基于目标跟踪控制策略的单移动机器人最优巡回控制方法
【技术领域】
[0001] 本系统涉及计算机图像处理、路径规划、移动机器人控制、通信等领域，尤其涉及 一种基于目标跟踪控制策略的单移动机器人最优巡回控制方法。
【背景技术】
[0002] 指示、规划、控制机器人以代替人类工作是目前工业自动控制领域的难点之一，近 年来已受到了广泛的关注。机器人控制的主要目标是采用高级的近似人类逻辑的语言向机 器人指示任务，使机器人在客观限制条件下自主将高级语言转换成低级的原始命令来完成 任务，其中原始命令包括根据反馈控制器建立输入输出之间的对应关系，根据通信协议完 成机器人个体之间或机器人与服务器之间的信息交换等，客观限制条件包括机器人自身的 限制及外界物理环境对机器人的限制，机器人自身的限制包括机械限制、能量限制、计算能 力及感知能力限制、通信范围的限制等，环境限制包括各种形状的障碍物及动态目标等。
[0003] 对单移动机器人的控制包括上层的路径规划和基于规划路径的底层运动控制。传 统的机器人路径规划方法主要针对"从A到B并避开障碍物"这种简单的点到点任务，而无 法完成诸如"顺序访问A、B两点，然后巡回C、D两点"这类包含复杂巡回任务的最优路径规 划。此外，传统的机器人运动控制方法主要集中在模糊控制、基于视觉的导航控制、学习控 制、基于红外循迹控制等方法。其中，模糊控制需要根据经验和实验数据来制定控制策略， 精度不高，自适应能力有限；基于视觉的导航控制需要实时采集并处理图像数据，处理的数 据量大，对于光源、算法和硬件配置的效率要求较高；学习控制通用性差，机器学习与参数 的调整是一个较为复杂的过程，性能较差；基于红外寻迹的移动机器人控制算法对光线有 着特别的要求，而且需要给定红外识别对象，适用范围局限。基于目标跟踪控制策略的单 移动机器人最优巡回控制方法的机器人运动控制采用了目标跟踪控制策略，区别于诸如模 糊控制等传统的机器人控制策略，目标跟踪控制策略控制具有精度高、适用范围广、扩展性 强、实现方便等优点，使得移动机器人能够实现最优路径的准确跟踪，从而更有效地完成复 杂的巡回任务。
[0004] 基于目标跟踪控制策略的单移动机器人最优巡回控制方法可以广泛的应用于如 机器人排障、工厂等特殊环境的巡回监测、火灾救灾等实际应用中，实现机器人替人，从而 降低任务风险，减少损失，提尚工作效率。
【发明内容】
[0005] 本发明要克服现有机器人路径规划及控制方法存在的上述缺点，提出一种基于目 标跟踪控制策略的、高精度、适应性广、高效的单移动机器人最优巡回控制方法，包括基于 线性时序逻辑的上层路径寻优和基于寻优路径的底层运动控制。首先，上层采用基于线性 时序逻辑的最优路径规划方法规划出满足任务需求的最优路径，然后底层采用目标跟踪控 制策略实现路径跟踪控制，同时结合实时的机器人位姿反馈信息（机器人的位置坐标和朝 向信息）及时校准机器人的运动，实现闭环控制。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] 一种基于目标跟踪控制策略的单移动机器人最优巡回控制方法，包括地图构建、 任务描述、拓扑构建、路径寻优、任务分解、目标跟踪控制和位姿信息反馈7个步骤，其特征 在于：首先，对输入的环境信息进行建模，构建加权切换系统模型，同时输入描述任务需求 的线性时序任务公式，并进行转换，输出任务图表；其次，将加权切换系统模型和任务图表 进行融合，构建任务可行网络拓扑；接着，采用基于Di jkstra算法的最优路径搜索算法在 任务可行网络拓扑上搜索出满足任务需求的最优路径，并将任务可行网络拓扑上的最优路 径映射回加权切换系统模型，获得环境中满足任务需求的最优路径；之后，将实际环境中对 应最优路径上的离散坐标点存储在缓存中，并结合当前任务完成情况，按序读取缓存中的 目标点；然后，采用目标跟踪控制策略，结合目标点坐标信息和实时反馈的机器人位置与 朝向信息，根据机器人与目标点之间的距离和角度的偏差给出控制量，控制机器人完成最 优路径跟踪；最后，实时采集机器人当前运行环境的图像信息，通过色块识别的方法，采用 UDP通信的方式，反馈回机器人当前的位置坐标和朝向信息，具体实现步骤如下：
[0008] 步骤1，地图构建
[0009] 将机器人当前运行环境构建为加权切换系统模型；将移动机器人所在的运行环境 划分为有限多个方块区域，每个独立的区域用字母Q iE Q表示，其中i e {1，2, 3，...}，Q 是区域的集合，(^表示机器人的初始位置，机器人在环境中的移动对应区域的变化，表示为 -;从一个区域到相邻区域的移动距离或是机器人移动的成本（权值），表示为ω，移动机 器人在特定区域所执行的任务表不为π ie Π ，其中i e {1，2, 3,...}，Π 是所有任务的集 合；如此构成一个转换系统模型，用字母T表示：T = (Qjtl，一，Π ，ω);
[0010] 步骤2,任务描述
[0011] 采用线性时序逻辑语言来描述指定任务，以线性时序任务公式的形式表达任务需 求，并将任务公式转换为任务图表；线性时序逻辑语言产生的表达式基于切换系统的任务 集合JiiG Π ，线性时序逻辑语言的语法包括如下：线性时序逻辑语言的谓词包括η (非）、 V (或）、Λ (与）、□(全局）、?(最终）、U(直到）；用线性时序逻辑语言表述的任务需 求用字母Φ表示，Φ是由切换系统模型中的子任务n和谓词所组成的表达式：假 设Φ 2为两个任务需求，I (J)1表示不能执行Φ i，- ΦΖ Φ 2表示执行Φ 2同时避免 执行Φρ ΦΖ ( □ Φ 2)表示执行Φ?和Φ 2并最终执行伞2，（〇口 Φ?) Λ (?□ Φ2)表 示循环执行1和Φ 2;采用线性时序逻辑语言表述的移动机器人巡回任务为：
[0012] ( ?□ 0) Λ ( ?□ q!) Λ ( ?□ q2) Λ ( ?□ q3) Λ · · ·
[0013] 其中，O为机器人运行环境中需要全局避开的区域，qie Q为环境中需要巡回的节 点；在获得任务表达式后，采用LTL2BA工具箱将任务表达式Φ转换成对应的BUchi自动 机，Bilchi自动机是可判断输入的路径序列是否满足任务需求的图表，用字母B表不：B = ΣΒ，δ B，F)，其中S是有限状态集合，\ ^ S是初始状态集合，ΣB是输入字母表，δ B 是转换函数，是最终状态集合；Bilchi自动机可以保证路径满足任务需求；
[0014] 步骤3,拓扑构建
[0015] 将加权切换系统模型和任务图表相融合构建任务可行网络拓扑；把输入的加权切 换系统模型T与任务图表B作笛卡尔乘积，得到任务可行网络拓扑，用字母P表示，即P = TXB，其中 T= (Q，Q0, -，Π ，ω)，Β= (S，S0, ΣΒ，SB，F)，P= (SP，Sp0, - P，FP)，Sp=QXS 为有限状态集合，Sptl= Q C1X Stl为初始状态集合，X&为转换函数，Fp= QXF为最终 状态集合；在任务可行网络拓扑上所包含的路径，既满足指定的任务需求，又符合机器人当 前的运行环境；
[0016] 步骤4,路径寻优
[0017] 采用基于Dijkstra算法的最优路径搜索算法，根据线性时序逻辑任务公式中要 求访问节点的出现顺序，在任务可行网络拓扑上搜索出最优路径，然后任务可行网络拓扑 上的最优路径映射回加权切换系统模型上，获得实际环境中的最优路径；其中，搜索所得的 最优路径为一个机器人运行环境中最优路径上对应的离散坐标点集；
[0018] 步骤5,任务分解
[0019] 将步骤4所得的最优路径存入缓存，并结合当前任务完成情况（已访问的点），按 序将离散坐标点集中的坐标信息发送给目标跟踪控制器，用以控制机器人实现路径跟踪， 直到遍历离散坐标点集中的所有点，以确保机器人完成完整的路径跟踪；
[0020] 步骤6,目标跟踪控制
[0021] 结合步骤5给出的目标点坐标（X' /)和实时反馈的机器人当前位置坐标（X，y)， 根据两轮差动机器