张量场驱动分层路径规划的自主探索方法、装置及介质

技术领域

本发明涉及机器人的路径规划技术领域，具体涉及一种张量场驱动分层路径规划的自主探索方法、装置及介质。

背景技术

自主移动机器人是机器人技术的一个重要研究课题，已广泛应用于工农业生产、交通、服务、医疗和军事等领域。随着应用环境的复杂化，人类对移动机器人的自主性和智能性提出了更高的要求，特别是在未知复杂环境下，机器人的自主探索已经成为一个难点且重点的问题。现在普遍的几种机器人自主探索的方法：

1)基于LiDAR的方法：LiDAR传感器可以为机器人提供360度视场(FOV)，但其价格相对昂贵。而且，大多数地面机器人进行自主探索的工作需要昂贵的LiDAR来进行导航和探索，由于RGB-D相机仅提供环境的一个视角，而不是像LiDAR提供360度覆盖范围，这就使得基于RGB-D相机进行自主探索，本身具有天然的复杂性，同时也会带来一系列的问题，如果直接将这些方法用于具有RGB-D的机器人通常会失败。

2)基于RGB-D的方法：随着RealSense和Kinect等RGB-D相机广泛用于机器人，从而可以在低成本下实现机器人对环境的感知。相比于LiDAR，RGB-D可以更加小型化，轻量化，成本更低。但是RGB-D相机存在下述问题：路线迂回问题：基于RGB-D的机器人在同一时间只能感知到某个方位的环境信息，如果对于路线规划不合理，极易出现大范围的折返，导致探索效率低下。由于RGB-D比LiDAR视野范围小，机器人局部避障更加困难，尤其是在复杂场景或是狭窄空间，极易发生碰撞。因此存在由于FOV的限制，导致感知范围小，导致效率低、易碰撞的问题，目前大多数基于RGB-D的方法无法克服其在感知范围上的不足，导致需要频繁的转向和迂回才能保证探索场景的完整性，探索的效率普遍不高。

3)基于边界的探索方法：通过自由空间和未探索空间之间的边界，以指导机器人探索。它可以帮助机器人进行更完整的探索。但是，这些方法由于缺少全局的优化，贪心的特性往往导致错误的决定。一般基于边界的探索的方法更喜欢靠近机器人的边界作为下一个目标，而不考虑后续动作。由于其贪心的策略，会产生过长的轨迹，尤其在复杂的室内场景，经常会出现多次进出同一个房间，造成路线迂回，从而影响探索效率。

在此基础上，徐等人的(Xu K,Zheng L,Yan Z,Yan G,Zhang E,Niessner M,Deussen O,Cohen-Or D,Huang H.Autonomous reconstruction of unknown indoorscenes guided by time-varying tensor fields.ACM Transactions on Graphics(TOG),2017,36(6):1–15.)公开了用于平滑场景重建的张量场方法，该方法将张量场的拓扑骨架视为一个无向图，其中包含所有退化点和连接它们的分离线。时变张量场可以实时更新，直接引导机器人运动。其证明虽然RGB-D的FOV有限，但张量场的拓扑结构足以在部分重建的场景中实现有效的全局路径路由。但这种方法在场景规模大、结构复杂时效果不佳，这是由于张量场中静态退化点上的路由无法支持全局路径优化，容易导致最终场景探索不完整。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种张量场驱动分层路径规划的自主探索方法、装置及介质，本发明立足该点对基于张量场的机器人导航框架进行改进，能够更好地利用局部拓扑结构进行全局路径优化，能够消除对路径的大量、耗时的重新计算，适合复杂室内场景的机器人探索，能够在保证探索完整度的同时大大提高自主探索的效率。

为了解决上述技术问题，本发明采用的技术方案为：

一种张量场驱动分层路径规划的自主探索方法，包括：

S101，根据输入RGB-D相机感知到的深度点云信息构建场景张量场，并在场景张量场上检测退化点得到退化点集P；

S102，基于退化点集P求解在线旅行商问题，得到最佳访问顺序对应的退化点序列Q

S103，依托退化点序列Q

S104，针对边界分组集合Q

S105，按照边界分组集合Q

S106，沿着张量场的粒子平流，计算机器人的线速度和角速度，引导机器人到达目标。

可选地，步骤S101中在场景张量场上检测退化点得到的退化点集P由在场景张量场上得到的退化点集合和将场景覆盖全进行退化点的拓展得到拓展退化点集合两部分合并得到。

可选地，步骤S102包括：

S201，在退化点集中找到离机器人位置c

S202，在离机器人位置c

上式中，

可选地，步骤S103中包括：

S301，针对边界集合F中的任意边界点f

S302，基于下式的分组函数，将边界点f

/>

上式中，

上式中，

S303，将满足下式的边界点f

|f

上式中，d

可选地，步骤S104中拆分获得位于房间外的边界为{F

S(F

上式中，f

可选地，步骤S105中用全局路径T影响并更新张量场包括：

S401，将输入的栅格地图中的网格单元投影到地板上，并在投影的边界点的中心上执行指定距离d

S402，分别针对约束点集合Pc中任意相邻的两个约束点p

S403，基于任意约束点p

S404，通过高斯径向基函数对所有约束点的基张量场T

可选地，步骤S402中约束点p

S

T

上式中，(x

可选地，步骤S404中求和得到最终的张量场的函数表达式为：

上式中，T(p)为最终的张量场，T

此外，本发明还提供一种张量场驱动分层路径规划的自主探索装置，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行所述张量场驱动分层路径规划的自主探索方法。

此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序用于被微处理器编程或配置以执行所述张量场驱动分层路径规划的自主探索方法。

和现有技术相比，本发明主要具有下述优点：

1、设备成本低：采用本发明方法时机器人只需使用配置RGB-D相机的机器人进行导航和探索，相比于基于Lidar的方案，成本更低。

2、全局感知能力强：本发明方法只使用RGB-D相机进行定位、导航和探索的操作，克服视野(Fov)限制，增强了机器人的全局感知能力。

3、探索效率高：本发明方法采用动态扩展的退化点为形成优化的场景结构拓扑提供了很好的参考，增强了机器人的全局感知能力，从而提高了效率。同时，引入了基于边界分组的探索策略来执行精细级别的局部扫描。这两种策略共同构成了我们的分层探索方法，能够更好地利用局部拓扑结构进行全局路径优化，能够消除对路径的大量、耗时的重新计算，适合复杂室内场景的机器人探索，能够在保证探索完整度的同时大大提高自主探索的效率。

附图说明

图1为本发明实施例方法的基本流程示意图。

图2为本发明实施例中得到的退化点集P示意图。

图3为本发明实施例中得到的退化点集合的访问顺序示意图。

图4为本发明实施例中的边界集合(黄色三角形)的示意图。

图5为本发明实施例中不分组拆分(a)和分组拆分(b)的对比示意图。

图6为本发明实施例中通过A*算法计算全局路径的示意图。

图7为本发明实施例中沿着张量场的粒子平流规划路径示意图。

图8为采用和不采用本发明实施例方法的探索路径对比示意图。

图9为采用本实施例方法在不同场景下获得的路径示意图。

具体实施方式

如图1所示，本实施例提供一种张量场驱动分层路径规划的自主探索方法，包括：

S101，根据输入RGB-D相机感知到的深度点云信息构建场景张量场，并在场景张量场上检测退化点得到退化点集P；采用张量场中的退化点作为锚点，通过求解在线TSP问题生成粗略拓扑，这显着提高了张量场驱动方法在复杂环境中的有效性；

S102，基于退化点集P求解在线旅行商问题，得到最佳访问顺序对应的退化点序列Q

S103，依托退化点序列Q

S104，针对边界分组集合Q

S105，按照边界分组集合Q

S106，沿着张量场的粒子平流，计算机器人的线速度和角速度，引导机器人到达目标。在步骤S106之后，可继续不断循环执行步骤S101～S106直至机器人扫描整个场景。

步骤S101中根据输入RGB-D相机感知到的深度点云信息构建场景张量场，并在场景张量场上检测退化点为现有方法，可参见文献(Xu K,Zheng L,Yan Z,Yan G,Zhang E,Niessner M,Deussen O,Cohen-Or D,Huang H.Autonomous reconstruction of unknownindoor scenes guided by time-varying tensor fields.ACM Transactions onGraphics(TOG),2017,36(6):1–15.)，故其实现细节在此不再详述。二维平面D上的张量场T是一个光滑的张量值函数，它与每个点p∈D关联一个二维张量T(p)，可表示为：

上式中，τ

上式中，λ为同性部分对应单位向量的系数，μ为A的特征值，θ为障碍物平面投影轮廓上某点的切线方向角，其中μ>0，各项异性部分A的特征值为±μ。

记点p的各项异性部分A为A(p)，当A(p)≠0时，A(p)等价于两个正交特征向量场E

E

E

上式中，μ(p)为点p的障碍物平面投影轮廓上的点，e

P←P∪P

在探索过程中从场景张量场中获得一组退化点(退化点集合)，并为了将场景覆盖全进行退化点的拓展(拓展退化点集合)，其次，基于退化点动态扩展求解在线TSP，得出一个最优的退化点序列。我们将退化点i和j之间的路径长度表示为dist(p

S201，在退化点集中找到离机器人位置c

S202，在离机器人位置c

上式中，

为了计算探索，我们的方法基于粗略拓扑，在细粒度级别扫描场景。我们已经规划了一个基于退化点的最优访问拓扑，并且可以沿着该拓扑进行探索。同时，为了能够将场景覆盖完全，我们引入基于边界的方式，边界是自由空间和未探索空间之间的边界，将地图中的边界消除，也就意味着场景扫描完整。因此，我们动态地将退化点周围的边界分组。关键思想是由退化点的拓扑骨架生成的全局路径覆盖整个场景，为边界分组提供了合理的基础。此外，通过访问组而不是单个边界来提高探索效率。

如图4所示，步骤S103用于基于获取的退化点序列Q

S301，针对边界集合F中的任意边界点f

S302，基于下式的分组函数，将边界点f

上式中，

上式中，

S303，将满足下式的边界点f

|f

上式中，d

分组后，我们沿着退化点扫描每个分组F

然而，仅仅对边界进行分组是不够的，因为障碍物(例如墙)有时位于同一组的两个边界之间，通往两个边界时机器人会产生长距离的绕行。如图5中的(a)所示，当机器人在左上角的房间探索边界组F

S(F

上式中，f

其中，机器人所在位置c

ν＝||c

欧诺个，c

本实施例中，步骤S105用于按照边界分组集合Q

现有的方法直接将由场平流的粒子定义的路径作为机器人运动路径。然而，当场景复杂时，路径通常是不连续和模糊的。我们采用A

为了减少A*算法计算的频率，我们发现可以用A*算法规划的路径改变了周围的张量场，机器人可以沿着新的平流来更新轨迹路径，如图7所示，其中的(a)表示基于A

本实施例中，步骤S105中用全局路径T影响并更新张量场包括：

S401，将输入的栅格地图中的网格单元投影到地板上，并在投影的边界点的中心上执行指定距离d

S402，分别针对约束点集合Pc中任意相邻的两个约束点p

S403，基于任意约束点p

S404，通过高斯径向基函数对所有约束点的基张量场T

本实施例中，步骤S402中约束点p

S

T

上式中，(x

本实施例中，步骤S404中求和得到最终的张量场的函数表达式为：

上式中，T(p)为最终的张量场，T

为了对本实施例方法进行验证，分别将采用本实施例张量场驱动分层路径规划的自主探索方法和未使用张量场驱动分层路径规划的自主探索方法对比，如图8所示，其中的(a)为采用本实施例张量场驱动分层路径规划的自主探索方法的搜索路径，(b)为未采用本实施例张量场驱动分层路径规划的自主探索方法的搜索路径。本实施例张量场驱动分层路径规划的自主探索方法为机器人提供了与场景结构相匹配的粗略拓扑结构(边界分组集合Q

综上所述，本实施例方法利用了基于边界和张量场驱动的方法。为了进一步释放张量场的全局优化能力，我们采用稀疏退化点作为锚点，以更好地利用局部拓扑结构进行全局路径优化。具体来说，我们发现退化点通常在结构的连接点处产生，例如入口和门廊。由于这些锚点是在探索过程中动态生成的，我们将它们表示为旅行商问题(TSP)中的扩展节点，以测量最优路径以形成粗略拓扑，这可以帮助机器人避免长距离循环探索期间的旅行。此外，提出了一种基于边界分组的扫描策略，用于细粒度级别的探索。我们动态地对锚点周围的边界进行分组，并生成一个局部精细级别的探索路径以进行完整扫描。因此，引入了分层探索策略，在保证扫描完整性的同时保持探索效率。此外，本实施例方法的张量场还支持移动策略，以避免基于粒子平流的碰撞。A

此外，本实施例还提供一种张量场驱动分层路径规划的自主探索装置，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行所述张量场驱动分层路径规划的自主探索方法。此外，本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序用于被微处理器编程或配置以执行所述张量场驱动分层路径规划的自主探索方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。