[发明专利]群体机器人分布式围捕控制方法及系统

说明书

本发明涉及机器人技术领域，具体涉及一种群体机器人分布式围捕控制方法及系统，所述方法包括：群体中的机器人利用自身携带的视觉传感器进行目标检测；若群体中的机器人检测到目标，则该机器人利用自身携带的视觉传感器和距离传感器探测得到该机器人当前的第一位置信息和第二位置信息；根据第一位置信息和第二位置信息确定所述机器人对目标进行围捕的围捕形态，并根据所述围捕形态向目标移动；在机器人向目标移动过程中，利用自身携带的视觉传感器和距离传感器实时探测得到该机器人的第二位置信息和第三位置信息，根据实时探测得到的第二位置信息和第三位置信息控制所述机器人进行避障；本发明能够在无通信的环境下实现对目标的分布式围捕。

技术领域

本发明涉及机器人技术领域，具体涉及一种群体机器人分布式围捕控制方法及系统。

背景技术

目标围捕是群体机器人系统中一个典型的具有挑战性的研究领域，它利用大量简单机器人的协作来实现对目标的围捕。群体目标围捕的方法已经广泛应用于搜索与营救、护送任务和区域覆盖等领域。现有的目标围捕方法主要分为：领导---跟随控制模型、虚拟结构模型、基于行为的控制模型和基于生物启发的方法。基于生物启发的目标围捕方法可以更灵活地生成适应性更好的围捕形态，可有效应对未知的环境变化和干扰。在基于生物启发的目标围捕方法中，常用的一类方法是基因调控网络模型(Gene Regularity Model，简称GRN)。在GRN模型中，群体机器人通过GRN的上层接收环境中目标的位置和障碍物的信息，在目标周围生成一个目标围捕形态。在GRN的下层，群体机器人通过自组织的方式运动到所生成的目标围捕形态上。

在传统的基于GRN模型的机器人围捕控制方法中，面临以下问题：

1.传统的基于GRN模型的控制方法需要输入全局信息才能在进行目标周围时生成一个关于目标的围捕形态，这就需要知道每个机器人的位置和目标的位置，尤其是目标周围障碍物的位置，输入条件要求苛刻，然而，在大多数实际环境中无法事先知道每个机器人和目标的具体位置，尤其是目标周围障碍物分布无法准确地获得。

2.在传统的基于GRN模型的控制方法中，群体机器人需要高度依赖GPS或者超宽带(UWB)等用以获得全局信息的传感器，而在实际环境中，尤其是在全局信息受阻的环境中(如灾害后的环境)，无法通过GPS或者UWB进行通信，传统方法只能适用于通信条件良好且获得全局信息的场景。

3.在通信拒止、无通信或全局信息受阻的环境下，传统的基于GRN模型的控制方法导致个体和个体之间无法进行的通信，甚至个体无法与后方指挥者通信，导致群体机器人无法准确获得目标所在区域的全局信息，从而群体机器人无法完成目标围捕任务。

因此，亟待解决通信完全拒止和未知环境下的群体机器人围捕问题。

发明内容

本发明目的在于提供一种群体机器人分布式围捕控制方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为了实现上述目的，本发明提供以下技术方案：

一种群体机器人分布式围捕控制方法，所述方法包括以下步骤：

步骤S100、群体中的机器人利用自身携带的视觉传感器进行目标检测；

步骤S200、若群体中的机器人检测到目标，则该机器人利用自身携带的视觉传感器和距离传感器探测得到该机器人当前的第一位置信息和第二位置信息；

其中，所述第一位置信息为机器人与目标的相对位置，所述第二位置信息为机器人与障碍物的相对位置；

步骤S300、根据该机器人当前的第一位置信息和第二位置信息确定所述机器人对目标进行围捕的围捕形态，所述机器人根据所述围捕形态向目标移动；