一种分布式自主机器人交通协调机制的设计方法与流程
本发明属于移动机器人领域，尤其涉及一种分布式自主机器人交通协调机制的设计方法。
背景技术：
当今社会人工成本的日益增长，人工智能领域技术的突飞猛进，在仓储物流、制造业等领域，越来越多的企业使用自动导引车代替高昂的人力成本，由于移动机器人具有自动化程度高、可靠性好、生产效率高、适应性强、成本低等优点，使其在自动化仓储领域得到广泛应用。路径规划后就意味着冲突问题的产生。所以路径规划、路径冲突探测和冲突解决是交通协调机制的最主要的问题。拥有一套优秀的调度系统可以大大提高路径规划的效率，降低企业的生产成本。
我们常常使用的集中式虽然拥有统一配置平台、实现简单、算法成熟等优点，但是在大规模多智能体的情况下，集中式系统就显得比较繁琐复杂，如果出现错误整个系统就会面临瘫痪的局面。此时我们就需要使用分布式系统，分布式利用计算机网络把分布在不同地点的计算机硬件、软件、数据等信息资源联系在一起服务于一个共同的目标而实现相互通信和资源共享，就形成了管理信息系统的分布式结构。具有分布结构的系统称为分布式系统。分布式系统扩展方便，健壮性好。能够适应群智能体系统，有利于发挥用户在系统开发、维护信息资源管理。
技术实现要素：
本发明的目的在于移动机器人遇到任务时，通过如何解决路径规划、路径冲突探测和冲突解决的问题，使得最终能够规划出一条机器人无碰撞运动路径。这就是解决交通协调机制里面的重点问题。对于路径规划问题，主要解决几个子问题：当给定起点和终点的时候，需要规划出一条完整的路径；需要考虑这条路径在实际制造业中的可行性，重点包括机器人模型对于路径的转向问题；如何避免路径中出现过多的拐点；针对解决路径冲突探测，要探测出所有可能存在的冲突，需要得知究竟是哪一种或哪几种具体的冲突；通过冲突解决策略，分别采用不同的方法策略使得路径规划中的冲突问题能够解决。
本发明的目的是通过以下技术方案实现的：一种分布式自主机器人交通协调机制的设计方法，该方法使用分布式自主移动机器人信息交换和自主决策，实现移动机器人动态的交通协调；该方法包括以下步骤：
步骤1、分布式自主移动机器人系统选举master节点；
步骤2、每个自主移动机器人根据待执行的任务自主计算最优路径；
步骤3、每个自主移动机器人根据实时获得的其他机器人当前的状态及其规划的最优路径，预测可能的冲突类型和冲突点或冲突路径，并根据效率优先的原则以及从master节点处获取的已被锁定的路径段信息，向master节点申请可允许其自身继续前进的路径段，该允许路径段取值在lmin和lmax之间；
(a)冲突预测：检测离当前允许路径段终点是否存在与其他机器人的冲突点或冲突路径，并判断冲突类型，所述冲突类型包括节点冲突、赶超冲突和相向冲突的一种或多种；
(b)根据前述预测可能会发生的冲突类型和冲突点或冲突路径，允许前进路径段的自主计算规则如下：
规则一、针对节点冲突和相向冲突，根据优先级高低获取冲突点或冲突路径的优先使用权，亦即当预测到有更高优先级的机器人将会占用冲突点或冲突路径时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则二、针对节点冲突和相向冲突，若出现各机器人优先级相等，则预测自身和冲突机器人进入和离开冲突点或冲突路径的时间窗；然后根据离开时刻越早越能获得该冲突点或冲突路径的优先使用权；亦即当预测到有更快离开该冲突点或冲突路径的其他机器人时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则三、针对节点冲突和相向冲突，若机器人优先级相等并且进入和离开冲突点或冲突路径的时间窗也相等，该机器人不采取避让策略，从而确定为该冲突点或冲突路径为自身的允许前进路径段的一部分；
规则四、当预测获得的自身允许前进路径段小于lmin时，则比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空；
规则五、针对赶超冲突，该机器人将赶超冲突路径纳入自身的允许前进路径段的一部分，并让其自身运行在跟随模式；
步骤4、获得master节点许可应答后，每个机器人根据可继续前进的允许路径执行，否则停止；同时，每个移动机器人每经过一个站点后，向master节点上报释放该站点；
步骤5、master节点更新锁定路径段信息，并同时同步给所有在线的其他机器人。
进一步地，所述步骤1中，分布式自主移动机器人系统master节点选举为动态选举，可根据机器人存活的时长或者随机数大小动态选举产生master节点。
进一步地，所述步骤2中，移动机器人根据移动机器人的起点和待执行任务的终点，使用改进的最优路径规划算法计算最优路径，具体步骤如下：
首先在移动机器人的起点开始探索周围地图中的站点即可通行点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；代价函数f的公式如下：
f＝(β*g(s)+γ*t)+α*h(e)
其中，α，β和γ为调节因子，用于保证代价和估计成本在一个数量级上，g(s)是地图中某一候选节点到起点的距离代价，t是拐点代价，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，h(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取f值最小的候选节点。
进一步地，所述步骤3中，冲突类型具体如下：
节点冲突：当两条规划的路径段相交于一点，且未有路径重叠，即为节点冲突，该点则为冲突点；
相向冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相反的运行方向，即为相向冲突，该重叠路径段则为相向冲突路径；
赶超冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相同的运行方向，即为赶超冲突，该重叠路径段则为赶超冲突路径。
进一步地，所述步骤3中，机器人的优先级原则可以由两个因素决定：(1)通过继承任务的优先级获得；(2)当执行的任务离完成的时间越接近时，临时提升其优先级。
进一步地，所述步骤3中，其他机器人的当前状态以及其自我规划的最优路径，可以通过发布/订阅的方式获得。
进一步地，所述的规则一至三中，将相向冲突路径纳入到自身允许前进路径段的一部分时，若导致允许前进路径段长度大于lmax，仍然允许其包含该相向冲突路径。
进一步地，所述的规则五中，移动机器人运行在跟随模式时，该移动机器人根据实时获得的被跟随机器人的位置和速度，更新自身的速度控制，保证跟随与被跟随机器人的距离间隔大于等于一个设定值dfollow，同时避障传感器避障减速阈值也设为dfollow。
进一步地，所述步骤4中，master节点根据异步机制上传的允许路径请求做冲突检测，并给予优先申请的机器人肯定确认信息，而给予存在冲突的其他机器人以否定信息；获得master否定信息的机器人，则需重新进行冲突预测计算并再次提出申请。
进一步地，所述步骤5中，master节点根据以下两种信息更新锁定路径段信息：(1)各机器人提交的允许前进路径段申请；(2)各机器人每经过一个站点后上报的该站点释放信息；master节点的锁定路径段信息，一旦发生更新时，基于事件触发机制随机同步更新给所有在线的其他机器人；master节点存放的路径段锁定信息采用非负整型表示，0表示未被占用，正整数表示被占用，允许赶超冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。
本发明的有益效果是：本发明的目的在于分布式网络环境中多个自主移动机器人在同一工作环境下执行任务时，如何解决机器人路径规划、路径冲突检测和冲突解决的问题，使得最终能够动态规划出所有机器人可高效运行、无碰撞、无相向冲突的可行路径。本发明采用分布式协调和自主决策的计算方法，实现多个机器人之间的交通协调，无需集中式后台服务器进行统一规划和计算，大大提升了多机器人协作系统的可扩展性和鲁棒性。
附图说明
图1为本发明分布式自主机器人交通协调机制的设计方法流程图；
图2为节点冲突示意图；
图3为相向冲突示意图；
图4为赶超冲突示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请提出的一种分布式自主机器人交通协调机制的设计方法，该方法使用分布式自主移动机器人信息交换和自主决策，实现移动机器人动态的交通协调；如图1所示，该方法包括以下步骤：
步骤1、分布式自主移动机器人系统选举master节点；
具体地，可根据机器人存活的时长或者随机数大小动态选举产生master节点；
步骤2、每个自主移动机器人根据待执行的任务自主计算最优路径；以下给出一种最优路径计算方法，但不限于此：
移动机器人根据移动机器人的起点和待执行任务的终点，使用改进的最优路径规划算法计算最优路径；具体的步骤如下：首先在移动机器人的起点开始探索周围地图中的站点即可通行点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；代价函数f的公式如下：
f＝(β*g(s)+γ*t)+α*h(e)
其中，α，β和γ为调节因子(用于保证代价和估计成本在一个数量级上)，g(s)是地图中某一候选节点到起点的距离代价，t是拐点代价(拐点即当前节点的父节点、当前节点和候选节点形成路径转弯)，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，h(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取f值最小的候选节点；
步骤3、每个自主移动机器人根据实时获得的其他机器人当前的状态(包括位置、速度)及其规划的最优路径，预测可能的冲突类型和冲突点或冲突路径，并根据效率优先的原则以及从master节点处获取的已被锁定的路径段信息，向master节点申请可允许其自身继续前进的路径段，该允许路径段取值在lmin和lmax之间，其中lmin一般选取为1到3个站点间隔的长度，lmax大于lmin；其他机器人的当前状态以及其自我规划的最优路径，可以通过发布/订阅的方式获得；
机器人的优先级原则可以由两个因素决定：(1)通过继承任务的优先级获得(任务点在分配任务时，通常设定任务的优先级，机器人通过获取任务的优先级作为自身的优先级)；(2)当执行的任务离完成的时间越接近时，临时提升其优先级；
其中冲突预测和允许前进路径段自主计算方法如下：
(3.1)冲突预测：检测离当前允许路径段终点(lmax距离的未来路径段)是否存在与其他机器人的冲突点或冲突路径，并判断冲突类型，所述冲突类型包括节点冲突、赶超冲突和相向冲突的一种或多种；图2、3、4分别表示了节点冲突、相向冲突、赶超冲突；
节点冲突：当两条规划的路径段相交于一点，且未有路径重叠，即为节点冲突，该点则为冲突点；
相向冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相反的运行方向，即为相向冲突，该重叠路径段则为相向冲突路径；
赶超冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相同的运行方向，即为赶超冲突，该重叠路径段则为赶超冲突路径；
(3.2)根据前述预测可能会发生的冲突类型和冲突点或冲突路径，允许前进路径段的自主计算规则如下：
规则一、针对节点冲突和相向冲突，根据优先级高低获取冲突点或冲突路径的优先使用权，亦即当预测到有更高优先级的机器人将会占用冲突点或冲突路径时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则二、针对节点冲突和相向冲突，若出现各机器人优先级相等，则预测自身和冲突机器人进入和离开冲突点或冲突路径的时间窗
规则三、针对节点冲突和相向冲突，若机器人优先级相等并且进入和离开冲突点或冲突路径的时间窗也相等，该机器人不采取避让策略，即冲突机器人采取避让策略，从而确定为该冲突点或冲突路径为自身的允许前进路径段的一部分；
规则四、当预测获得的自身允许前进路径段小于lmin时，则比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空；
规则五、针对赶超冲突，该机器人将赶超冲突路径纳入自身的允许前进路径段的一部分，并让其自身运行在跟随模式；
进一步地，所述的规则一至三中，将相向冲突路径纳入到自身允许前进路径段的一部分时，若导致允许前进路径段长度大于lmax，仍然允许其包含该相向冲突路径；
进一步地，所述的规则五中，移动机器人运行在跟随模式时，该移动机器人根据实时获得的被跟随机器人的位置和速度，更新自身的速度控制，保证跟随与被跟随机器人的距离间隔大于等于一个设定值dfollow，同时避障传感器避障减速阈值也设为dfollow；
步骤4、获得master节点许可应答后，每个机器人根据可继续前进的允许路径执行，否则停止；同时，每个移动机器人每经过一个站点后，向master节点上报释放该站点；
进一步地，master节点根据异步机制上传的允许路径请求做冲突检测，并给予优先申请的机器人肯定确认信息，而给予存在冲突的其他机器人以否定信息；获得master否定信息的机器人，则需重新进行冲突预测计算并再次提出申请。
步骤5、master节点更新锁定路径段信息，并同时同步给所有在线的其他机器人。
进一步地，master节点根据以下两种信息更新锁定路径段信息：(1)各机器人提交的允许前进路径段申请；(2)各机器人每经过一个站点后上报的该站点释放信息；master节点的锁定路径段信息，一旦发生更新时，基于事件触发机制随机同步更新给所有在线的其他机器人；master节点存放的路径段锁定信息采用非负整型表示(0表示未被占用，正整数表示被占用)，允许赶超冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。
以上所述仅是本发明的优选实施方式，虽然本发明已以较佳实施例披露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
- 还没有人留言评论。精彩留言会获得点赞！