[发明专利]一种基于简化广义Voronoi图的机器人自主探索方法

权利要求书

1.一种基于简化广义Voronoi图的机器人自主探索方法，其特征是，包括以下步骤：

步骤1、基于形态学方法构建简化广义Voronoi拓扑地图，包括：

步骤1.1、对占据概率栅格地图进行阈值提取，灰度小于经验阈值th_obstacle的像素提取为障碍物区域，th_obstacle取值50-70；灰度大于经验阈值th_free的像素提取为可通行区域，th_free取值200-220；

步骤1.2、利用形态学闭操作对步骤1.1生成的障碍物区域和可通行区域进行小缝隙填充，利用连通分析去除像素个数小于经验阈值th_conn的像素块，th_conn取值根据占据概率栅格地图的分辨率和应用需求来确定；利用平滑滤波去除像素块边界的凸起部分，得到平滑的障碍物区域和平滑的可通行区域；

步骤1.3、利用图像细化算法对步骤1.2中平滑的可通行区域进行中心线提取，得到简化广义Voronoi图；

步骤1.4、对步骤1.3得到的简化广义Voronoi图进行拓扑化，采用邻域分析提取简化广义Voronoi图中的节点集合V，利用填充算法找到连接这些节点的边集合E，并将边长记录在距离矩阵M_dist中，得到可通行区域的拓扑地图G＝{V，E，M_dist}；

步骤2、找到最佳前沿点，并规划机器人到最佳前沿点的全局路径，包括：

步骤2.1、将拓扑地图G中所有的叶子节点V_leaf作为初始候选前沿点，找到拓扑地图G中离机器人当前位置最近的边e及e的两个节点和e为集合E中的一个元素，即一条边；对每个候选点p，在拓扑地图中利用Dijkstra算法，分别查找p到和的两条路径和

步骤2.2、利用道格拉斯-普克算法对步骤2.1中得到的两条路径进行曲线化简，然后计算两条化简后的路径的长度分别为和取其中最小值作为p到机器人的距离计算其对应的路径的转弯角度之和T(p)；

步骤2.3、在占据概率栅格地图中对每个候选点p，计算其潜在环境信息获取量的估计A(p)，计算其传感器感知程度C(p)；

步骤2.4、对步骤2.2和2.3中所计算出的候选点的四个特征值D(p)、T(p)、A(p)和C(p)进行归一化，用较低的阈值排除评分极低的候选点，得到候选点集合P_candidate，若候选点集合为空集，则探索完成；

步骤2.5、利用基于模糊度量函数的多标准决策方法，对候选点集合P_candidate中的每个候选点进行评价，分数最高的候选点即为最佳前沿点p_NBV，机器人当前位置到最佳前沿点的全局路径R＝{r₀，r₁，r₂，...，p_NBV}可在步骤2.2的结果中回溯得到；

步骤3、使用虚拟力场VFF算法沿全局路径R＝{r₀，r₁，r₂，...，p_NBV}导航至最佳前沿点，包括：

步骤3.1、令当前导航目标点为r₀，根据激光传感器数据，通过VFF算法实时进行运动规划，将运动规划指令传送给机器人，机器人开始向当前导航目标点r₀移动，直到到达r₀；

步骤3.2、机器人到达全局路径中的某个关键点r_i，则令当前导航目标点为r_i+1，通过VFF算法实时进行运动规划，机器人继续移动至r_i+1，直到到达最佳前沿点p_NBV；

步骤3.3、返回到步骤1，开始查找下一个最佳前沿点，进行下一阶段探索。

2.如权利要求1所述的基于简化广义Voronoi图的机器人自主探索方法，其特征是，步骤2.2所述转弯角度之和T(p)计算公式如下：

其中，θ_i＝π-∠D_i-1D_iD_i+1，表示第i个转角的角度。