一种基于启发式偏置采样的室内环境机器人探索方法与流程

技术特征：
1.基于启发式偏置采样的室内环境机器人探索方法，其特征在于，包括：a、初始化；b、进行定位和建图；c、在地图的空闲区域生长两棵快速搜索随机树，利用所述两棵快速生长随机树进行边界点的提取，记为rrt边界点；进行启发式物体的识别并获取启发式物体的位置信息，以启发式物体的位置构造先验区域，在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除rrt边界点和房间边界点中的无效边界点；d、当房间边界点存在时，机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后对rrt边界点进行探索，且优先选择收益值最大的rrt边界点作为目标点进行探索；e、引导机器人向目标点导航并更新地图；f、当先验区域内检测不到边界点时，销毁先验区域；g、循环步骤a
‑
f，直至完成整个环境探索。2.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，步骤b具体包括：通过slam模块接收传感器数据，更新部分地图为已知的区域，同时通过slam模块构建的地图反过来修正机器人的位姿。3.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，所述两棵快速搜索随机树分为全局树和局部树，全局树和局部树均通过以下步骤进行rrt边界点的提取；具体包括：c11、将起点添加到树结构中作为根节点，两棵快速搜索随机树的起点都是人为在地图的空闲区域内设定的；c12、在地图区域内随机撒点作为候选点；c13、若该候选点在已知区域内，则遍历树结构上的所有已有的节点，选取距离候选点最近的节点作为最邻近点，以最邻近点到候选节点的连线作为生长方向；如果最邻近点与候选节点的距离超过预先设定的步长，则由最邻近点沿着生长方向生长一个步长，到达的点作为生长点；如果距离不超过步长，则该候选点作为生长点；若候选点在未知区域内，则先找到该候选点的最邻近节点，最邻近点到候选点的连线作为生长方向，然后由最邻近点沿着生长方向向前生长，到达边界的地方作为边界点；c14、将生长点和候选节点的连线在地图上做碰撞检测，通过遍历这条直线上所有的栅格点，然后判断该栅格点的栅格状态，如果该栅格点的状态是被障碍物占据的，则碰撞检测不通过，返回步骤c12重新进行采样；如果连线没有碰到障碍物，就将该候选点、生长点和候选节点的连线添加到树结构中；其中，当局部树探测到边界点后，局部树会被清除并在机器人当前位置重新生长。4.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；具体包括：c21、将启发式物体的位置添加到树结构中作为根节点；c22、偏置采样快速搜索随机树算法每次使用一个随机函数来决定采用哪一种采样方式；所述采样方式包括均匀随机采样和偏置采样；
c23、遍历树结构上的所有已有的节点，选取距离候选点最近的节点作为最邻近点，最邻近点到候选节点的连线作为生长方向；如果最邻近点与候选节点的距离超过预先设定的步长，则由最邻近点沿着生长方向生长一个步长，到达的点作为生长点；如果距离不超过步长，则该候选点作为生长点；c24、将生长点和候选节点的连线在地图上做碰撞检测，碰撞测试通过则进入步骤c25，否则返回步骤c22；c25、判断通过碰撞测试的生长点是否为边界点，并改变部分边界点的栅格状态；c26、根据当前时刻的边界点数目与总边界点数目之比计算覆盖率。5.如权利要求4所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，步骤c24具体包括：遍历生长点和候选节点的连线所在直线上的所有的栅格点，然后判断该栅格点的栅格状态，如果该栅格点的状态是被占据的或者是未知的，则碰撞检测不通过，返回步骤c22重新进行采样；如果连线没有碰到障碍物和未知区域，则将该候选点、生长点和候选节点的连线添加到树结构中。6.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，所述剔除rrt边界点和房间边界点中的无效边界点，具体包括：c31、将所述rrt边界点和房间边界点通过mean
‑
shift聚类算法聚类后得到质心点；c32、实时检测该边界点的栅格状态以及在costmap中的值，若该栅格状态是空闲的且costmap中值超过某一阈值，则该栅格点也作为无效点剔除。7.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，所述以启发式物体的位置构造先验区域，具体包括：当机器人识别到启发式物体时，若机器人位置在启发式物体的下方，则所述先验区域在启发式物体的位置的上方；当机器人位置在启发式物体的上方时，则所述先验区域在启发式物体的位置的下方。8.如权利要求7所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，所述先验区域的长度分别为启发式物体的位置向两侧延伸长度a，先验区域的宽度为启发式物体的位置向后延伸长度2b；其中，2≤a≤10,2≤b≤10。9.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，步骤e具体包括：使用a*全局路径规划算法在已知的环境中规划出一条由机器人当前位置到目标点的路径，并结合dwa局部路径规划算法使机器人很好的利用局部环境信息完成避障，将两者相结合引导机器人向目标点导航并更新地图。10.如权利要求1所述的基于启发式偏置采样的室内环境机器人探索方法，其特征在于，在步骤a中，整个环境都是未知的，机器人处于环境中的某一位置，机器人通过自身携带的传感器获取周围环境信息的数据。

技术总结
本发明公开了一种基于启发式偏置采样的室内环境机器人探索方法，其包括：A、初始化；B、进行定位和建图；C、利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；D、机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后优先选择收益值最大的RRT边界点作为目标点进行探索；E、引导机器人向目标点导航并更新地图；F、当先验区域内检测不到边界点时，销毁先验区域；G、循环步骤A


技术研发人员：迟文政 刘杰 吕勇 袁媛 陈国栋 孙立宁
受保护的技术使用者：苏州大学
技术研发日：2021.08.13
技术公布日：2021/10/8