买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：齐齐哈尔大学

摘要：本发明涉及一种基于改进快速探索随机树的多机器人自主探索方法和系统，利用基于改进人工鱼群算法的快速探索随机树对栅格地图全局范围内的边界进行检测以获取边界点；利用基于自适应步长的快速探索随机树以每个机器人为移动节点对每个机器人周围的边界点进行检测；对检测到的边界点进行筛选，通过删除已被探索过的边界点和无法到达的边界点，并对剩余的边界点进行聚类；对每个机器人相对于某一边界点进行综合评估，将该边界点作为最优边界点分配给评估值最高的机器人；驱动机器人前往该边界点对位置环境进行探索，在抵达边界点后再次对该机器人进行最优边界点的分配，以此逐步构建环境地图。本发明能够引导机器人更快探索位置环境并构建环境地图。

主权项：1.一种基于改进快速探索随机树的多机器人自主探索方法，其特征在于，包括以下步骤：步骤1：利用基于改进人工鱼群算法的优化快速探索随机树对栅格地图全局范围内的边界进行检测以获取边界点；步骤2：利用基于自适应步长的快速探索随机树以每个机器人为移动节点对每个机器人周围的边界点进行检测；步骤3：对步骤1和步骤2检测到的边界点进行筛选，通过删除已被探索过的边界点和无法到达的边界点，并对剩余的边界点进行聚类；步骤4：根据聚类后的边界点，通过综合评估每个机器人相对于某一边界点的导航成本、信息增益、滞回增益和定位精度，选出评估值最高的机器人，将当前边界点作为最优边界点分配给该机器人；步骤5：将已分配边界点的机器人设为繁忙状态，并对当前边界点进行路径规划，驱动机器人前往该边界点对位置环境进行探索，在抵达边界点后将该机器人设为闲置状态，并再次对该机器人进行最优边界点的分配，以此逐步构建环境地图；所述步骤1具体为：对栅格地图划分为已知区域和未知区域，所述已知区域包括已探索无障碍区域和已探索有障碍区域，并将未知区域与已知区域之间的界限设为边界，通过基于改进人工鱼群算法的优化快速探索随机树的生长，不断引导机器人前往所述边界以对所述栅格地图的环境进行探索，同时删除在探索过程中多余的优化快速探索随机树节点，并对剩余节点进行重组，直到完全探索完成；所述通过基于改进人工鱼群算法的优化快速探索随机树的生长，不断引导机器人前往所述边界以对所述栅格地图的环境进行探索，同时删除在探索过程中多余的优化快速探索随机树节点，并对剩余节点进行重组，包括以下步骤：步骤1.1：设定栅格地图中的固定位置，所述固定位置为栅格地图中已知区域的某一中心点xinit；步骤1.2：在栅格地图中随机选取随机点xrand，随后以固定步长η为长度选取优化快速探索随机树中距离xrand最近的点xnearest；步骤1.3：从xnearest向xrand方向生长固定步长η长度的距离得到点xnew；步骤1.4：检查xnew的坐标是否处于未知区域或xnew与xnearest之间是否存在未知区域，如果存在以上两种情况中的任何一种，则将xnew作为检测到的边界点，随后整个树继续生长；步骤1.5：如果以上两种情况都不存在，则判断xnew与xnearest之间是否有障碍物，若有障碍物则计算xnearest到障碍物之间的距离并以xnearest到障碍物之间的距离作为步长生长获得新节点xnew，并添加到树中，记该优化快速探索随机树上的每个节点所组成的集合为V＝{xnew1，xnew2，…，xnewi，…，xnewn}；i＝1,2,……,n，n表示优化快速探索随机树上的节点数量；若不存在障碍物则以固定步长η作为步长进行生长获得新节点xnew并添加到树中，随后树继续生长；所述通过基于改进人工鱼群算法的优化快速探索随机树的生长，不断引导机器人前往所述边界以对所述栅格地图的环境进行探索，同时删除在探索过程中多余的优化快速探索随机树节点，并对剩余节点进行重组，还包括以下步骤：步骤1.6：设定改进人工鱼群算法的初始参数，将优化快速探索随机树上的每个节点所组成的集合V＝{xnew1，xnew2，…，xnewi，…，xnewn}设为鱼群的初始种群状态，对每个人工鱼建立结构模型：Vi＝xnewi+Visual1其中，Visual为每个人工鱼的视野，设定为以每个人工鱼的坐标为圆心，以η为半径所画的圆形面积；xnewi为人工鱼群中的每一个人工鱼个体的寻优变量，i＝1,2,……,n；设定Step为人工鱼移动的最大步长，设为栅格地图的一个栅格的宽度；设定拥挤度因子δ，人工鱼个体i、j之间的距离dij＝||xi-xj||；步骤1.7：计算当前人工鱼个体Vi视野内的伙伴数目nf、中心位置Xc以及每条人工鱼视野内的适应度函数Yc，若该人工鱼的视野内的伙伴数目大于nmax，则执行步骤1.7A；若该人工鱼的视野内的伙伴数目小于或等于nmax，则执行步骤1.7B；步骤1.7A：执行吞食行为Eat；首先对比该人工鱼Vi视野范围内的每条人工鱼的适应度函数Yc并对其进行排序，将其中适应度函数最低的ε个个体进行删除，ε＝nmax-nmin，其中nmax和nmin为自行设定的人工鱼个体视野范围内的最大伙伴数目和最小伙伴数目；步骤1.7B：执行聚群行为Swarm及追尾行为Follow；聚群行为，即该人工鱼个体Vi搜索当前视野范围内的伙伴数目nf和中心位置Xc，若YcfδYi，Yi表示人工鱼个体Vi的适应度函数，则xVnew朝该伙伴以Step为步长移动一步；追尾行为，即该人工鱼个体Vi搜索当前视野范围内适应度最高的个体Vj，其适应度函数为Yj，如果YjfδYi，则xVnew朝该伙伴以Step为步长移动一步；步骤1.8：通过步骤1.7人工鱼群所执行的各种行为，删除其中多余的树节点并对剩余节点进行优化，并以此新获得的人工鱼群V集合作为整个快速探索随机树的新的树的节点的集合；所述步骤2具体包括以下步骤：步骤2.1：以每个机器人i所在位置作为初始点xiinit，其中i＝1,2,3…n，n为机器人的数量；步骤2.2：在栅格地图中随机选取随机点xirand，随后选取基于自适应步长的快速探索随机树中距离xirand最近的点xinearest；步骤2.3：判定xirand距离xinearest之间的连线是否存在未知区域或是否与障碍物发生碰撞，并根据判断结果，分三种情况决定基于自适应步长的快速探索随机树的步长：步骤2.3A：如果xinearest向xirand的连线不与障碍物发生碰撞且不存在未知区域，则将xirand设为新节点xinew并将其加入到基于自适应步长的快速探索随机树中；步骤2.3B：如果xinearest向xirand的连线不与障碍物发生碰撞但存在未知区域时，则沿xinearest向xirand生长最大步长ηmax获得点xinew，同时再次判断xinearest向xinew的连线是否仍存在未知区域，若仍旧存在未知区域，则取线段上的边界点为新的xinew，并将新的xinew作为检测到的边界点，同时基于自适应步长的快速探索随机树重置并以机器人当前所在坐标为初始点重新生长；若xinearest向xinew的连线为已知区域，则将xinew与xinearest之间的距离设为步长连接后加入基于自适应步长的快速探索随机树中；步骤2.3C：如果xinearest向xirand的连线与障碍物发生碰撞，则计算xinearest沿着xirand方向与最近的障碍物之间的距离，记为d1，如果d1大于步长的最大值，则取步长为步长的最大值ηmax返回节点xinew并加入基于自适应步长的快速探索随机树中，如果d1小于步长的最小值ηmin，则放弃这个路径点，重新选择新的路径点，或将步长取0；否则，步长选择为比d1小一定比例的值并返回节点xinew，即选择的步长为： 再次判定xinew与xinearest之间的连线是否与障碍物发生碰撞，如果仍旧发生碰撞则舍弃这条路径，如果不发生碰撞则将当前xinew作为新节点加入基于自适应步长的快速探索随机树中。

全文数据：

权利要求：

百度查询： 齐齐哈尔大学 基于改进快速探索随机树的多机器人自主探索方法和系统