雷达和深度摄像头等设备采集的环境数据在复杂未知的环境中也能够较为高效地使机器人快速探索出环境中的障碍物区域与可通行区域。

该方法在目前的研究具备一定的创新性，目前如专利申请cn201811574228提供公开了一种自动导航建图机器人及控制方法，专利申请cn201811574672公开一种多重渐消因子的机器人无迹快速同步定位与建图方法，专利申请cn201810952109一种复杂环境下多传感器的移动机器人slam建图方法和系统。目前研究缺少针对机器人自动建图时进行优化路径来提高建图效率，需要提供一种用于移动机器人自动建图任务的路径优化方法。

因此为丰富相关领域的算法研究，以科学的方法解决市场中机器人建图任务效率低、建图质量差的问题，设计了智能优化路径方法。

技术实现要素：

有鉴于此，本申请提供一种用于移动机器人自动建图任务的路径优化方法。

本申请是通过如下技术方案实现的：

一种用于移动机器人自动建图任务的路径优化方法，该方法应用于路径优化系统，该方法包括如下步骤：

步骤1，进行路径优化系统的环境初始化，确定移动机器人的当前位置和当前状态，设置优化决策时间针到当前时刻；

步骤2，移动机器人采集环境数据；

步骤3，路径优化系统根据采集得到的所述环境数据，建立环境障碍物区域位置点数据库和环境可通行区域位置点数据库；

步骤4，若机器人确定探测到的区域是障碍物区域，确定该区域的边界，确定机器人当前位置点到新探测到的所述边界的最远位置点；

步骤5，若机器人确定探测到的可通行区域是一个新的可通行区域，则将所述最远位置点连接到所述新的可通行区域的边界，并确定机器人在当前时刻当前位置能探测到的所述新的可通行区域的边界的最近位置点；

若机器人没有探测到的新的可通行区域，则可通行区域的边界的最近位置点为空；

步骤6，系统会以优先追踪障碍物边界为目标机制，判断新探测到的所述边界的最远位置点的个数，若为多个，则执行步骤7；若为单个，则执行步骤8；若为空，则执行步骤9；

步骤7，针对多个最远位置点，使用探索优先度函数，从计算结果中选取优先度函数值最高的最远位置点作为障碍物边界的最远位置点，然后执行步骤8；

步骤8，将当前位置到所述障碍物边界的最远位置点的路径确定为优化路径，驱动机器人通过所述优化路径到达所述障碍物边界的最远位置点，然后执行步骤13；

步骤9，系统结合充分探索可通行区域目标机制，若判断新探测到的所述边界的最远位置点为空后，判断所述新的可通行区域的边界的最近位置点的个数，若为多个，则执行步骤10；若为单个，则执行步骤11；若为空，则执行步骤12；

步骤10，针对多个最近位置点，使用探索优先度函数，从计算结果中选取优先度函数值最高的最近位置点作为可通行区域的边界最近位置点，然后执行步骤11；

步骤11，将当前位置到所述可通行区域的边界的最近位置点的路径确定为优化路径，驱动机器人通过所述优化路径到达所述可通行区域的边界的最近位置点，然后执行步骤13；

步骤12，若新探测的障碍物的边界的最远位置点为空，并且新探测的可通行区域的边界的最近位置点也为空，则确定当前环境中所有障碍物边界和所有可通行区域均已探索完成，完成环境障碍物区域位置点数据库和环境可通行区域位置点数据库，结束建图任务；

步骤13，将优化决策时间针设置为到达新位置时的当前时刻，返回步骤2继续执行。

进一步的，在所述步骤3中还包括：在当前时刻对当前位置点的环境数据进行探测，若探测结果为障碍物，则将相应位置点导入到所述环境障碍物区域位置点数据库，若探测结果为可通行区域，则将相应位置点导入到所述环境可通行区域位置点数据库。

进一步的，在所述步骤4中，进一步包括：

若机器人没有探测到障碍物区域是一个边界，则所述最远位置点为空；若机器人没有探测到障碍物区域，则所述最远位置点为空。

进一步的，所述使用探索优先度函数，具体包括如下步骤：

步骤a，初始化，建立多个位置点集合，设置位置点集合x，x＝{1，…,x,…n}，位置点的个数为n；

步骤b，根据实际场景需要，确定优先度因素；

步骤c：根据确定的优先度因素，确定各优先度因素的权重系数，设置优先度因素的权重系数集合β；

步骤d：根据确定的优先度因素和优先度因素权重系数，建立探索优先度函数，并计算各位置点的探索优先度函数值；

步骤e，根据预设的最优确定标准，确定探索优先度函数值最优的位置点，其中所述最优确定标准为最大、或者最小、或者最接近一个预设固定值，或者是随时间变化的动态确定方式。

进一步的，所述计算各位置点的探索优先度函数值，具体包括：

式中，zx为第x个位置点的探索优先度函数值，β为优先度考虑因素的权重系数，θx为第x个位置点的优先度考虑因素值。

与现有技术相比，本发明的优点在于：计算模型简单、效率高，在复杂的环境下也能够较为高效地使多机器人快速决策最优的任务规划方案来完成多项任务。本发明方法简单、科学且可靠。

附图说明

图1为本发明的优化方法的流程示意图；

图2为按照到障碍物边界最优位置点的路径移动示例图；

图3为可通行区域边界确定示例图；

图4为到可通行区域边界的最近位置点确定示例图；

图5考虑探索优先度的最远位置点和最近位置点确定的示例图；

图6在复杂环境下机器人移动示例图；

图7为本发明的场景应用示例图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

下面将结合附图和实例对本发明作进一步的详细说明。

图1为本发明的优化方法的流程示意图，图2为本发明的场景应用示例图。本发明提供的用于移动机器人自动建图任务的路径优化方法包括如下步骤：

步骤1，进行系统环境初始化，确定移动机器人当前位置，当前状态包括速度、转向等参数，设置优化决策时间针到当前时刻；

步骤2，移动机器人利用携带的激光雷达，超声波雷达和深度摄像头等设备采集的环境数据；

步骤3，智能优化系统根据采集得到的环境数据，建立环境障碍物区域位置点数据库和环境可通行区域位置点数据库，在当前时刻对当前区域的环境数据根据是探测的是障碍物还是可通行区域，将对应位置点对应导入到环境障碍物区域位置点数据库和环境可通行区域位置点数据库中去；

步骤4，明确机器人利用自身环境探测设备可探测到的障碍物区域是一个边界，因为边界内部不可探测，所以会确定出当前时刻当前位置能探测到的一段障碍物的边界，此时系统会确定机器人此时位置到该新探测到的这一段障碍物边界的最远位置点。若此时机器人未探测到新的障碍物边界，则到障碍物边界的最远位置点为空；

步骤5，明确机器人利用自身环境探测设备可探测到的可通行区域是一个区域，因为区域内部位置点也可以探测，探测的最远的位置点连到一段新的可通行区域边界，但是系统还需确定机器人在当前时刻当前位置能探测到的新的一处可通行区域的边界的最近位置点。若此时机器人未探测到新的可通行区域，则到可通行区域的边界的最近位置点为空；

步骤6，系统会以优先追踪障碍物边界为目标机制，判断此时机器人新探测的障碍物边界最远位置点的个数，若为多个，则执行步骤7。系统判断此时机器人新探测的障碍物边界的最远位置点为单个，执行步骤8，系统判断此时机器人新探测的障碍物边界的最远位置点为空，则执行步骤9；

自动建图最重要要确定环境内出障碍物位置，所以路径优先追踪障碍物边界，路径会使优先设置障碍物边界的最有位置点为下一个目标点，所以路径会使得机器人绕着障碍物边界运动探测地图。这种先设置障碍物边界的最有位置点为下一个目标点的思路为优先追踪障碍物边界的目标机制。

步骤7，针对机器人新探测的多个障碍物边界最远位置点，利用探索优先度函数，选取其中的计算出来的优先度函数最高的位置点当作唯一的障碍物边界的最远位置点，然后执行步骤8；

步骤8；确定的优化的路径为当前位置到障碍物边界最远位置点的路径，驱动机器人快速安全到达对应障碍物边界最远位置点，执行步骤13；

步骤9，系统结合充分探索可通行区域目标机制，在判断此时机器人新探测的障碍物边界最远位置点为空后，系统开始判断此时机器人新探测的可通行区域的边界最近位置点的个数，若为多个，则执行步骤10。系统判断此时机器人新探测的可通行区域的边界最近位置点为单个，执行步骤11。系统判断此时机器人新探测的可通行区域的边界最近位置点为空，则执行步骤12；

步骤10，针对机器人新探测的多个可通行区域的边界最近位置点，利用探索优先度函数，选取其中的计算出来的优先度函数最高的位置点当作唯一的可通行区域的边界最近位置点，然后执行步骤11；

步骤11，确定的优化的路径为当前位置到可通行区域的边界最近位置点的路径，驱动机器人快速安全到达对应可通行区域的边界最近位置点，执行步骤13；

步骤12，系统在判断此时机器人新探测的障碍物边界最远位置点为空以及后，新探测的可通行区域的边界最近位置点也为空后，则确定环境当中所有障碍物边界和所有可通行区域均已就探索完成，完成环境障碍物区域位置点数据库和环境可通行区域位置点数据库，结束建图任务；

步骤13，将优化决策时间针设置到到达新位置时的当前时刻，确定移动机器人当前位置，当前状态包括速度、转向等参数，利用该优化方法从步骤2开始继续以此执行。

所述的探索优先度函数计算过程包括以下步骤：

步骤a：初始化，建立多个位置点集合，设置位置点集合x，x＝{1，…,x,…n}，位置点的个数为n；

夹角、距离，到位置点的时间等这些因素都可以设置围殴优先度因素，不同的需要可能所考虑的因素不同。

步骤b：根据实际场景需要，确定考虑优先度考虑因素，如位置夹角因素，如本专利提供其中一种，考虑位置点夹角的优先度函数，实际应用可根据具体情况考虑一种或者多种因素。设置各个位置点到与当前位置连线和系统设定的固定坐标系下的水平x轴方向的的夹角，建立各个位置点的夹角集合

步骤c：根据上述确定的优先度考虑因素，确定各因素权重系数，根据实际应用中考虑因素的不同，权重系数可具体确定。本专利提供的一种考虑位置点夹角的因素，设置优先度考虑因素的权重系数集合β；

步骤d：系统根据确定的优先度考虑因素和优先度考虑因素权重系数，建立探索优先度函数。根据本专利提供的其中的一种考虑因素和对应的权重系数，利用下式计算各位置点的探索优先度函数值：

式中，zx为第x个位置点的探索优先度函数值，β为优先度考虑因素的权重系数，θx为第x个位置点的优先度考虑因素值；

步骤e：系统确定探索优先度函数值最优的位置点，最优对应的标准可以设定为最大，或者最小，或者最接近一个预设固定值，或者是随时间变化的动态确定方式。系统最终按照该最优的标准，确定出最优的位置点。

可能计算出各个位置点的优先度函数值，优先度函数考虑夹角为因素，比如第一个点优先度函数值为30，第二个点优先度函数值为60，第三个点优先度函数值为85。而实际场景中优先度函数值是90的话为我们最想要的结果，那么最接近90的那个位置点为最终确定的最优位置点。

随时间变化的动态确定方式为可能是一开始按照最优确定标准为最大，而随着优化过程的进行，过段时间后按照最接近某预设固定值为标准选择最优位置点。所以不同时间，不同的最远确定标准是随时间变化的动态确定方式。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现，相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。

需要说明的是，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。