一种基于层次结构的边界探索方法

技术领域

本发明涉及机器人自主探索技术领域，尤其涉及一种基于层次结构的边界探索方法。

背景技术

月球作为我国迈向星辰大海的第一站，完成对月球的探索将是航天事业中重要任务之一。机器人自主探索是机器人智能化的重要组成部分，传统的探索机器人控制过程由人类远程控制完成，这样的机器人不具有自主性，也无法满足月球探索的需求。拥有自主探索能力的机器人，在未知环境中执行任务的过程中，首先需要对环境进行建模；然后，依据探索算法实现整个未知空间的建图过程。其强调在没有人为干预的情况下完成未知环境建图任务。由于月球地理环境特殊，人类不便到达且难以实现对移动机器人的远程控制，在这种背景下，移动机器人能够充分发挥自主探索的优势，极大地提高机器人执行任务的效率。因此，机器人自主探索技术是实现机器人智能化的关键技术。

随着科学水平的不断进步，出现了越来越多的自主探索算法，例如：基于信息理论的自主探索、基于边界的探索、基于随机采样的探索。其中基于边界的探索是最基础的探索算法，首先，机器人根据传感器获取的数据进行环境建立，通常情况下为占据栅格地图；随后，机器人根据现有的占据栅格地图进行边界检测，提取地图中的边界点集；接下来，挑选所有边界点中收益最大的作为目标点，并移动到该区域。当机器人到达导航目标点后，机器人重新依据新建立的占据栅格地图更新边界信息。最后，机器人依据该策略不断进行探索，直到整个环境中无法检测到边界点。边界点的检测是边界探索的重要部分，其主要采用两种方法进行：一种是利用图像处理技术检测边界，另一种是利用快速随机搜索树(Rap i dl y-exp l or i ng Random Tree，RRT)来检测边界。但是，第一种方法需要不断地遍历整张地图以获取边界点，当地图尺度不断增大，或者地图分辨力较高时，边界点检测过程计算量将十分庞大，时间消耗大；第二种方法在地图中随机生成树结构，并以此获取边界点，这种边界点具有随机的特点，并不能反应全部的边界信息，在环境结构十分复杂时，边界点的获取效率将变低。

以上探索技术存在计算量大时间消耗大以及边界点获取效率低的问题，因此如何高效获取边界点是机器人自主探索的关键。

发明内容

为了解决上述技术问题，本发明提供了一种基于层次结构的边界探索方法，通过构建栅格地图、在栅格地图中获取局部交点和局部边界点以及判断探索状态层次结构探索的方法，对月球环境进行探索。

为了达到上述目的，本发明是通过以下技术方案实现的：

一种基于层次结构的边界探索方法，用于机器人智能自主探索目标环境，包括：

S101构建、初始化目标环境的栅格地图。

S102更新栅格地图中的局部区域窗口，以转换局部边界点与全局边界点。

S103在局部区域窗口内重新获取局部交点和局部边界点。

S104根据局部交点、局部边界点是否存在，判断机器人的探索状态。

其中，目标环境为月球上待探索的地理环境。

与现有技术相比，本发明具有以下优点：

本发明将边界探索过程分割为全局层面和局部层面两个层次的探索过程，在全局层面进行低频率的全局路径规划过程，在局部层面进行高频率的局部路径规划过程。因此，边界检测过程由整张地图转换为固定大小的局部地图，提升了边界检测效率，低频率的全局路径规划过程优化了全局路径的生成随地图增大而增大的问题，高频率的局部路径规划过程能够规划最短的局部路径，缩短计算时间，提升机器人自主探索效率。

进一步优选为，S101构建、初始化目标环境的栅格地图，包括：

S201机器人在目标环境预先移动预设距离，其上的激光雷达传感器感测目标环境的环境信息。

S202根据环境信息构建环境地图。

S203初始化环境地图，得到栅格地图。

采用上述技术方案，通过激光雷达传感器随着机器人的移动感测到环境信息，机器人再根据环境信息构建成环境地图并进行初始化，实现将待探索的目标环境建成虚的栅格地图的目的。

进一步优选为，S102更新栅格地图中的局部区域窗口，以转换局部边界点与全局边界点，包括：

S301机器人横向或纵向移动，局部区域同方向平移，得到新的局域区域。

S302在平移过程中，局部边界点脱离原局部区域转变为全局边界点。

采用上述技术方案，在局部区域更新的过程中，由于局部区域发生变化，曾经留在局部区域内部的局部边界点将脱离局部区域变化为全局边界点，而重新回到局部区域内部的全局边界点将在边界检测过程中得到，实现局部边界点与全局边界点将进行转换。

进一步优选为，S103在局部区域窗口内重新获取局部交点和局部边界点，包括：

S401判断全局层面是否存在全局边界点，获取局部交点。否则，进行下一步。

S402采用图像处理技术获取局部区域窗口的局部边界点。

采用上述技术方案，实现将边界探索过程分割为全局层面和局部层面两个层次的探索过程，使边界检测过程由整张地图转换为固定大小的局部地图，节省计算时间，提升了边界检测效率。

进一步优化为，S401判断全局层面是否存在全局边界点，获取局部交点，包括：

S501若存在全局边界点，采用概率路线图生成多条备选全局路经图，局部路径为机器人从当前位置达到每个全局边界点的路径。

S502利用A*算法获取所有备选全局路径中的最短路径，得到全局路径。

S503获取全局路径与局部区域窗口的边界的交点，得到局部交点。

采用上述技术方案，当全局边界点存在时，意味着全局层面存在未探索的区域，就需要规划机器人当前位置到全局边界点的路径，引导机器人前往全局层面的未探索区域，以进行全局规划路径。

进一步优化为，S402采用图像处理技术获取局部区域窗口的局部边界点，包括：

S601在栅格地图中截取与局部区域对应的栅格地图，得到占据栅格地图。

S602转换占据栅格地图为灰度图。

S603标定占据栅格地图的三种状态的概率以及与每种状态对应的灰度值，三种状态包括：占用、空闲、未知。

S604采用Canny边界检测技术提取灰度图中的边界。

S605舍去灰度图中灰度值为0的边界点，得到局部边界点。

采用上述技术方案，该局部边界点不包含障碍物边界，只包含探索边界，提高边界探索的准确率。

进一步优化为，S104根据局部交点、局部边界点是否存在，判断机器人的探索状态，包括：

S701局部交点与局部边界点都不存在时，则整个目标环境不存在未探索的边界，机器人的探索任务完成。反之，进行下一步。

S702根据局部交点和局部边界点规划局部路径，获取待访问的访问顺序，继续探索。

采用上述技术方案，当局部交点不存在时，意味着全局层面不存在未探索的边界；若局部边界点不存在，意味着局部层面不存在未探索的边界，以此从全局层面和局部层面进行分析判断，可准确决判断分析机器人是否要继续探索，提高机器人探索效率。

进一步优化为，S702根据局部交点和局部边界点规划局部路径，获取待访问的访问顺序，继续探索，包括：

S801根据局部交点与局部边界点，规划出途经局部交点、局部边界点的局部路径。

S802采用蚁群优化算法求解出访问边界点及访问顺序，局部交点和所有的局部边界点。

S803以访问边界点作为目标边界点，计算机器人向目标边界点移动的控制量，控制量为机器人避开障碍物并向目标边界点移动所需要的角速度控制量。

S804更新栅格地图：在机器人持续移动过程中，激光雷达传感器感测多时刻的环境信息，得到时刻环境信息，并将时刻环境信息按照S202-S203的方式拼接到栅格地图中。

S805判断机器人累计移动距离是否超过局部区域更新长度、局部区域子区域长度，更新局部区域和检测局部边界点。

采用上述技术方案，实现从全局层面到局部层面的探索过程，在全局层面进行低频率的全局路径规划过程，在局部层面进行高频率的局部路径规划过程，实现边界检测过程由整张地图转换为固定大小的局部地图，提升了边界检测效率，缩短计算时间，提升机器人自主探索效率。

进一步优化为，S805判断机器人累计移动距离是否超过局部区域更新长度、局部区域子区域长度，更新局部区域和获取局部边界点，包括：

S901若累计移动距离大于局部区域更新长度，则更新局部区域。反之，则进行下一步。

S902若累计移动距离大于局部区域子区域长度，则在局部区域窗口内获取局部边界点，进行S402。反之，进行S803，以继续循环探索。

采用上述技术方案，在局部层面进行高频率的局部路径规划过程，以此进行小地图的探索过程。

进一步优化为，S804更新栅格地图，其更新过程符合限定条件式：

M

其中，x表示栅格点位置，M

采用上述技术方案，确保栅格地图在更新过程中，机器人感测的环境信息能够准确覆盖原局部局域，提高机器人局部层面探索的准确率和效率。

附图说明

图1为本实施例的方法流程图。

图2为本实施例中初始化地图的示意图。

图3为本实施例中局部区域更新示意图。

图4为本实施例中全局路径规划示意图。

图5为本实施例中边界点检测流程示意图。

图6为蚁群算法求解旅行商问题得到的路线图示意图。

图7为蚁群算法迭代次数示意图。

图8为应用本实施例进行的仿真实验图。

图9为本实施例中基于层次结构的边界探索方法的方法框图。

具体实施方式

以下结合附图1-图9对本发明作进一步详细介绍。

一种基于层次结构的边界探索方法，如图9所示，用于机器人智能自主探索目标环境，包括：

S101构建、初始化目标环境的栅格地图。

S102更新栅格地图中的局部区域窗口，以转换局部边界点与全局边界点。

S103在局部区域窗口内重新获取局部交点和局部边界点。

S104根据局部交点、局部边界点是否存在，判断机器人的探索状态。

其中，目标环境为月球上待探索的地理环境。

本发明将边界探索过程分割为全局层面和局部层面两个层次的探索过程，在全局层面进行低频率的全局路径规划过程，在局部层面进行高频率的局部路径规划过程。因此，边界检测过程由整张地图转换为固定大小的局部地图，提升了边界检测效率，低频率的全局路径规划过程优化了全局路径的生成随地图增大而增大的问题，高频率的局部路径规划过程能够规划最短的局部路径，缩短计算时间，提升机器人自主探索效率。

具体的，本实施例中的S101构建、初始化目标环境的栅格地图，包括：

S201机器人在目标环境预先移动预设距离，其上的激光雷达传感器感测目标环境的环境信息。预设距离为机器人在目标环境中以出发点为初始状态移动一段预设的距离。

S202根据环境信息构建环境地图。

S203初始化环境地图，得到栅格地图。

通过激光雷达传感器随着机器人的移动感测到环境信息，机器人再根据环境信息构建成环境地图并进行初始化，实现将待探索的目标环境建成虚的栅格地图的目的。

具体的，本实施例中的S102更新栅格地图中的局部区域窗口，以转换局部边界点与全局边界点，包括：

S301机器人横向或纵向移动，局部区域同方向平移，得到新的局域区域。

S302在平移过程中，局部边界点脱离原局部区域转变为全局边界点。

在局部区域更新的过程中，由于局部区域发生变化，曾经留在局部区域内部的局部边界点将脱离局部区域变化为全局边界点，而重新回到局部区域内部的全局边界点将在边界检测过程中得到，实现局部边界点与全局边界点将进行转换。

具体的，本实施例中的S103在局部区域窗口内重新获取局部交点和局部边界点，包括：

S401判断全局层面是否存在全局边界点，获取局部交点。否则，进行下一步。

S402采用图像处理技术获取局部区域窗口的局部边界点。

实现将边界探索过程分割为全局层面和局部层面两个层次的探索过程，使边界检测过程由整张地图转换为固定大小的局部地图，节省计算时间，提升了边界检测效率。

具体的，本实施例中的S401判断全局层面是否存在全局边界点，获取局部交点，包括：

S501若存在全局边界点，采用概率路线图生成多条备选全局路经图，局部路径为机器人从当前位置达到每个全局边界点的路径。

S502利用A*算法获取所有备选全局路径中的最短路径，得到全局路径。

S503获取全局路径与局部区域窗口的边界的交点，得到局部交点。

当全局边界点存在时，意味着全局层面存在未探索的区域，就需要规划机器人当前位置到全局边界点的路径，引导机器人前往全局层面的未探索区域，以进行全局规划路径。

具体的，本实施例中的S402采用图像处理技术获取局部区域窗口的局部边界点，包括：

S601在栅格地图中截取与局部区域对应的栅格地图，得到占据栅格地图。

S602转换占据栅格地图为灰度图。

S603标定占据栅格地图的三种状态的概率以及与每种状态对应的灰度值，三种状态包括：占用、空闲、未知。

S604采用Canny边界检测技术提取灰度图中的边界。

S605舍去灰度图中灰度值为0的边界点，得到局部边界点。

该局部边界点不包含障碍物边界，只包含探索边界，提高边界探索的准确率。

具体的，本实施例中的S104根据局部交点、局部边界点是否存在，判断机器人的探索状态，包括：

S701局部交点与局部边界点都不存在时，则整个目标环境不存在未探索的边界，机器人的探索任务完成。反之，进行下一步。

S702根据局部交点和局部边界点规划局部路径，获取待访问的访问顺序，继续探索。

当局部交点不存在时，意味着全局层面不存在未探索的边界；若局部边界点不存在，意味着局部层面不存在未探索的边界，以此从全局层面和局部层面进行分析判断，可准确决判断分析机器人是否要继续探索，提高机器人探索效率。

具体的，本实施例中的S702根据局部交点和局部边界点规划局部路径，获取待访问的访问顺序，继续探索，包括：

S801根据局部交点与局部边界点，规划出途经局部交点、局部边界点的局部路径。

S802采用蚁群优化算法求解出访问边界点及访问顺序，局部交点和所有的局部边界点。

S803以访问边界点作为目标边界点，计算机器人向目标边界点移动的控制量，控制量为机器人避开障碍物并向目标边界点移动所需要的角速度控制量。

S804更新栅格地图：在机器人持续移动过程中，激光雷达传感器感测多时刻的环境信息，得到时刻环境信息，并将时刻环境信息按照S202-S203的方式拼接到栅格地图中。

S805判断机器人累计移动距离是否超过局部区域更新长度、局部区域子区域长度，更新局部区域和检测局部边界点。

实现从全局层面到局部层面的探索过程，在全局层面进行低频率的全局路径规划过程，在局部层面进行高频率的局部路径规划过程，实现边界检测过程由整张地图转换为固定大小的局部地图，提升了边界检测效率，缩短计算时间，提升机器人自主探索效率。

具体的，本实施例中的S805判断机器人累计移动距离是否超过局部区域更新长度、局部区域子区域长度，更新局部区域和获取局部边界点，包括：

S901若累计移动距离大于局部区域更新长度，则更新局部区域。反之，则进行下一步。

S902若累计移动距离大于局部区域子区域长度，则在局部区域窗口内获取局部边界点，进行S402。反之，进行S803，以继续循环探索。

在局部层面进行高频率的局部路径规划过程，以此进行小地图的探索过程。

具体的，本实施例中的S804更新栅格地图，其更新过程符合限定条件式：

M

其中，x表示栅格点位置，M

确保栅格地图在更新过程中，机器人感测的环境信息能够准确覆盖原局部局域，提高机器人局部层面探索的准确率和效率。

请结合图1-图8，本发明的具体探索过程如下描述：

构建、初始化目标环境的栅格地图，如图1和图9所示，其中，所描述的目标环境为一个二维空间，栅格地图为二维栅格地图，使用的传感器为单线激光雷达传感器。

具体地，如图2所示，让机器人预先移动一段距离，并使用获取的传感器信息构建初始化的栅格地图，栅格地图更新过程符合式：

M

其中，x表示栅格点位置，M

更新栅格地图中的局部区域窗口，以转换局部边界点与全局边界点，如图1、图3以及图9所示，图中S

在局部区域窗口内重新获取局部交点和局部边界点。具体地，全局边界点由局部边界点转换的到，因此全局边界点不一定存在。当其存在时，意味着全局层面存在未探索的区域，此时需要规划机器人当前位置到全局边界点的路径，引导机器人前往全局层面的未探索区域。全局路径规划过程采用概率路线图与A*算法生成，在进行全局路径规划时，未探索区域以及已探索区域中的障碍物部分都将被标记为不可通行区域，已探索的无障碍物区域为可通行区域，通过在可通行区域内生成连接机器人与全局边界点的概率路线图方式，得到多条备选的全局路线图，如图4所示，紧接着利用A*算法获取从机器人到全局边界点的最短路径，该路径即为全局路径。最后，利用以生成的全局路径以及局部区域边界，获取两者交点，即为局部交点。

在局部区域窗口内采用图像处理技术获取局部边界点，具体地，从所构建的整个二维栅格地图中截取局部区域所对应的二维栅格地图，随后将该占据栅格地图转换为灰度图。在占据栅格地图中栅格有三种状态：占用、空闲、未知。占用状态概率为1，其灰度值为0,空闲状态概率为0，其灰度值为255,未知状态概率为0.5，其灰度值为205。紧接着，采用图像处理技术中的Canny边界检测技术提取灰度图中的边界，Canny边界检测技术是现有技术此处不再赘述，此时检测到的边界不仅包含探索边界，还包括障碍物边界。因此，要将灰度图像中灰度值为0的边界点舍去。

判断是否存在局部交点或者局部边界点:具体地，局部交点由全局路径规划获得，当其不存在时，意味着全局层面不存在未探索的边界；若局部边界点不存在，则意味着局部层面也不存在未探索的边界。因此若局部交点与局部边界点都不存在，则意味着整个探索区域内不存在未探索的边界，探索任务完成。反之，继续探索。

依据局部交点和局部边界点进行局部路径规划过程,具体地，局部交点为全局信息在局部的体现，局部边界点为局部信息的体现，通过规划一条途径这些点的局部路径，即可在完成局部区域探索的同时向全局边界移动，因此局部路径可看作全局路径在局部层面的细化。该问题被建模为旅行商问题，其中局部交点和局部边界点为待访问城市，机器人为旅行商，采用蚁群优化算法求解该问题，如图6、图7所示，最终得到边界点的访问顺序。

用纯跟踪算法和向量场直方图算法将机器人导航至目标边界点，以步骤6中的边界点作为目标边界点，采用纯跟踪算法计算机器人向目标边界点移动的方向，紧接着使用向量场直方图算法，以及机器人前进方向以及传感器信息，得到避开障碍物并向目标边界点移动所需要的角速度控制量。

依据传感器信息更新栅格地图，随着机器人的不断移动，将回去不同时刻的传感器信息，这些信息依照步骤S202-S203的方式拼接到地图中，从而更新整个栅格地图。

判断机器人累计移动距离是否超过局部区域更新长度，随着机器人的移动，机器人将不可避免的走出局部区域，为了避免这种情况发生，局部区域也要随着机器人移动而移动。局部区域更新长度为常数，其小于局部区域长度，该距离值越大局部区域更新频率越低，反之，局部区域更新频率越高。

判断机器人累计移动距离是否超过局部子区域长度，随着机器人的移动，地图将不断更新，探索边界将不断推进，此时需要及时检测边界，补充边界信息。局部子区域长度为常数，该距离值越大局部区域内的边界检测频率越高，反之，局部区域内边界检测频率越低。

如图8所示，图中方形为机器人，方框内深色点为局部边界点，方框上深色点为局部交点，方框为局部区域，方框外深色点为全局边界点，方框外的实线为全局路径，连接红色点、橙色方块和紫色点的黑色实线为旅行商问题求解的访问顺序。

本具体实施例仅仅是对发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的保护范围内都受到专利法的保护。