多车辆环境探索方法及装置的制造方法
【技术领域】
[0001] 本发明涉及环境探索领域，尤其涉及一种多车辆之间协同进行环境探索的方法及 装置。
【背景技术】
[0002] 对环境的探索一直以来都是无人驾驶车辆领域的一个基础问题。为了构建相对完 整足够细致的环境地图，车辆必须要能够有效率地对环境进行探索。在车辆对环境进行探 索的过程中，一个关键问题就在于要如何移动车辆，以使得车辆能在最短时间内完成对环 境的完整探测。不幸的是，在已知的、图状的环境中，这个问题就已经是一个非确定性多项 式困难问题(NP-hard)-在这种情况下问题的本质其实就是著名的旅行推销员问题：如何 在找到经过图中所以节点一次并仅一次且回到起始节点的最短回路。
[0003] 比起使用单一的车辆系统，使用多架车辆进行环境探索有以下三个好处。第一，比 起单架车辆，多假车辆协同合作有潜力更快的完成一次对环境的探索任务。第二，多架车辆 每当在能互相感知的时候，可以通过交换关于各自位置的信息，从而更有效率地对自身进 行定位。第三，使用多个相对便宜的车辆探测系统会带来冗余性，因此我们能够得到比使用 单单一个强大的昂贵的车辆探测系统更好的容错能力。
[0004] 待解决的问题的关键在于如何去协调多架车辆的行动。如果不去对车辆的行动进 行调配，所以的车辆可能会沿着同一条探索路径行驶，这样下来多车辆系统与单一车辆系 统探索环境会消耗同样的时间，并不划算。所以，多车辆系统探索的关键在于，如何去为每 一个车辆选择不同的行动路径，使得它们能在同一时间探测环境中不同的区域。
【发明内容】
[0005] 为此，需要提供一种多车辆协同对环境探索的方法及装置，解决协调探索不同区 域的问题。
[0006] 为实现上述目的，发明人提供了一种多车辆环境探索方法，包括如下步骤，整合多 车辆的格点占据式地图，所述格点占据式地图包括代表空间环境的单元格及单元格占据信 息;根据当前车辆位置及格点占据式地图计算目标格点的移动成本和探索效用;根据所述 移动成本和探索效用确定最优移动格点;车辆向最优移动格点进行移动探索。
[0007] 优选地，所述根据当前车辆位置及格点占据式地图计算目标格点的探索效用还包 括步骤，根据启发式搜索算法计算多车辆传感器覆盖到单元格的概率，根据所述覆盖概率 降低单元格的探索效用。
[0008] 具体地，所述整合多车辆的格点占据式地图还包括步骤，计算整合后格点占据式 地图中单元格(X，y)被占据的概率
[0014] 为在车辆的格点占据式地图中单元格(x，y)被占据的概率。
[0015] -种多车辆环境探索装置，包括整合模块、成本效用模块、最优格点计算模块、移 动探索模块，
[0016] 所述整合模块用于整合多车辆的格点占据式地图，所述格点占据式地图包括代表 空间环境的单元格及单元格占据信息；
[0017]所述成本效用模块用于根据当前车辆位置及格点占据式地图计算目标格点的移 动成本和探索效用；
[0018] 所述最优格点计算模块用于根据所述移动成本和探索效用确定最优移动格点；
[0019] 所述移动探索模块用于使车辆向最优移动格点进行移动探索。
[0020] 优选地，所述成本效用模块还用于根据启发式搜索算法计算多车辆传感器覆盖到 单元格的概率，根据所述覆盖概率降低单元格的探索效用。
[0021] 具体地，所述整合模块还用于计算整合后格点占据式地图中单元格(x，y)被占据 的概率
[0027 ] /^〇CC^y )为在车辆的格点占据式地图中单元格(X，y)被占据的概率。
[0028] 区别于现有技术，上述技术方案通过计算格点占据式图中的信息确定目标格点， 通过移动成本和探索效用计算来确定最优目标，统筹多个车辆对环境的探索优化。达到了 解决协调探索问题的效果。
【附图说明】
[0029] 图1为本发明【具体实施方式】所述的对车辆环境探索方法流程图；
[0030]图2为本发明【具体实施方式】所述的格点占据式地图合并示意图；
[0031 ]图3为本发明【具体实施方式】所述的成本选择结果示意图；
[0032] 图4为本发明【具体实施方式】所述的狭窄空间获得的距离直方图；
[0033] 图5为本发明【具体实施方式】所述的开阔空间获得的距离直方图；
[0034]图6为本发明【具体实施方式】所述的最优边缘格选择结果示意图；
[0035]图7为本发明【具体实施方式】所述的多车辆环境探索装置模块图。
[0036] 附图标记说明：
[0037] 700、整合模块；
[0038] 702、成本效用模块；
[0039] 704、最优格点计算模块；
[0040] 706、移动探索模块。
【具体实施方式】
[0041]为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实 施例并配合附图详予说明。
[0042] 1、总体思路
[0043] 接下来，本文将会提出一种协调多架车辆去探索统一环境的技术。这种方法使用 了基于不同车辆收集到的数据构建出来的一张地图。除了仅仅将车辆导航至能带来最小行 动成本的目标点之外，我们的方法还额外考虑了未探索方位的效用(utility)。一旦有一架 车辆选择了能见距离种的一个目标方位，那么探索这个方位的效用就马上被减少了。我们 的方法通过在未探索方位的效用和其探索成本间的不断权衡，以达到最终的协调结果。
[0044] 在无人驾驶车辆领域的研究中，已有许多关于单一车辆系统的环境探索问题的详 细讨论，然而针对多车辆系统的探索方法却屈指可数。比起其他的一切有不同侧重点的方 法，比如说Rekleitis et al所提出的一种旨在减小测距错误的方法，由比如K.Singhand、 K. Fu j imura和B. Yamauchi所提出的一种共享同一张在探索过程建立的地图的方法，本文所 提出的方法的重点在于:通过刻意的调配，使得车辆不去选择同一个路径，同时采用基于现 有地图的距离计算方法而不是相对没那么精准的直线距离。通过这样的调配与计算，在同 一个环境中，用我们的方法进行探索所需的时间显著小于其他方法。
[0045] 2、方法概述
[0046]本方法的目标在于用最少的时间，完成能覆盖整个环境的探测过程。因此，至关重 要地，系统中的车辆要能够保持对于环境区域中已探测区域的追踪了解。此外，系统中的车 辆必须要建立一个全局地图，以用于计划车辆轨迹和协调车辆行动。本方法使用的是一种 格点占据式地图（occupancy grid map)来对环境进行表达。同时，我们要保持对环境中已 探测区域的了解，以更好的识别目标方位。由于我们对待探索环境的结构完全没有任何先 验了解，我们通过估算某一车辆到底目标点是的其传感器的探测范围来估计已探测区域的 大小与方位。了解到这个信息后，我们变安排剩下的车辆去选择不同的目标方法。本方法建 立在唯一一个假设上:车辆在探测过程中知道它们的相对位置。
[0047] 3、具体实现方法
[0048]请参阅图1所示的实施例，为本发明的一种多车辆环境探索方法流程图，包括如下 步骤