[发明专利]基于先验信息启发式的室内环境机器人探索方法及系统

说明书

本发明涉及一种基于先验信息启发式的室内环境机器人探索方法及系统，包括以下步骤：机器人通过自身携带的传感器采集周围环境信息的数据；基于周围环境信息的数据更新一部分地图为已知区域，获得更新后的地图；使用两棵快速搜索随机树对更新后的地图进行边界提取，获得RRT边界点；识别启发式物体并对其进行位置估计，以启发式物体的位置为基准构建先验区域，在先验区域内提取边界点，获得房间边界点；基于RRT边界点和房间边界点，机器人进行室内环境探索。其优先探索先验区域内的环境，可以使机器人优先探索完一个房间区域再转向其它区域，有效减少探索过程中的回溯现象，提升探索效率。

技术领域

本发明涉及机器人探索技术领域，尤其是指一种基于先验信息启发式的室内环境机器人探索方法及系统。

背景技术

人工智能技术的突破给移动型服务机器人研究带来了巨大的机遇，智能公共服务机器人应用场景和服务模式不断拓展，带动我国服务机器人市场规模高速增长。移动型机器人自主探索是指机器人在没有任何先验知识的情况下，在一个新的环境中通过移动而建立完整环境地图的过程。目前，主要的自主探索方法可以大致分为两类：基于栅格地图的探索方法、基于特征地图的探索方法。其中，基于栅格地图的方法表征信息丰富、分辨率高，有利于对边界点信息增益模型的构建，因此我们也采用基于栅格地图的方法展开机器人自主探索的研究。基于栅格地图的研究方法中主流的是基于边界点的探索方法，该方法将探测空间划分为已知区域和未知区域，并引导机器人收集信息更新地图。为了更有效地探测环境，这种探测方法的重点主要是如何探测和选择边界。边界的选择直接影响探索效率。目前，已有的机器人探索策略大多集中在如何设计边界点信息增益模型以选择收益值较大的边界点。但是这种信息增益模型仅仅考量的是当前时刻的探索路径成本和更新该边界点周围小部分地图带来的的信息收益，而忽略了环境中障碍物的几何连续性。比如，在室内环境下，机器人在进入一个房间探索后，一般会有两种动作：①将房间区域探索完成再转向房间外探索；②房间区域还未探索完成就转向了房间外，之后再次进入房间探索。显然，第二种动作更浪费时间，效率更低；第一种继续向下探索的行动的期望收益值更大。但是，目前的机器人探索策略都是独立地评估候选边界点，而忽略环境结构的潜在收益，所以像第二种动作这种探索策略的回溯现象时常发生。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中机器人探索过程中，忽略环境结构的潜在收益，出现回溯现象的技术缺陷。

为解决上述技术问题，本发明提供了一种基于先验信息启发式的室内环境机器人探索方法，包括以下步骤：

S1、机器人通过自身携带的传感器采集周围环境信息的数据；

S2、基于周围环境信息的数据更新一部分地图为已知区域，获得更新后的地图；

S3、使用两棵快速搜索随机树对更新后的地图进行边界提取，获得RRT边界点；

S4、识别启发式物体并对其进行位置估计，以启发式物体的位置为基准构建先验区域，在先验区域内提取边界点，获得房间边界点；其中，启发式物体为门；

S5、基于RRT边界点和房间边界点，机器人进行室内环境探索。

作为优选的，所述S5包括：

S51、当房间边界点存在时，选择收益值最大的房间边界点作为目标点，当没有房间边界点存在时，则选取收益值最大的RRT边界点作为目标点；

S52、引导机器人向目标点导航。

作为优选的，边界点的收益值R1_f＝w₁*I_f-w₂*N_f，

其中，I_f为信息增益，信息增益指在质心点的信息增益半径r＝1内未知的栅格的个数，