[发明专利]一种基于启发式偏置采样的室内环境机器人探索方法

说明书

本发明公开了一种基于启发式偏置采样的室内环境机器人探索方法，其包括：A、初始化；B、进行定位和建图；C、利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；D、机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后优先选择收益值最大的RRT边界点作为目标点进行探索；E、引导机器人向目标点导航并更新地图；F、当先验区域内检测不到边界点时，销毁先验区域；G、循环步骤A‑F，直至完成整个环境探索。本发明可有效减少探索过程中的回溯现象，提升探索效率。

技术领域

本发明涉及机器人技术领域，特别涉及一种基于启发式偏置采样的室内环境机器人探索方法。

背景技术

随着计算机软硬件技术的发展以及人工智能技术的突破，服务型移动机器人的研究取得了瞩目的成绩，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，主流的自主探索算法是基于边界点的探索方法，边界将探测空间分为已知区域和未知区域，引导机器人向未知区域探索可以逐步完成对整个环境的建模。在火灾救援、矿井探测等时间要求苛刻的场合，快速完成对整个环境的建模，可以有效帮助施救、开采等任务的进行。

为了更快速的完成环境建模任务，广大学者的研究重心聚焦于如何探测和选择边界点，边界点的选择直接影响探索效率。然而这类探索策略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，而忽略环境结构的潜在收益。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。

基于快速搜索随机树(RRT)的自主探索策略的核心思想是一种贪婪策略，且边界点的信息增益模型也不设计对周围环境的考量，那么机器人在每一时刻会无视周围已探索的环境结构而选取收益值最大的边界点作为目标点。比如，机器人在一个房间区域探索时，如果房间外的边界点的收益值较大，机器人就转向房间外探索，之后绕回把房间区域探索完毕，这便产生了回溯现象；其次，由于RRT算法本身的随机性，在对边界点的提取时，往往不能及时的将机器人前进区域的边界点提取出去，那么机器人也会出现选择另一个区域探索，又回头探索的现象。导致了机器人探索慢、效率低的问题。

发明内容

本发明要解决的技术问题是提供一种探索快、探索效率高的基于启发式偏置采样的室内环境机器人探索方法。

为了解决上述问题，本发明提供了基于启发式偏置采样的室内环境机器人探索方法，其包括：

A、初始化；

B、进行定位和建图；

C、在地图的空闲区域生长两棵快速搜索随机树，利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；进行启发式物体的识别并获取启发式物体的位置信息，以启发式物体的位置构造先验区域，在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；

D、当房间边界点存在时，机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后对RRT边界点进行探索，且优先选择收益值最大的RRT边界点作为目标点进行探索；

E、引导机器人向目标点导航并更新地图；

F、当先验区域内检测不到边界点时，销毁先验区域；

G、循环步骤A-F，直至完成整个环境探索。