CN116627140A - 一种多机器人协同避障方法及*** - Google Patents
一种多机器人协同避障方法及*** Download PDFInfo
- Publication number
- CN116627140A CN116627140A CN202310649651.2A CN202310649651A CN116627140A CN 116627140 A CN116627140 A CN 116627140A CN 202310649651 A CN202310649651 A CN 202310649651A CN 116627140 A CN116627140 A CN 116627140A
- Authority
- CN
- China
- Prior art keywords
- robots
- robot
- predicted
- obstacle avoidance
- state information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004888 barrier function Effects 0.000 claims description 18
- 238000011065 in-situ storage Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000006855 networking Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种多机器人协同避障方法及***,其具体步骤包括:S1:构建代价地图并获取所有机器人的状态信息,其中状态信息包括位置信息和速度信息;S2:根据状态信息对当前机器人和其它机器人进行路径预测,并判断当前机器人和其它机器人的预测路径是否重叠或相交;S3:若预测路径存在重叠或相交,则对所有机器人的编号进行优先级判定,使编号优先级最高的机器人优先通过预测路径。本发明提供的多机器人协同避障方法及***,大大减少了机器人协同避障的困难性,提高了多机器人协同避障的可靠性,使机器人在实际应用场景更加智能化。
Description
技术领域
本发明涉及机器人避障技术领域,具体涉及一种多机器人协同避障方法。
背景技术
在人工智能遍布的时代,各种各样的机器人迎刃而出,特别是有越来越多的室内机器人,机器人可能用于配送,引领等都是为了减轻劳动力把人类从重复枯燥的劳动中脱离开来;随着近几年大量室内机器人的广泛应用,在一个空间范围内需要布置多台机器人,对多机器人自主避障的可靠性越来越高;目前机器人避障策略是通过超声波雷达、激光雷达、深度相机通过多传感器融合实现,为了实现对障碍物的准确识别还需要用深度学习神经网络等算法,会消耗很多算力资源。
有些多机器人避障方案是把每个机器人的位置等信息都实时上传到云端,然后每个机器人在云端获取其他机器人的状态;这一方面是走网络传输数据数据的实时性不高,另一方面是网络不好或者没有网络的时候多机器人自主避障可靠性会降低;而且成本较高,因此需要在现有技术的技术上加以改进。
发明内容
针对现有技术的不足,本发明提供了一种多机器人协同避障方法,大大减少了机器人协同避障的困难性,提高了多机器人协同避障的可靠性,使机器人在实际应用场景更加智能化。
为了实现本发明的目的,本发明提供一种多机器人协同避障方法,其具体步骤包括:
S1:构建代价地图并获取所有机器人的状态信息,其中状态信息包括位置信息和速度信息;
S2:根据状态信息对当前机器人和其它机器人进行路径预测,并判断当前机器人和其它机器人的预测路径是否重叠或相交;
S3:若预测路径存在重叠或相交,则对所有机器人的编号进行优先级判定,使编号优先级最高的机器人优先通过预测路径。
优选的,所述步骤S2的具体步骤还包括:
根据状态信息对当前机器人和其它机器人进行路径预测,对当前机器人和其它机器人是否处于同一楼层进行判定,若是,则将其它机器人的状态信息和预测路径作为障碍物并标记在代价地图上,并判断当前机器人和其它机器人的预测路径是否重叠或相交,若否,则丢弃其他机器人的状态信息和预测路径。
优选的,所述步骤S2的具体步骤还包括:
根据机器人的几何形状对其他机器人的位置坐标进行扩张,根据其他机器人的几何外形顶点的坐标和速度信息进行路径预测,并将几何外形顶点坐标和预测路径作为障碍物标记在代价地图上。
优选的,所述步骤S3的具体步骤还包括:
当编号优先级最高的机器人优先通过预测路径时,编号优先级最低的机器人需原地等待预设时间后再通过预测路径。
优选的,所述步骤S2中根据状态信息对当前机器人和其它机器人进行路径预测的具体步骤还包括:
根据状态信息对当前机器人和其他机器人进行1-3秒内的路径预测。
优选的,所述机器人包括蓝牙mesh模块,所述机器人之间通过所述蓝牙mesh模块进行通信。
优选的,本发明还提供一种多机器人协同避障***,包括:
获取模块:用于构建代价地图并获取所有机器人的状态信息,其中状态信息包括位置信息和速度信息;
路径预测模块:用于根据状态信息对当前机器人和其它机器人进行路径预测;
判定模块:用于判断当前机器人和其它机器人的预测路径是否重叠或相交;若预测路径存在重叠或相交,则对所有机器人的编号进行优先级判定,使编号优先级最高的机器人优先通过预测路径。
优选的,所述判定模块包括:
第一判定模块:用于对当前机器人和其它机器人是否处于同一楼层进行判定,若是,则将其它机器人的状态信息和预测路径作为障碍物并标记在代价地图上,并判断当前机器人和其它机器人的预测路径是否重叠或相交,若否,则丢弃其他机器人的状态信息和预测路径。
优选的,所述路径预测模块具体包括:
根据机器人的几何形状对其他机器人的位置坐标进行扩张,根据其他机器人的几何外形顶点的坐标和速度信息进行路径预测,并将几何外形顶点坐标和预测路径作为障碍物标记在代价地图上。
优选的,所述判定模块具体还包括:
当编号优先级最高的机器人优先通过预测路径时,编号优先级最低的机器人需原地等待预设时间后再通过预测路径。
本发明的有益效果为:本发明提供的多机器人协同避障方法及***,大大减少了机器人协同避障的困难性,提高了多机器人协同避障的可靠性,使机器人在实际应用场景更加智能化。
附图说明
通过附图中所示的本发明优选实施例更具体说明,本发明上述及其它目的、特征和优势将变得更加清晰。在全部附图中相同的附图标记指示相同的部分,且并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本的主旨。
图1为本发明实施例提供的多机器人协同避障的流程示意图;
图2为本发明实施例提供的多机器人之间通过蓝牙mesh模块进行通信的流程示意图;
图3为本发明实施例提供的多机器人之间通过蓝牙mesh模块进行接收或发送其它机器人的相关数据的流程示意图;
图4为本发明实施例提供的机器人实际过程中的具体运作(方位角和速度等示意)的流程示意图;
图5为本发明实施例提供的当前机器人和其他机器人在实际过程中实现协调避障的流程示意图;
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步的详细描述,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
请参考图1-5,本发明实施例提供一种多机器人协同避障方法,其具体步骤包括:
S1:构建代价地图并获取所有机器人的状态信息,其中状态信息包括位置信息和速度信息;
S2:根据状态信息对当前机器人和其它机器人进行路径预测,并判断当前机器人和其它机器人的预测路径是否重叠或相交;
S3:若预测路径存在重叠或相交,则对所有机器人的编号进行优先级判定,使编号优先级最高的机器人优先通过预测路径。
请参考图1-5,本发明提供的多机器人协同避障方法,先通过对多个机器人的状态信息进行路径预测,然后判断多个机器人之间的预测路径是否会重叠或相交,当存在重叠或相交时,则根据机器人的唯一编号来进行优先级判定,这样避免多个机器人在同一空间中的碰撞情况,使机器人在正常运行过程中能够更加智能化。
本发明的有益效果为:本发明提供的多机器人协同避障方法及***,大大减少了机器人协同避障的困难性,提高了多机器人协同避障的可靠性,使机器人在实际应用场景更加智能化。
请参考图1-5,在优选实施例中,所述步骤S2的具体步骤还包括:
根据状态信息对当前机器人和其它机器人进行路径预测,对当前机器人和其它机器人是否处于同一楼层进行判定,若是,则将其它机器人的状态信息和预测路径作为障碍物并标记在代价地图上,并判断当前机器人和其它机器人的预测路径是否重叠或相交,若否,则丢弃其他机器人的状态信息和预测路径。
在机器人路径规划的地图上处理其它机器人信息信息处理如图3流程图所示,在机器人A(当前机器人)路径规划的地图上面利用ROS通讯方式订阅蓝牙模块节点发送的机器人B(其它机器人)的信息,获取机器人B信息后需要判断是否和本机器人A在同一楼层里面,如果不是就把这个机器人B信息丢弃,因为不在同一楼层的机器人行驶是互不干扰的。是在同一层上就需要把机器人B的位置充当已知障碍物叠加在地图上。因为接收频率是5hz,在地图上面显示的障碍物也是闪烁的,为了能在地图上面连续显示出障碍物,需要进行一定的逻辑处理,处理方法为接收到其它机器人数据就保存起来一直显示,当收不到数据时长超过1秒才不显示该机器人位置。经过这样处理后其它机器人位置就会一直在地图上面显示,当因两个机器人距离过大或数据不连续而造成的数据中断1秒后才把机器人位置从地图中移除。
请参考图1-5,在优选实施例中,所述步骤S2的具体步骤还包括:
根据机器人的几何形状对其他机器人的位置坐标进行扩张,根据其他机器人的几何外形顶点的坐标和速度信息进行路径预测,并将几何外形顶点坐标和预测路径作为障碍物标记在代价地图上。
如果只是通过机器人的单点位置坐标来进行路径预测实际上并不能进行避障的,因为机器人的几何形状不一(正方形或圆形等几何形状),因为在实际应用场景中需要考虑机器人几何形状顶点在代价地图上的具体坐标,从而来准确的得出机器人的预测路径,即需要对单点进行膨胀处理(把单点扩大成为机器人大小的障碍物点),当机器人为圆形结构时,为了减少计算量就把一个点扩展成机器人前后左右中这5个点扩展方式为
其中,r为需要扩展的半径大小,根据不同机器人的外形结构可以有不一样的扩展方式,本发明实施例只提及到圆形机器人的扩展方式,但对于机器人的几何形状以及扩展方式并不做具体的限定。
在扩展出机器人几何外形的各个顶点的坐标时,还需要根据速度信息对轨迹进行预测,如图5所示。根据在无加速度信息下的平面坐标点表达式可以计算出一系列预测轨迹点,预测时间为1秒。机器人扩展点为5个所以可以预测出5条路径充当机器人将要行驶的轨迹区域。把这些点在地图上面标记出来就可以认为是已知障碍物,路径规划可以根据这些信息重新规划路径。
请参考图1-5,在进一步的优选实施例中,所述步骤S3的具体步骤还包括:
当编号优先级最高的机器人优先通过预测路径时,编号优先级最低的机器人需原地等待预设时间后再通过预测路径。
请参考图1-5,在进一步的优选实施例中,所述步骤S2中根据状态信息对当前机器人和其它机器人进行路径预测的具体步骤还包括:
根据状态信息对当前机器人和其他机器人进行1-3秒内的路径预测。
有了轨迹预测后,对于直角盲区行驶的场景为了让机器人都顺利通过不产生额外多余的避让动作,则需要对局部规划器里面的规划时间作调整,增加时间等待逻辑即让机器人规划时候的时间错开(即优先级最高的机器人优先通过后,优先级最低的机器人需等待预设时间后在通过预设路径)。机器人在一个有视野盲区的直角弯交错行驶如图5所示,虽然都能感知到对方的位置,从而采取相应的减速制动措施,但是因为同一类机器人采取的内部规划方式是一样的,比如发现障碍物减速后再往没有障碍物的方向行驶,减速后两个机器人预测对方的行驶轨迹都很短,甚至停下来的时候就没有轨迹只有5个障碍物点。两个机器人互相都认为对方的前面范围都可以行走,两个机器人行走的路径还是对方需要走的路径上所以还是避免不了碰撞的可能或会造成多余的绕障动作。所以需要增加等待时间让不同机器人之间行驶时间是错开的,两个机器人都发现对方的预测轨迹在自己需要行驶的轨迹上并且都需要采取制动措施,在这个时候机器人需要根据其他机器人(机器人B)的id信息(唯一编号)和当前机器人(机器人A)id信息作比较,已知机器人A的id=10,机器人B的id=20,机器人A通过比较发现机器人B的优先级较高(约定id越大优先级越高,具体优先级大小可自由设定,本实施例不对此进行限定),需要进行两秒的等待。机器人B通过对比发现自己并不需要等待,可以继续行驶,这可以避免堵塞问题。当有多个机器人的情况比如5个,则每个机器人需要判断有几个机器人的优先级高,然后再乘上时间系数2-4秒(优选为2秒)就是该机器人的等待时间,这样既保证了机器人之间能够有序的运行,还能够使机器人之间更加智能化。
请参考图2,在优选实施例中,所述机器人包括蓝牙mesh模块,所述机器人之间通过所述蓝牙mesh模块进行通信。
通过在机器人身上安装蓝牙mesh模块并进行相应设置,蓝牙mesh模块种类非常多,大致原理基本相同,使用方式也是差不多的。根据该模块的要求设置该模块对应的模式,同时根据机器人实际场景来设置相关参数,比如波特率大小,mesh组网ID,mesh组网短地址,工作模式(透传还是指令模式)等。波特率设置为了和机器人工控机通讯,mesh组网ID用于该模块自己组网识别的网络名称,mesh组网短地址作为该模块的唯一id,工作模式用指令模式传输更加稳定。如图2所示,展示的是多台机器人信息传输模式。
基于ROS框架在机器人***里面新增一个节点用于蓝牙模块数据处理构建ROS节点用于处理模块接收到的数据和需要发送的数据,若有两台机器人的情况下,机器人A里的节点需要处理机器人A需要发送的数据和处理接收到机器人B发送的数据。机器人A需要根据ROS节点通讯获取自身在该地图上的位置坐标横坐标x、纵坐标y和方位角θ。根据里程计信息获取速度信息线速度v和角速度ω。还有机器人的唯一标识id。如果多机器人在楼宇里工作即在不同楼层间工作还需要获取该地图的楼层信息floor。根据模块的发送数据协议把这些信息打包成相应格式并广播发送,为了减少资源占用发送频率为5hz,在速度不高的机器人场景下5hz的速率已经足够使用。如图3所示,数据接收处理也是在这个节点里面处理,具体处理方式是把接收到的数据按照打包发送数据的格式解析出相对应该发送数据机器人B的x、y、θ、v、ω、id和floor。然后通过ROS话题形式把这些信息发送出去。
本发明提供的多机器人协同避障方法及***,主要通过近场蓝牙自组网mesh模块方案和基于ROS框架对代价地图障碍物的标记方法实现障碍物自主避障,具有低成本、低运算量、脱离云端网络、***资源利用少的优势,弥补了需要多传感器融合视觉识别障碍物和轨迹预测造成的高运算量,***复杂度高的缺点。大大减少了机器人协同避障的困难性,提高了多机器人协同避障的可靠性。
通过蓝牙mesh自组网模块实现信息广播,近距离各个机器人互相知道位置,速度等信息。该类蓝牙mesh模块遵循蓝牙模块协议5.2,主从收发一体,支持配置多种模式(BLE主从透传模式、MESH透传模式、MESH指令模式、汽车钥匙、开关面板、MESH低功耗遥控器)。每个模块自带中继功能,模块之间传输距离更远。该设备接在机器人上当作一个外设,充当机器人之间互相通信的工具。
基于ROS框架需要实现一个节点对蓝牙mesh模块数据进行处理,该节点主要用于发送本机器人的位置信息、速度信息等,和对接收到其它模块发送的数据进行处理。根据处理后的信息(其它机器人的位置、速度等信息)在规划路径上的代价地图上标记出其它机器人位置充当障碍物,而且还需要根据速度信息(线速度和角速度)对机器人的轨迹进行预测,预测出来的轨迹也要充当障碍物点在代价地图上面标记出来。本机器人会根据该代价地图上面的障碍物自主规划局部路径控制机器人进行避障行为。
受限于蓝牙mesh模块传输信息的限制,低功率蓝牙mesh传输的数据量有限,单次传输的数据量不能超过一定范围否则传输速率会受到影响而且大量数据传输也会有数据丢失。如果每个机器人都发送自己的行驶轨迹数据量就会非常庞大,实时性和接收率都会有大幅度下降,所以提出了需要对其它机器人行驶轨迹进行预测,预测所需要的数据量也是很少的,只是需要其它机器人的位置信息和速度信息。预测方法是根据位置信息和速度信息推理出一条n秒(具体需要根据实际情况更改,优选为1秒)内的行驶轨迹,根据其它机器人的位置和方位角、线速度和角速度,以一定的时间间隔采用积分的形式生成。即求机器人准备行驶的路程,就是对速度在某个时间段内进行积分。在机器人运动的极短时间内,轨迹可以近似看作匀速直线运动。在无加速度信息的情况下,平面坐标点的表达式为
该方程为离散化方程,其中Δt是采样时间间隔,时间间隔越小路径点越多路径点越准确。为了减少运算量Δt不宜太小,本次发明取Δt=0.1s,若有加速度信息的情况下,平面坐标表达式为
根据上述信息,大致可以预测出其它机器人的行驶轨迹,但是如果指依靠这个轨迹推演的话,实际行驶轨迹存在一定的不确定性,所以预测路径的预测时间并不能太长,通常为1-3秒,优选1秒、1.5秒或1-1.5秒,通过预测时间能够得知当前机器人附近的其它机器人在预设时间内的行驶轨迹并在代价地图上标为障碍物,从而确保当前机器人能够判断预测的路径是否与其他机器人的预测路径(障碍物需要等待的预设时间)重叠或相交,从而实现多机器人之间的协同避障。
本发明提供的多机器人协同避障方法及***,可以在多机器人协同工作的情况下大幅度降低机器人在互相视野盲区内的碰撞概率,提高通行速率。类似于直角拐弯出的视野盲区等,就算靠强大的多传感器融合来识别和检测还是检测不出视野盲区里面的机器人,使用该方案可以理解为机器人在附近的区域范围内已经知道了其它机器人的位置,加上行驶轨迹预测是为了防止机器人紧急制动不及时而造成的剐蹭或者碰撞。同时也可以降低机器人上传信息到云端或在仓库内布局域网全覆盖的成本。有着低硬件成本、低资源占用和低运算量的优势。
请参考图3,在实际应用过程中,当前机器人(机器人A)和其它机器人(机器人B)均需要先获取当前代价地图并获取当前的坐标(横坐标、纵坐标和方位角等数据信息)和速度信息(线速度和角速度等)然后在判断其它机器人是否和当前机器人在同一楼层或同一空间内,在获取当前机器人和其它机器人的唯一ID(编号),最后将获取到的所有信息打包通过蓝牙mesh模块发送给其它机器人;接收信息:当前机器人接收到其它机器人发送的信息(速度、位置和编号等信息),然后判断是否处于同一楼层或同一空间内,若存在,则将其它机器人的信息和预测路径作为障碍物标记在代价地图上,然后规划当前机器人的预测路径。
请参考图1-5,在进一步的优选实施例中,本发明还提供了一种多机器人协同避障***(该***与上述实施例的方法一一对应),包括:
获取模块:用于构建代价地图并获取所有机器人的状态信息,其中状态信息包括位置信息和速度信息;
路径预测模块:用于根据状态信息对当前机器人和其它机器人进行路径预测;
判定模块:用于判断当前机器人和其它机器人的预测路径是否重叠或相交;若预测路径存在重叠或相交,则对所有机器人的编号进行优先级判定,使编号优先级最高的机器人优先通过预测路径。
请参考图1-5,在优选实施例中,所述判定模块包括:
第一判定模块:用于对当前机器人和其它机器人是否处于同一楼层进行判定,若是,则将其它机器人的状态信息和预测路径作为障碍物并标记在代价地图上,并判断当前机器人和其它机器人的预测路径是否重叠或相交,若否,则丢弃其他机器人的状态信息和预测路径。
请参考图1-5,在优选实施例中,所述路径预测模块具体包括:
根据机器人的几何形状对其他机器人的位置坐标进行扩张,根据其他机器人的几何外形顶点的坐标和速度信息进行路径预测,并将几何外形顶点坐标和预测路径作为障碍物标记在代价地图上。
请参考图1-5,在优选实施例中,所述判定模块具体还包括:
当编号优先级最高的机器人优先通过预测路径时,编号优先级最低的机器人需原地等待预设时间后再通过预测路径。
本发明的有益效果为:本发明提供了一种多机器人协同避障方法及***,大大减少了机器人协同避障的困难性,提高了多机器人协同避障的可靠性,使机器人在实际应用场景更加智能化。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种多机器人协同避障方法,其特征在于,其具体步骤包括:
S1:构建代价地图并获取所有机器人的状态信息,其中状态信息包括位置信息和速度信息;
S2:根据状态信息对当前机器人和其它机器人进行路径预测,并判断当前机器人和其它机器人的预测路径是否重叠或相交;
S3:若预测路径存在重叠或相交,则对所有机器人的编号进行优先级判定,使编号优先级最高的机器人优先通过预测路径。
2.如权利要求1所述的多机器人协同避障方法,其特征在于,所述步骤S2的具体步骤还包括:
根据状态信息对当前机器人和其它机器人进行路径预测,对当前机器人和其它机器人是否处于同一楼层进行判定,若是,则将其它机器人的状态信息和预测路径作为障碍物并标记在代价地图上,并判断当前机器人和其它机器人的预测路径是否重叠或相交,若否,则丢弃其他机器人的状态信息和预测路径。
3.如权利要求2所述的多机器人协同避障方法,其特征在于,所述步骤S2的具体步骤还包括:
根据机器人的几何形状对其他机器人的位置坐标进行扩张,根据其他机器人的几何外形顶点的坐标和速度信息进行路径预测,并将几何外形顶点坐标和预测路径作为障碍物标记在代价地图上。
4.如权利要求1所述的多机器人协同避障方法,其特征在于,所述步骤S3的具体步骤还包括:
当编号优先级最高的机器人优先通过预测路径时,编号优先级最低的机器人需原地等待预设时间后再通过预测路径。
5.如权利要求1所述的多机器人协同避障方法,其特征在于,所述步骤S2中根据状态信息对当前机器人和其它机器人进行路径预测的具体步骤还包括:
根据状态信息对当前机器人和其他机器人进行1-3秒内的路径预测。
6.如权利要求1所述的多机器人协同避障方法,其特征在于,所述机器人包括蓝牙mesh模块,所述机器人之间通过所述蓝牙mesh模块进行通信。
7.一种多机器人协同避障***,其特征在于,包括:
获取模块:用于构建代价地图并获取所有机器人的状态信息,其中状态信息包括位置信息和速度信息;
路径预测模块:用于根据状态信息对当前机器人和其它机器人进行路径预测;
判定模块:用于判断当前机器人和其它机器人的预测路径是否重叠或相交;若预测路径存在重叠或相交,则对所有机器人的编号进行优先级判定,使编号优先级最高的机器人优先通过预测路径。
8.如权利要求7所述的多机器人协同避障***,其特征在于,所述判定模块包括:
第一判定模块:用于对当前机器人和其它机器人是否处于同一楼层进行判定,若是,则将其它机器人的状态信息和预测路径作为障碍物并标记在代价地图上,并判断当前机器人和其它机器人的预测路径是否重叠或相交,若否,则丢弃其他机器人的状态信息和预测路径。
9.如权利要求7所述的多机器人协同避障***,其特征在于,所述路径预测模块具体包括:
根据机器人的几何形状对其他机器人的位置坐标进行扩张,根据其他机器人的几何外形顶点的坐标和速度信息进行路径预测,并将几何外形顶点坐标和预测路径作为障碍物标记在代价地图上。
10.如权利要求7所述的多机器人协同避障***,其特征在于,所述判定模块具体还包括:
当编号优先级最高的机器人优先通过预测路径时,编号优先级最低的机器人需原地等待预设时间后再通过预测路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310649651.2A CN116627140A (zh) | 2023-06-02 | 2023-06-02 | 一种多机器人协同避障方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310649651.2A CN116627140A (zh) | 2023-06-02 | 2023-06-02 | 一种多机器人协同避障方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116627140A true CN116627140A (zh) | 2023-08-22 |
Family
ID=87591796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310649651.2A Pending CN116627140A (zh) | 2023-06-02 | 2023-06-02 | 一种多机器人协同避障方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116627140A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117863178A (zh) * | 2023-12-29 | 2024-04-12 | 睿尔曼智能科技(北京)有限公司 | 一种多机械臂级联***控制方法及装置 |
-
2023
- 2023-06-02 CN CN202310649651.2A patent/CN116627140A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117863178A (zh) * | 2023-12-29 | 2024-04-12 | 睿尔曼智能科技(北京)有限公司 | 一种多机械臂级联***控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3776512B1 (en) | Joint control of vehicles traveling on different intersecting roads | |
Bevly et al. | Lane change and merge maneuvers for connected and automated vehicles: A survey | |
US8676466B2 (en) | Fail-safe speed profiles for cooperative autonomous vehicles | |
US11269332B2 (en) | Multi-perspective system and method for behavioral policy selection by an autonomous agent | |
US20230202467A1 (en) | Automatic Imposition of Vehicle Speed Restrictions Depending on Road Situation Analysis | |
CN106708057B (zh) | 一种智能车辆编队行驶方法 | |
JP6732130B2 (ja) | 自律走行車の遠隔サポートマッピングインターフェース | |
JP6726363B2 (ja) | 生成されたインターフェースを使用する自律走行車の監視 | |
CN105138044B (zh) | 一种基于信息物理网的车队编队控制装置及编队控制方法 | |
CN109445438B (zh) | 基于地图分享的巡航装置的巡航控制方法及*** | |
US20140129075A1 (en) | Vehicle Control Using Modeled Swarming Behavior | |
US20200272159A1 (en) | Method and vehicle control system for intelligent vehicle control about a roundabout | |
JP2019537159A5 (zh) | ||
CN110308716B (zh) | 一种基于集群的自动驾驶车辆的方法、装置及车辆 | |
WO2022252221A1 (zh) | 一种移动机器人队列***及路径规划、跟随方法 | |
US11747806B1 (en) | Systems for and method of connecting, controlling, and coordinating movements of autonomous vehicles and other actors | |
US20220017112A1 (en) | Systems and Methods for Generating Vehicle Corridors to Improve Path Planning Efficiency | |
CN116627140A (zh) | 一种多机器人协同避障方法及*** | |
CN109407653A (zh) | 一种室内通用多移动机器人算法验证*** | |
WO2021153176A1 (ja) | 自律移動装置、自律移動制御方法、並びにプログラム | |
Zhang et al. | A collision-free coordination framework for mixed-vehicle intersections | |
CN116166029A (zh) | 一种兼容局部避障功能的多agv导航方法及*** | |
CN115220461A (zh) | 室内复杂环境下机器人单体***及多机器人交互协同方法 | |
WO2022112075A1 (en) | Autonomous device safety system | |
CN117944684B (zh) | 变道轨迹规划方法和装置、存储介质及电子设备 |
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 |