通信连通性保持约束下的水下多机器人避障装置及方法

本发明涉及水下多机器人群集系统控制领域，尤其是通信连通性保持约束下的水下多机器人避障装置及方法。

背景技术：

1、21世纪是海洋的世纪，随着经济的发展以及科学技术的进步，海洋探索装备的智能化是未来的发展趋势。水下多机器人群集系统在大规模海洋勘探、海洋搜救和追踪围捕等方面具有群体协作优势，但在提高效率的同时水下多机器人群集系统的通信问题和控制问题也随之而来；水下环境与地面不同，具有其特殊性。首先，与地面相比，水下通信手段有限且易受水温、光线、噪声等影响，通信连接不稳定会使水下多机器人群集系统巡航任务失败。其次，水下环境复杂多变，充满着诸多不确定因素，例如海底礁石、珊瑚、鱼群的存在使得水下多机器人群集系统无碰撞移动具有挑战性。这些因素给水下多机器人群集系统巡航任务带来很大困难。

2、在现有技术中，公开号为cn115185287a的中国发明专利，公开了一种智能多水下机器人动态避障及围捕控制系统，该系统在某个水下机器人发现目标后通过通讯装置实时向其它机器人发送围捕目标位置和移动方向、速度，并通过提前计算的包围圈范围对目标进行围捕；该方案通过多水下机器人的协作可以实现对目标的动态围捕，但该方案在向其它机器人广播目标信息时并未考虑自身与其它水下机器人间的通信连通性，且海洋环境复杂多变，在不考虑通信连通性约束时会导致通信连接中断进而导致多水下机器人群集系统任务失败。

3、再有，公开号为cn103529844a的中国发明专利，公开了一种基于前视声纳的水下机器人避障方法，该方法将前视声纳图像数据引入机器人避障策略中，减小了机器人避碰盲区。该方法可以为水下机器人提供远距离、高分辨率的水下图像，但当水下机器人处于近距离复杂障碍物场景时，由于水下噪声和多径效应的影响，造成声纳分辨率低下，导致机器人避障性能下降。

4、针对上述不足，如何设计一种通信连通性保持约束来提高多水下机器人通信质量，并在此约束下设计多水下机器人避障方法及装置显得尤为重要。

技术实现思路

1、本发明需要解决的技术问题是提供一种通信连通性保持约束下的水下多机器人避障装置及方法，可在通信连通性保持约束下实现稳定的机器人群集系统避障控制，提高了系统通信和运动稳定性。

2、为解决上述技术问题，本发明所采用的技术方案是：

3、一种通信连通性保持约束下的水下多机器人避障装置，每个水下机器人均包括水下机器人主体、水声无线通讯装置及双目视觉避障装置；

4、所述水下机器人主体包括构成机器人主体框架的机器人承载体、包含六个推进器模块的动力系统、两两对称固定于机器人主体框架前后两侧的4块浮力材料、固定安装在机器人主体框架中央的控制舱体、内装供电系统的电池舱体和固定安装在机器人主体框架前端底部的2个水下探照灯；

5、所述水声无线通讯装置包括水声换能器、调制解调器、通信模块、单片机微处理器和锂电池供电系统；所述水声换能器用于发送和接收通讯高频超声波；所述调制解调器用于将模拟信号转换成数字信号；所述通信模块用于进行单片机微处理器与调制解调器间的数据交换；所述单片机微处理器用于处理调制解调器发送的数据信息；所述锂电池供电系统用于水声无线通讯装置供电；

6、所述双目视觉避障装置由第一单目相机、第二单目相机、第三单目相机和第四单目相机构成，第一单目相机、第二单目相机、第三单目相机和第四单目相机分别固定安装在机器人主体框架的前部正左方、正右方、正上方和正下方，用于实时捕获水下环境光学图像。

7、本发明技术方案的进一步改进在于：所述机器人承载体包括构成机器人主体框架的外侧框架的第一承载体、和第二承载体以及构成机器人主体框架的底部的第三承载体；所述第一承载体和所述第二承载体竖直平行设置；所述第三承载体与所述第一承载体和所述第二承载体呈垂直关系，并与所述第一承载体和所述第二承载体固定连接；

8、所述动力系统中包含的六个推进器模块，具体是指固定安装在控制舱体左右两侧的两个上升/下潜推进器和与水平方向呈45°夹角固定于浮力材料下方的第一承载体和第二承载体上的四个前进/后退推进器；所述浮力材料位于上升/下潜推进器的前后两侧；

9、所述控制舱体内部包含电机驱动模块、单片机微处理器单元和微计算机图像处理单元；所述电池舱体固定安装在第三承载体的中间部位。

10、一种通信连通性保持约束下的水下多机器人避障方法，包括以下步骤：

11、步骤1，采集水下巡航任务区域环境图像和水下机器人图像，对采集图像需避障区域进行预处理并生成相应的数据集，通过深度卷积神经网络对数据集进行离线训练，将训练完毕的模型部署至每个水下机器人控制舱体内的微计算机图像处理单元；

12、步骤2，将每个水下机器人分别部署至巡航任务区域，水下机器人通过自身搭载的双目相机实时捕获所处环境图像信息，微计算机图像处理单元通过部署的神经网络模型判断此图像是否存在避障区域，若存在避障区域，转至步骤3，若不存在转至步骤4；

13、步骤3，获取图像上避障区域中心像素点坐标，通过此像素点坐标计算该避障区域视差角度值；

14、步骤4，基于水声无线通讯装置的通信半径分别求取每个水下机器人的邻居集，之后计算每个水下机器人在其邻居集内与其它水下机器人间的通信引力场值；

15、步骤5，通过步骤3获取的视差角度信息以及步骤4获取的通信引力场构造此水下机器人的奖励函数，基于奖励函数构造值函数，通过深度强化学习神经网络拟合值函数；

16、步骤6，重复上述步骤2到步骤5直到获取最优的值函数，此时深度强化学习神经网络已收敛，将其部署至每个水下机器人上从而获取最优控制策略。

17、本发明技术方案的进一步改进在于：在步骤3中，若图像中存在避障区域，将其中心点像素坐标记为(x,y)，x和y分别是避障区域中心点的像素横坐标、纵坐标；通过获取图像的避障区域中心像素坐标，计算出此避障区域的水平视差角度和垂直视差角度：

18、

19、

20、其中，θh和θv分别为此障碍区域的水平视差角度和垂直视差角度，θt是避障视差角度阈值，θa、θb、θc和θd分别是第一单目相机、第二单目相机、第三单目相机、第四单目相机根据图像避障区域中心像素坐标计算的水平和垂直视差夹角值。

21、本发明技术方案的进一步改进在于：在步骤4中，水下机器人um与水下机器人un的连通函数为：

22、

23、其中，m,n∈{1,...m}，xm＝[xm,ym,zm]t和xn＝[xn,yn,zn]t分别表示水下机器人um和un在世界坐标系下的位置；l(xm,rv)＝{x∈r2：||x-xm||≤rv}表示以水下机器人um为中心的通讯半径为rv的圆形区域；通过连通函数，水下机器人um的邻居集为：

24、pm＝{xn·fmn(xm)}  (4)

25、机器人um在其邻居集内产生的通信引力场为：

26、

27、其中，dmn＝||xm-xn||表示水下机器人um与水下机器人un间的距离，rs是最大稳定通信距离。

28、本发明技术方案的进一步改进在于：在步骤5中，通过上述技术方案步骤中获取的障碍物视差角度信息以及通信引力场约束，可构造单步奖励函数计算此时策略的奖励值，奖励越大，控制策略越优；所述奖励函数如下：

29、

30、其中，rm(xm,τm)为水下机器人um单步奖励，τm是水下机器人um此时的控制输入，k1和k2是权重系数。

31、本发明技术方案的进一步改进在于：在步骤6中，基于步骤5中的单步奖励函数来更新值函数，值函数的定义如下：

32、q(xmk,τmk)＝rm(xmk,τmk)+γ×maxq(xmk+1,τmk+1)  (7)

33、其中，xmk和τmk是水下机器人um在时间步骤k时的位置和控制输入，0＜γ≤1是折扣因子；通过深度强化学习神经网络对值函数进行拟合迭代更新，重复步骤2至步骤5直到满足神经网络收敛要求；此时，通过神经网络获取最优控制策略

34、由于采用了上述技术方案，本发明取得的技术进步是：

35、1、本发明基于双目视觉的双目视差避障方法可以实现水下多机器人群集系统在复杂障碍物水域工作时，避免了水下机器人与水中障碍物以及其它水下机器人之间发生碰撞，摆脱了传统声学避障传感器近距离分辨率低和声波多径效应影响，提高了水下机器人控制稳定性。

36、2、本发明提出的通信连通性保持约束方案提高了水下多机器人协同工作时的通信稳定性，解决了水下机器人群集系统失联问题，结合深度强化学习神经网络，提高了水下多机器人群集系统的通信连通性和控制稳定性。