一种基于双连通性判别的移动机器人未知环境探索方法与流程

摘要: 本发明涉及移动机器人自主导航与未知环境探索,具体为一种基于双连通性判别的移动机器人未知环境探索方法。背景技术:1、未知环境自主探索是移动机器人领域的核心问题之一...
一种基于双连通性判别的移动机器人未知环境探索方法与流程

本发明涉及移动机器人自主导航与未知环境探索,具体为一种基于双连通性判别的移动机器人未知环境探索方法。

背景技术:

1、未知环境自主探索是移动机器人领域的核心问题之一,其目标是在无先验地图的条件下,使机器人自主规划行进路线,以覆盖全部可通行区域。基于前沿(frontier,即地图中已知自由栅格与未知栅格之间的边界)的探索方法由yamauchi于1997年首次提出,此后涌现了大量改进方案。

2、在现有技术中,中国专利cn113805590a公开了一种基于边界驱动的室内机器人自主探索方法及系统,该方法通过获取激光雷达数据建立栅格地图,检测前沿边界点,并通过预定的判决规则获取当前视野内最佳的前沿边界点,驱动移动机器人进行探索。中国专利cn117168437a公开了一种基于改进前沿点的多机器人自主探索与基于特征匹配的协同建图方法,通过对局部地图中的前沿点进行聚类分析得到探索目标点,并建立包括路径距离代价和收益函数的探索点代价函数。中国专利cn114442621a公开了一种基于四足机器人的自主探索和建图系统,将环境信息分割为多个子空间,使用遍历路径生成算法得到全局路径,并结合局部可通行性地图进行路径规划。中国专利cn118210307a公开了一种适用于崎岖地形的移动机器人自主探索方法,通过分析激光点云拟合平面的坡度、平整度等参数评估地形可通行性,采用局部与全局相结合的分层探索方法。

3、在实际工程中,机器人通常在占据栅格地图上按自身半径与安全裕度对障碍物进行膨胀处理,再在膨胀后的地图上以a*等算法规划路径,从而将机器人简化为质点并保证安全距离。针对膨胀后窄通道(如门洞)被封闭导致无法通行的问题,中国专利cn117472067a提出了一种解决方案,在检测到规划路径穿过窄通道时,通过减小致命膨胀参数来恢复通道通行能力。

4、然而,上述现有技术仍存在以下缺陷:

5、第一,现有前沿探索方法无法区分候选前沿不可达的原因。 现有方法在单一地图维度上完成前沿提取与目标选择。当候选前沿位于被膨胀封闭的门洞另一侧时,膨胀地图上该前沿不可达,而原始地图上该前沿实际可达。系统无法区分“真实结构性断连”(如墙体、关闭的门)与“安全膨胀导致的伪断连”(如可通行的门洞被安全裕度遮挡),导致机器人反复选择不可达目标、频繁重规划,探索效率与覆盖率显著下降。

6、第二,现有窄通道处理方法以牺牲安全性为代价。 现有方法(如cn117472067a)在路径规划失败后被动响应,通过减小膨胀参数恢复通行能力,但这一做法降低了安全裕度。同时,该方法不参与探索目标的主动选择与决策,在门洞-走廊结构密集的楼栋、厂房等环境中易引入碰撞风险,或造成重复无效探索。

技术实现思路

1、本发明旨在克服现有技术的上述缺陷,提供一种基于双连通性判别的移动机器人未知环境探索方法。本发明通过同时维护原始自由空间与膨胀自由空间两套连通分量,对前沿目标不可达的原因进行分类判别,并依据判别结果采取差异化处理策略,从而在保持安全裕度的前提下提高未知环境探索效率。

2、为实现上述目的,本发明提供如下技术方案:一种基于双连通性判别的移动机器人未知环境探索方法,包括以下步骤:

3、s1:获取环境感知数据并构建占据栅格地图。

4、机器人搭载激光雷达或深度相机等传感器,将三维点云经高度切片与距离筛选转换为二维激光扫描(laserscan),通过扫描匹配(如hector slam)与占据栅格更新,在线构建未知环境的占据栅格地图,并输出机器人在地图中的位姿。

5、s2:维护原始自由空间连通分量与膨胀自由空间连通分量。

6、在占据栅格地图上,以机器人半径与安全裕度之和为膨胀半径对障碍物进行膨胀处理,得到膨胀地图。分别在原始地图的原始自由空间与膨胀地图的膨胀自由空间上计算连通分量,得到原始连通分量集合与膨胀连通分量集合;以机器人当前所在位置标记当前所在原始连通分量与当前所在膨胀连通分量。

7、s3:提取前沿候选并判别断连类型。

8、前沿定义为已知自由栅格与未知栅格相邻的边界集合。设候选前沿为f,其在原始地图上的连通分量为,在膨胀地图上的连通分量为,机器人当前所在原始连通分量与膨胀连通分量分别为与;

9、当且时,判定为膨胀封闭型断连(伪断连),即该目标在原始地图上可达,仅因安全膨胀而暂时不可达;

10、当时,判定为结构型断连(真断连),即该目标与机器人之间被真实结构阻隔。

11、s4:依据断连类型差异化选择与接近前沿目标。

12、对结构型断连候选,直接过滤或加入失败黑名单,不作为本轮探索目标。

13、对膨胀封闭型断连候选,将目标吸附至当前膨胀可达区域的边缘(如门洞前的观察点),并在该观察点执行有界视觉扫描,观察门洞另一侧的未知区域;若该区域存在可通行空间,则在膨胀断点处分段接近目标,完成跨门洞探索。

14、若原始地图与膨胀地图同时断连但门洞方向存在未知空间,则在当前原始分量内选择有限观察点进行扫描,避免无效穿越。

15、候选前沿的综合代价按以下公式计算:

16、

17、其中,l(f)为到达该前沿的路径长度,t(f)为路径的转弯密度,k(f)为局部拥挤度,α、β为预设权重系数;机器人使用a*算法在膨胀栅格上求取到达路径,选择综合代价最小的前沿作为本轮探索目标。

18、s5:执行探索任务并处理失败反馈。

19、机器人沿规划路径到达前沿或观察点,执行有界时长的视觉扫描;单个目标在限定时间内无进展时,将其加入临时黑名单,黑名单到期后允许重新评估;房间内目标多次失败时,返回走廊中心线并清理临时目标,避免横向偏移持续传递到下一段路径。

20、s6:循环执行s3至s5,直至不存在可探索前沿或任务预算耗尽。

21、进一步地,本发明还提供一种移动机器人未知环境探索系统,用于实现前述的基于双连通性判别的移动机器人未知环境探索方法,所述系统包括感知模块、连通性维护模块、断连判别模块、规划决策模块、执行反馈模块;

22、所述感知模块,用于获取环境感知数据,构建占据栅格地图并输出机器人位姿;

23、所述连通性维护模块,用于维护原始自由空间连通分量与膨胀自由空间连通分量;

24、所述断连判别模块,用于提取前沿候选,完成膨胀封闭型断连、结构型断连的类型判别;

25、所述规划决策模块,用于依据断连类型执行差异化目标选择,计算候选前沿综合代价,规划机器人运动路径;

26、所述执行反馈模块,用于执行探索任务,完成视觉扫描、黑名单管理以及失败状态反馈。

27、本发明的关键点

28、关键点一:双连通性对比判别。 同时维护原始自由空间与膨胀自由空间两套连通分量,通过对比候选前沿在两套分量中的归属,将“不可达”分类为结构性断连与膨胀封闭型断连。本发明仅依据地图几何信息即可实现断连类型判别,无需额外传感器与训练数据。

29、关键点二:断连类型差异化决策。 对膨胀封闭型断连采用“吸附至可达区域边缘+有界视觉扫描+膨胀断点分段接近”策略,对结构型断连采用“过滤+黑名单”策略。本发明在保持膨胀参数不变(安全裕度不降低)的前提下恢复门洞通过能力,并避免对真实不可达区域的无效探索。

30、关键点三:探索与观察解耦的有界扫描机制。 到达前沿或房间侧向观察点后执行有界视觉扫描,房间目标失败后返回走廊中心线并清理临时目标,提高多房间场景的探索稳定性。

31、关键点四:失败黑名单与限时重评估。 单目标限时无进展进入临时黑名单,到期后允许重新评估,兼顾避免无效尝试与环境变化的适应性。

32、与现有技术相比,本发明的有益效果是:

33、第一,保持安全裕度不降低即可恢复门洞通过能力。与通过减小膨胀参数恢复通行的现有技术相比,本发明不牺牲安全性,适用于人员进入风险高的作业环境。

34、第二,减少无效重规划与原地打转。双连通性判别使探索目标选择与实际可达性一致,探索效率与覆盖率显著提升。

35、第三,计算量低、无训练依赖。连通分量标记与a*规划均为轻量算法,可在嵌入式算力上实时运行,无需训练数据,便于迁移到不同平台。