[发明专利]一种基于简化广义Voronoi图的机器人自主探索方法

说明书

本发明属于自动化技术，具体涉及一种基于简化广义Voronoi图的机器人自主探索方法，包括以下步骤：基于形态学方法构建简化广义Voronoi拓扑地图，找到最佳前沿点，并规划机器人当前位置到最佳前沿点的全局路径，沿全局路径将机器人导航至最佳前沿点。该方法充分利用简化广义Voronoi图的特点，将其应用于移动机器人室内自主探索任务，将自主探索问题从二维平面空间转化到拓扑图空间，极大程度地减少了前沿候选点的数量，减少了路径规划的计算量，同时保证生成的全局路径为最优无碰撞路径。同其他方法相比，该发明能够以更快地指导室内机器人自主探索，并且简化广义Voronoi图在具体应用中更加灵活，能够更好的满足移动机器人自主探索任务的要求。

技术领域

本发明属于自动化技术领域，尤其涉及一种基于简化广义Voronoi图的机器人自主探索方法。

背景技术

由于室内空间的复杂性和结构化特点，移动机器人能够被广泛应用于与建筑勘测相关的任务(例如室内测绘与制图和室内搜索救援)，因此在未知空间进行自主探索移动是机器人技术的研究热点之一。自主探索技术可以指导机器人在未知环境下移动并且利用携带的各种传感器来感知环境中的未知事物，以此来完成给定的具体任务。根据现有研究，移动机器人自主探索技术主要在以下四个方面存在困难：(I)如何对环境进行建模；(II)如何决策机器人应该去哪里；(III)如何在可通行空间中找到连接任意两个位置的全局路径；(IV)如何控制机器人追踪路径并进行实时避障。

目前，已经在仿真实验和真实机器人上成功实现了一些可行的方法，其中基于最佳前沿点的方法已经有了较好的效果。前沿点分布在已探索区域和未探索区域的交接处，往往机器人在前沿点的位置很可能可以获取更多的环境信息。最佳前沿点的方法如图2所示，作为背景技术的SLAM算法提供了环境的占据概率栅格地图和机器人位姿；在每一步探索中，通过对环境地图的处理可以得到一系列候选前沿点，对这些候选前沿点进行特征计算和比较能够得到最佳候选点，在环境地图中通过路径规划算法(例如A*算法)能够找到从机器人当前位置到最佳候选点的一条全局路径，最后沿该路径将机器人导航至最佳候选点，这一步探索结束；再次搜索候选前沿点，开始下一步探索，直到没有候选前沿点或最佳候选点不符合要求时，结束自主探索。

然而目前基于最佳前沿点的方法仍存在一些问题。一是生成的候选前沿点数量较大，存在相当大的冗余，对它们进行特征计算和比较会浪费大量的计算时间；二是在栅格地图上的路径查找算法难以满足实时性需求，并且路径往往贴着墙壁，会给移动机器人带来碰撞风险。一些学者提出直接用拓扑地图对环境进行建模，这样可以有效减少候选前沿点的数量，加快路径规划速度，但拓扑地图携带的环境信息十分匮乏，难以有效对候选前沿点进行特征计算和比较。

发明内容

本发明的目的是提供一种通过改进广义Voronoi图并利用其特点，实现移动机器人在未知的室内环境下快速地、安全地、稳健地、完整地探索整个空间的方法。

为实现上述目的，本发明采用的技术方案是：一种基于简化广义Voronoi图的机器人自主探索方法，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；