[发明专利]基于目标跟踪控制策略的单移动机器人最优巡回控制方法

说明书

一种基于目标跟踪控制策略的单移动机器人最优巡回控制方法，包括地图构建、任务描述、拓扑构建、路径寻优、任务分解、目标跟踪控制和位姿信息反馈7个步骤。首先，基于线性时序逻辑理论，将构建的加权切换系统与线性时序逻辑任务公式相融合，构建任务可行网络拓扑；然后，采用基于Dijkstra算法的路径寻优方法搜索出最优路径，并将环境中对应最优路径上的离散坐标点存储在缓存中，之后按序发送给目标跟踪控制器；然后，采用目标跟踪控制方法，根据机器人与目标点之间距离和角度的偏差，给出控制量控制机器人向目标点运行；最后，在机器人运行过程中，采用全局摄像头实时获取机器人当前的位置坐标和朝向信息，并反馈给目标跟踪控制器，从而实现闭环控制。

技术领域

本系统涉及计算机图像处理、路径规划、移动机器人控制、通信等领域，尤其涉及一种基于目标跟踪控制策略的单移动机器人最优巡回控制方法。

背景技术

指示、规划、控制机器人以代替人类工作是目前工业自动控制领域的难点之一，近年来已受到了广泛的关注。机器人控制的主要目标是采用高级的近似人类逻辑的语言向机器人指示任务，使机器人在客观限制条件下自主将高级语言转换成低级的原始命令来完成任务，其中原始命令包括根据反馈控制器建立输入输出之间的对应关系，根据通信协议完成机器人个体之间或机器人与服务器之间的信息交换等，客观限制条件包括机器人自身的限制及外界物理环境对机器人的限制，机器人自身的限制包括机械限制、能量限制、计算能力及感知能力限制、通信范围的限制等，环境限制包括各种形状的障碍物及动态目标等。

对单移动机器人的控制包括上层的路径规划和基于规划路径的底层运动控制。传统的机器人路径规划方法主要针对“从A到B并避开障碍物”这种简单的点到点任务，而无法完成诸如“顺序访问A、B两点，然后巡回C、D两点”这类包含复杂巡回任务的最优路径规划。此外，传统的机器人运动控制方法主要集中在模糊控制、基于视觉的导航控制、学习控制、基于红外循迹控制等方法。其中，模糊控制需要根据经验和实验数据来制定控制策略，精度不高，自适应能力有限；基于视觉的导航控制需要实时采集并处理图像数据，处理的数据量大，对于光源、算法和硬件配置的效率要求较高；学习控制通用性差，机器学习与参数的调整是一个较为复杂的过程，性能较差；基于红外寻迹的移动机器人控制算法对光线有着特别的要求，而且需要给定红外识别对象，适用范围局限。基于目标跟踪控制策略的单移动机器人最优巡回控制方法的机器人运动控制采用了目标跟踪控制策略，区别于诸如模糊控制等传统的机器人控制策略，目标跟踪控制策略控制具有精度高、适用范围广、扩展性强、实现方便等优点，使得移动机器人能够实现最优路径的准确跟踪，从而更有效地完成复杂的巡回任务。

基于目标跟踪控制策略的单移动机器人最优巡回控制方法可以广泛的应用于如机器人排障、工厂等特殊环境的巡回监测、火灾救灾等实际应用中，实现机器人替人，从而降低任务风险，减少损失，提高工作效率。

发明内容

本发明要克服现有机器人路径规划及控制方法存在的上述缺点，提出一种基于目标跟踪控制策略的、高精度、适应性广、高效的单移动机器人最优巡回控制方法，包括基于线性时序逻辑的上层路径寻优和基于寻优路径的底层运动控制。首先，上层采用基于线性时序逻辑的最优路径规划方法规划出满足任务需求的最优路径，然后底层采用目标跟踪控制策略实现路径跟踪控制，同时结合实时的机器人位姿反馈信息(机器人的位置坐标和朝向信息)及时校准机器人的运动，实现闭环控制。

本发明解决其技术问题所采用的技术方案是：