CN113203986B - 机器人集群编队定位方法 - Google Patents
机器人集群编队定位方法 Download PDFInfo
- Publication number
- CN113203986B CN113203986B CN202110338999.0A CN202110338999A CN113203986B CN 113203986 B CN113203986 B CN 113203986B CN 202110338999 A CN202110338999 A CN 202110338999A CN 113203986 B CN113203986 B CN 113203986B
- Authority
- CN
- China
- Prior art keywords
- robot
- mobile robot
- origin
- wall
- laser ranging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种机器人集群编队定位方法及定位***,其方法包括将原点机器人和移动机器人共同置于一四周封闭的空间内;之后每个激光测距传感器均发射激光并测量其相对于空间壁之间的第一距离,原点机器人根据第一距离值进行原地转动;当前壁、后壁对应的第一距离值之和达到最小且左、右壁对应的第一距离值之和均达到最小时,关闭原点机器人自身携带的所有激光测距传感器并开启其自身携带的电磁铁;同时,激光测距传感器将各个第一距离值的通过无线模块传输至移动机器人;之后调整移动机器人的位置并移动,以完成编队。本发明避免了使用每个机器人的绝对位置,通过激光测距传感器作为机器人相对位置的***件,编队精度高。
Description
技术领域
本发明属于机器人及导航技术领域,尤其涉及一种机器人集群编队定位方法。
背景技术
近年来,机器人学取得的进步使得利用大量廉价机器人合作完成任务成为可能,在一些任务中,相比智能化程度较高、较昂贵的单个机器人,利用多个廉价机器人可能更容易更便宜,并且有些任务也是单个机器人所难以完成的,必须通过多个机器人合作才能完成。由于多机器人合作完成任务的优势,人们对它越来越重视,它在各个领域的应用也越来越广泛,比如自动化生产线、海洋和太空探险、军事等。在多机器人***中,协作是必不可少的,协作多机器人***的研究主要集中在以 下几个方面:群体结构、学习、资源冲突解决、协作的起源、几何问题。在研究中,为了使研究 成果具有普遍意义,人们主要集中在对一些基本的标准问题的研究,比如搬运、编队、搜索、分类、围捕以及跟踪等。随着协作多机器人学开始活跃在机器人研究领域,编队技术得到了广泛重视。 Eikrn Bahcei将多机器人编队定义为一组自主移动机器人协调一致去组成一定形状的队形并保持这个队形的过程。智能体的编队是非常有用的,在自然界中,鸟、鱼等动物都有能力组成一定形状的群体,以便于飞行、觅食或躲避天敌等行为;相似的,机器人编队使得多机器人***的运动协调一致,完成任务更可靠、更有效率,在搜索与拯救、地雷排除、空间探索、卫星和无人车辆或飞行器的控制中都有广泛的应用。
然而,现有编队***中,均需要获得机器人的绝对位置,而实际复杂环境中,机器人绝对坐标不可避免的存在获取误差,导致编队精度差。
发明内容
本发明的目的在于提供一种机器人集群编队定位方法,避免了使用每个机器人的绝对位置,通过激光测距传感器作为机器人相对位置的***件,且配合电磁铁以及霍尔传感器,可以在小范围内进行更高精度的定位。为实现上述目的,本发明采用如下技术方案:
一种机器人集群编队定位方法,包括以下步骤:
步骤1:将一原点机器人和一移动机器人共同置于一四周封闭的空间内;其中,原点机器人和移动机器人的结构相同;组成空间的空间壁为一平面壁,包括前壁、后壁、左壁和右壁;
步骤2:用户控制原点机器人,以开启原点机器人自身携带的激光测距传感器,激光测距传感器分别位于空间的四个方位上,每个激光测距传感器均发射激光并测量其相对于空间壁之间的第一距离,之后均实时将所有第一距离值传输至原点机器人,原点机器人根据第一距离值进行原地转动;
步骤3:当前壁、后壁对应的第一距离值之和达到最小且左、右壁对应的第一距离值之和均达到最小时,原点机器人自主停止转动并自主关闭原点机器人自身携带的所有激光测距传感器以实现原点机器人的位置调整;之后原点机器人自主开启其自身携带的电磁铁;同时,激光测距传感器将各个第一距离值的通过无线模块传输至移动机器人;
步骤4:用户控制移动机器人,以开启移动机器人自身携带的激光测距传感器,激光测距传感器分别位于空间的四个方位上,每个激光测距传感器均发射激光并测量其相对于空间壁之间的第二距离,之后均实时将第二距离值传输至移动机器人,移动机器人根据第二距离值进行原地转动;
步骤5:当前壁、后壁对应的第二距离值之和达到最小且左壁、右壁对应的第二距离值之和均达到最小时,移动机器人自主停止转动并自主关闭移动机器人自身携带的所有激光测距传感器以实现移动机器人的位置调整;
步骤6:移动机器人自主朝前壁移动,当移动机器人相对于前壁的第二距离值等于步骤3中原点机器人相对于前壁的第一距离值时,移动机器人自主沿垂直于前壁的方向移动,当移动机器人相对于左壁的第二距离值为零时,移动机器人自主停止移动,以完成编队。
优选地,在步骤6中,当移动机器人沿垂直于前壁的方向移动至预设距离时,移动机器人自主开启自身携带且靠近原点机器人一侧的电磁铁,通过移动机器人自身携带且靠近原点机器人一侧的霍尔传感器读取磁场强度变化,之后将磁场强度实时传输至移动机器人;当磁场强度最大时,移动机器人自主关闭移动机器人自身携带的电磁铁。
优选地,所述原点机器人的顶面为一正方形;所述顶面的四个边缘处均设置一电磁铁和一霍尔传感器。
优选地,所述原点机器人包括麦克纳姆轮。
优选地,所述空间由围墙组成。
一种机器人集群编队定位***,包括原点机器人、移动机器人和无线模块;其中,所述无线模块用于连通原点机器人的主控模块和移动机器人的主控模块。
优选地,所述原点机器人还包括通信模块,用于与移动机器人通信。
与现有技术相比,本发明的优点为:
(1)通过激光测距传感器作为机器人相对位置的***件,避免了使用每个机器人的绝对位置,从而提高了编队精度。此外,激光测距传感器具有功耗低、精度高、技术成熟等优点。
(2)配合电磁铁以及霍尔传感器,可以在小范围内进行更高精度的定位。
(3)采用麦克纳姆轮作为运动部件,可实现机器人的全向移动和原地旋转,在保证运动精度的同时降低控制算法复杂度,提升机器人运动灵活性。
附图说明
图1为本发明一实施例的机器人集群编队定位方法的过程对比图;
图2为原点机器人处于初始位置的状态图;
图3为原点机器人停止后的状态图;
图4为移动机器人处于初始位置的状态图;
图5为移动机器人朝前壁移动之前的状态图;
图6为移动机器人停止后的状态图;
图7为本发明的原点机器人的控制原理图。
图8为本发明的原点机器人的俯视图。
其中,1-原点机器人,2-移动机器人,3-激光测距传感器,4-电磁铁,5-霍尔传感器。
具体实施方式
下面将结合示意图对本发明进行更详细的描述,其中表示了本发明的优选实施例,应该理解本领域技术人员可以修改在此描述的本发明,而仍然实现本发明的有利效果。因此,下列描述应当被理解为对于本领域技术人员的广泛知道,而并不作为对本发明的限制。
如图1~6所示,一种机器人集群编队定位方法,包括:
步骤1:将一原点机器人1和一移动机器人2共同置于一四周封闭的空间内,如图1所示。
其中,原点机器人1和移动机器人2的结构相同;空间由围墙组成;组成空间的空间壁为一平面壁,包括前壁、后壁、左壁和右壁。即前壁、后壁、左壁和右壁均为一平面。在本实施例中,以第一距离值X11对应的空间壁为前壁,即A处对应的空间壁为前壁。
步骤2:用户控制原点机器人1,以开启原点机器人1自身携带的激光测距传感器3,激光测距传感器3分别位于空间的四个方位上,每个激光测距传感器3均发射激光并测量其相对于空间壁之间的第一距离,之后均实时将第一距离值传输至原点机器人1,原点机器人1根据第一距离值进行原地转动。
具体的,如图2所示,原点机器人1通过分布在A、B、C、D四个方位处的激光测距传感器3分别发射激光,并获取前壁对应的第一距离值X11、后壁对应的第一距离值X12、右壁对应的第一距离值Y11、左壁对应的第一距离值Y12。
步骤3:当前壁、后壁对应的第一距离值之和达到最小且左、右壁对应的第一距离值之和均达到最小时,原点机器人1自主停止转动并自主关闭原点机器人1自身携带的所有激光测距传感器3以实现原点机器人1的位置调整。即前壁对应的第一距离值X11、后壁对应的第一距离值X12之和(X11+X12)最小;右壁对应的第一距离值Y11、左壁对应的第一距离值Y12之和(Y11+Y12)最小。当X11+X12最小时,A处的激光垂直于前壁,C处的激光垂直于后壁;当Y11+Y12最小时,B处的激光垂直于右壁,D处激光垂直于左壁,如图3所示。
之后原点机器人1自主开启其自身携带的电磁铁4;同时,激光测距传感器3将4个第一距离值通过无线模块传输至移动机器人2,以便于后续移动机器人2根据第一距离值规划移动路径。其中,原点机器人1上的电磁铁4,其作用是为移动机器人2上的电磁铁4提供磁场。
步骤4:用户控制移动机器人2,以开启移动机器人2自身携带的激光测距传感器3,激光测距传感器3分别位于空间的四个方位上,每个激光测距传感器3均发射激光并测量其相对于空间壁之间的第二距离,之后4个激光测距传感器3均实时将第二距离值传输至移动机器人2,移动机器人2根据第二距离值进行原地转动。
具体的,如图4所示,移动机器人2通过分布在A、B、C、D四个方位处的激光测距传感器3分别发射激光,并获取前壁对应的第二距离值X21、后壁对应的第二距离值X22、右壁对应的第二距离值Y21、左壁对应的第二距离值Y22。
步骤5:当前壁、后壁对应的第二距离值之和达到最小且左壁、右壁对应的第二距离值之和均达到最小时,移动机器人2自主停止转动并自主关闭移动机器人2自身携带的所有激光测距传感器3以实现移动机器人2的位置调整。即前壁对应的第二距离值X21、后壁对应的第二距离值X22之和(X21+X22)最小;右壁对应的第二距离值Y21、左壁对应的第二距离值Y22之和(Y21+Y22)最小。当X21+X22最小时,A处的激光垂直于前壁,C处的激光垂直于后壁;当Y21+Y22最小时,B处的激光垂直于右壁,D处激光垂直于左壁,如图5所示。其中,步骤4~5的作用是同步骤2~3的作用类似,即为了调整机器人至正上正下方向。此时,移动机器人2和原点机器人1平行。
步骤6:移动机器人2自主朝前壁移动,当移动机器人2相对于前壁的第二距离值(X21)等于步骤3中原点机器人1相对于前壁的第一距离值(X11)时,移动机器人2沿垂直于前壁的方向移动。
当移动机器人2沿垂直于前壁的方向移动至预设距离时,移动机器人2自主开启自身携带且靠近原点机器人1一侧的电磁铁4,通过移动机器人2自身携带且靠近原点机器人1一侧的霍尔传感器5读取磁场强度变化,之后将磁场强度实时传输至移动机器人2;当磁场强度最大时,移动机器人2自主关闭移动机器人2自身携带的电磁铁4。移动机器人2通过自身携带的电磁铁4,以完成对移动机器人2进行前后方向的微调,以保证移动机器人2在沿垂直于前壁的方向移动过程中,始终保持较高的编队精度,即始终于原点机器人1对齐。
当移动机器人2相对于左壁的第二距离值(Y22)为零时,移动机器人2自主停止移动,以完成编队。此时,移动机器人2贴合原点机器人1,如图6所示。
在本实施例中,由于移动机器人2和原点机器人1的结构相同,当X21=X11时,X22=X12;当Y22=0时,Y21= Y11-机器人直径D(宽度或长度)。
如图7~8所示,原点机器人1的顶面为一正方形;顶面的四个边缘处均设置一电磁铁4和一霍尔传感器5;原点机器人1包括麦克纳姆轮。
本实施例中,一种机器人集群编队定位***,包括原点机器人1、移动机器人2、原点机器人自身携带的4个激光测距传感器和电磁铁、移动机器人自身携带的4个激光测距传感器和电磁铁、无线模块;其中,无线模块用于连通原点机器人1的主控模块和移动机器人2的主控模块。优选地,原点机器人1还包括通信模块,用于与移动机器人2通信。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (5)
1.一种机器人集群编队定位方法,其特征在于,包括以下步骤:
步骤1:将一原点机器人和一移动机器人共同置于一四周封闭的空间内;其中,原点机器人和移动机器人的结构相同;组成空间的空间壁为一平面壁,包括前壁、后壁、左壁和右壁;
步骤2:用户控制原点机器人,以开启原点机器人自身携带的激光测距传感器,激光测距传感器分别位于空间的四个方位上,每个激光测距传感器均发射激光并测量其相对于空间壁之间的第一距离,之后均实时将所有第一距离值传输至原点机器人,原点机器人根据第一距离值进行原地转动;
步骤3:当前壁、后壁对应的第一距离值之和达到最小且左、右壁对应的第一距离值之和均达到最小时,原点机器人自主停止转动并自主关闭原点机器人自身携带的所有激光测距传感器以实现原点机器人的位置调整;之后原点机器人自主开启其自身携带的电磁铁;同时,激光测距传感器将各个第一距离值的通过无线模块传输至移动机器人;
步骤4:用户控制移动机器人,以开启移动机器人自身携带的激光测距传感器,激光测距传感器分别位于空间的四个方位上,每个激光测距传感器均发射激光并测量其相对于空间壁之间的第二距离,之后均实时将第二距离值传输至移动机器人,移动机器人根据第二距离值进行原地转动;
步骤5:当前壁、后壁对应的第二距离值之和达到最小且左壁、右壁对应的第二距离值之和均达到最小时,移动机器人自主停止转动并自主关闭移动机器人自身携带的所有激光测距传感器以实现移动机器人的位置调整;
步骤6:移动机器人自主朝前壁移动,当移动机器人相对于前壁的第二距离值等于步骤3中原点机器人相对于前壁的第一距离值时,移动机器人自主沿垂直于前壁的方向移动,当移动机器人相对于左壁的第二距离值为零时,移动机器人自主停止移动,以完成编队。
2.根据权利要求1所述的机器人集群编队定位方法,其特征在于,在步骤6中,当移动机器人沿垂直于前壁的方向移动至预设距离时,移动机器人自主开启自身携带且靠近原点机器人一侧的电磁铁,通过移动机器人自身携带且靠近原点机器人一侧的霍尔传感器读取磁场强度变化,之后将磁场强度实时传输至移动机器人;当磁场强度最大时,移动机器人自主关闭移动机器人自身携带的电磁铁。
3.根据权利要求1所述的机器人集群编队定位方法,其特征在于,所述原点机器人的顶面为一正方形;所述顶面的四个边缘处均设置一电磁铁和一霍尔传感器。
4.根据权利要求1所述的机器人集群编队定位方法,其特征在于,所述原点机器人包括麦克纳姆轮。
5.根据权利要求1所述的机器人集群编队定位方法,其特征在于,所述空间由围墙组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338999.0A CN113203986B (zh) | 2021-03-30 | 2021-03-30 | 机器人集群编队定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338999.0A CN113203986B (zh) | 2021-03-30 | 2021-03-30 | 机器人集群编队定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113203986A CN113203986A (zh) | 2021-08-03 |
CN113203986B true CN113203986B (zh) | 2022-05-20 |
Family
ID=77025919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110338999.0A Active CN113203986B (zh) | 2021-03-30 | 2021-03-30 | 机器人集群编队定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113203986B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4755886B2 (ja) * | 2005-11-11 | 2011-08-24 | 東芝テック株式会社 | 位置検出システムおよび位置検出方法 |
CN102662377B (zh) * | 2012-05-17 | 2014-04-02 | 哈尔滨工业大学 | 基于无线传感器网络的多移动机器人编队***和编队方法 |
CN104238552B (zh) * | 2014-09-19 | 2017-05-17 | 南京理工大学 | 一种有冗余的多机器人编队*** |
CN107992035A (zh) * | 2017-11-15 | 2018-05-04 | 西北工业大学 | 一种基于室内全局定位的多移动机器人编队控制方法 |
CN109062204A (zh) * | 2018-07-25 | 2018-12-21 | 南京理工大学 | 一种基于跟随领航者编队的多移动机器人控制*** |
CN110398975A (zh) * | 2019-09-04 | 2019-11-01 | 西北工业大学 | 一种基于广播式通信架构的领航跟随型多机编队容错控制方法 |
CN110989592A (zh) * | 2019-12-02 | 2020-04-10 | 华中科技大学 | 一种移动机器人自动建图与定位*** |
-
2021
- 2021-03-30 CN CN202110338999.0A patent/CN113203986B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113203986A (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109579843B (zh) | 一种空地多视角下的多机器人协同定位及融合建图方法 | |
US9810627B2 (en) | Flexible three-dimensional long-path gas sensing by unmanned vehicles | |
US10376117B2 (en) | Apparatus and methods for programming and training of robotic household appliances | |
Bachrach et al. | RANGE–Robust autonomous navigation in GPS‐denied environments | |
Bachrach | Autonomous flight in unstructured and unknown indoor environments | |
ES2876449T3 (es) | Cartografía de entorno de múltiples sensores | |
CN111158355A (zh) | 自动导航云服务器及自动导航控制方法 | |
CN108469823B (zh) | 一种基于单应性的移动机器人编队跟随方法 | |
CN109857102B (zh) | 一种基于相对位置的轮式机器人编队与跟踪控制方法 | |
Mansouri et al. | Vision-based mav navigation in underground mine using convolutional neural network | |
CN110844402B (zh) | 一种智能召唤垃圾桶*** | |
CN105487558A (zh) | 基于移动机器人的目标跟随***及方法 | |
CN110045750A (zh) | 一种基于四旋翼无人机的室内场景构建***及其实现方法 | |
CN113203986B (zh) | 机器人集群编队定位方法 | |
Elkunchwar et al. | Bio-inspired source seeking and obstacle avoidance on a palm-sized drone | |
Yue et al. | LiDAR-based SLAM for robotic mapping: state of the art and new frontiers | |
Son et al. | The practice of mapping-based navigation system for indoor robot with RPLIDAR and Raspberry Pi | |
Lin et al. | A robot obstacle avoidance method based on improved genetic algorithm | |
Song et al. | Autonomous docking in a human-robot collaborative environment of automated guided vehicles | |
Neri et al. | Localisation of Mobile Robots via Ultra-Wideband Systems | |
Kurdi et al. | Trajectory and motion for agricultural robot | |
Hafner et al. | An autonomous flying robot for testing bio-inspired navigation strategies | |
Chan et al. | Multimodal sensing and active continuous closed‐loop feedback for achieving reliable manipulation in the outdoor physical world | |
Guler et al. | Infrastructure-free Localization of Aerial Robots with Ultrawideband Sensors | |
Kasurinen | Mobile robots in indoor logistics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |