[发明专利]基于多机器人和高斯信号模型的自适应最优自组网方法

权利要求书

1.一种基于多机器人和高斯信号模型的自适应最优自组网方法，其特征在于，包括以下步骤：

S1、由主机器人进行整个工作环境的二维地图绘制，采用激光和摄像头绘制环境的二维地图；

S2、主机器人在绘制二维地图或者随机游走过程中，采集基站的WiFi信号样本点，然后对WiFi信号进行建模，形成WiFi信号模型；

S3、在步骤S2中所建立的WiFi信号模型的基础上，搜寻每个机器人最优的中继位置；

S4、当各个机器人获得了各自的最优中继位置之后，主机器人和从机器人利用蒙特卡洛的方法分别定位其在环境中的位置，然后沿着实时规划好的路径运动到最佳位置；

其中，

步骤S1中，整个二维地图的绘制过程分为前端和后端，前端主要由顺序配准和环形闭合检测构成，前端和后端这两部分都是根据传感器的观测信息建立机器人节点间的约束关系，前端处理的是局部数据的关系，后端主要是对全局数据的处理，两者合起来完成图的构建和优化；

步骤S1中，整个二维地图的绘制过程为：首先通过视觉的方法判断出闭环，当视觉判断出闭环后，系统就给激光SLAM部分的闭环检测部分发出一个闭环信号，当机器人收到这个闭环信号后，就开始进行激光SLAM的闭环检测部分；

步骤S2中，对于基站，通过先采集环境中基站的WiFi样本点，然后利用高斯过程回归的方法估计出环境中其他位置处的WiFi信号值；对于移动中继，利用WiFi高斯模型来估计环境中其他位置处的信号强度。

2.根据权利要求1所述的基于多机器人和高斯信号模型的自适应最优自组网方法，其特征在于，步骤S3中，在通信两端之间的可行路径上寻找网络中继的最优位置，其中，可行路径是采用基于概率采样的快速搜索随机树算法规划基站和客户端之间的路径；由设定的通信质量阈值，根据环境信息、两种WiFi信号模型和通信两端的路径，确定优化网络需要的机器人数量和各个机器人在环境中的位置。

3.根据权利要求2所述的基于多机器人和高斯信号模型的自适应最优自组网方法，其特征在于，步骤S3中，当只需要一个中继机器人的时候，遍历通信两端的路径来寻找最佳的中继位置；当需要多个机器人优化网络，采用势能场的方式确定需要的机器人数量和各个机器人在环境中的最优位置。

4.根据权利要求1所述的基于多机器人和高斯信号模型的自适应最优自组网方法，其特征在于，步骤S4中，实时规划好的路径采用D*算法。