一种移动机器人寻找放射源轨迹的方法
【技术领域】
[0001] 本发明涉及移动机器人寻找放射源轨迹的方法。
【背景技术】
[0002] 移动机器人对于气味源的搜寻方法研究分为两个阶段，前一阶段研究者多采用生 物启发式方法，后一阶段开始发展出工程类方法。在寻源算法的研究方面，当前的气味源搜 寻算法不适合移植到放射源搜寻中。首先，气味源搜寻算法均通过发现并跟踪烟羽实现寻 源，而放射源形成的辐射场中并不存在类似烟羽的物质。其次，高效的搜寻算法均需要利用 风向信息，而辐射场的分布并不根据风向而改变。通常在小型移动机器人的结构尺寸所占 据的范围中核辐射强度变化并不明显，受放射性物质传感器本身性能所限，目前还无法制 造出可远距离高精度检测辐射强度的传感器，因此基于梯度信息的声源搜寻算法不适用于 放射源搜寻。
[0003] 在放射源定位方法方面，康普顿成像仪体积庞大，不具备移动测量的可行性，对于 立体视觉成像法和三维图像重建法，虽然目前已有小型移动式γ相机，但其体积也较大， 不适合安装于小型移动机器人上行走。
【发明内容】
[0004] 本发明的目的是为了解决现有基于梯度信息的声源搜寻算法不适用于放射源搜 寻、不适合安装于小型移动机器人上行走、成本高、效率低的问题，而提出一种移动机器人 寻源方法。
[0005] 上述的发明目的是通过以下技术方案实现的：
[0006] 步骤一、将目标所在位置区域离散化，得到8个邻域，根据离散化结果设计最优函 数，根据最优函数计算出8个邻域中的最大值；
[0007] 步骤二、目标移动到8个邻域中的最大值所在的点，重复执行步骤一，获得一条寻 源轨迹。
[0008] 发明效果
[0009] 采用本发明的一种移动机器人寻找放射源轨迹的方法，本专利借鉴气味源的搜寻 方法，只采用一个传感器，成本低，传感器体积小，便于安装在小型移动机器人上，适用于放 射源搜寻；
[0010] 现在已有的气味源搜寻算法都要利用风向信息，控制机器人沿着逆风方向跟踪烟 羽；现有的火源和声源的搜寻算法则大多采用多个传感器测出温度或声强的梯度方向，这 样的方法成本高、效率低。由于放射源的辐射分布不会根据风向信息改变，而且在距离放射 源较远处，测量小间距的多点辐射强度值无法得到辐射强度梯度方向，但是本专利涉及的 传感器受自然环境干扰较小，而且在远距离测量场强的过程中能够利用本专利提出的模型 对未知点进行辐射强度估计。
[0011] 建立基于高斯过程回归的最优化函数，通过解决一个最优化问题指导机器人在邻 域中选择最优点作为机器人下一步的路径点，通过多次解决局部最优化问题获得全局的最 优解。解决了现有基于梯度信息的声源搜寻算法不适用于放射源搜寻以及不适合安装于小 型移动机器人上行走的问题，精度高，效率高。
【附图说明】
[0012] 图1为收索区域离散化示意图；
[0013] 图2为目标A点的邻域不意图；
[0014] 图3为寻源轨迹流程图；
[0015] 图4为实物仿真实验环境图；
[0016]图5为离散化的计算机仿真环境图；
[0017] 图6a为机器人从环境右上角（975, 975)出发搜寻在（230, 920)位置放射源结果 图；
[0018] 图6b为机器人从环境右上角（975, 975)出发搜寻在（140, 570)位置放射源结果 图；
[0019] 图6c为机器人从环境右上角（975, 975)出发搜寻在（80, 220)位置放射源结果 图；
[0020] 图6d为机器人从环境右上角（975, 975)出发搜寻在（330, 90)位置放射源结果 图；
[0021] 图7a为机器人从环境右下角（975, 25)出发搜寻在（120, 950)位置放射源结果 图；
[0022] 图7b为机器人从环境右下角（975, 25)出发搜寻在（170, 630)位置放射源结果 图；
[0023] 图7c为机器人从环境右下角（975, 25)出发搜寻在（200, 100)位置放射源在结果 图；
[0024] 图7d为机器人从环境右下角（975, 25)出发搜寻在（930, 920)位置放射源结果 图；
[0025] 图8a为从（975, 975)开始搜寻位于（80, 220)处放射源过程中GPR对真实辐射场 分布的估计图；
[0026] 图8b为从（975, 975)开始搜寻位于（80, 220)处放射源过程中GPR对第1步预测 辐射场分布的估计图；
[0027] 图8c为从（975, 975)开始搜寻位于（80, 220)处放射源过程中GPR对第20步预 测辐射场分布的估计图；
[0028] 图8d为从（975, 975)开始搜寻位于（80, 220)处放射源过程中GPR对第37步预 测辐射场分布的估计图；
[0029] 图9为实物仿真实验环境图；
[0030] 图10为离散化的实物仿真实验环境图；
[0031] 图11a为实验用机器人图；
[0032] 图1 lb为实验用仿真辐射源图；
[0033] 图12a为机器人在真实实验环境图；
[0034] 图12b为WiFi信号发射器所处位置图；
[0035] 图13a为机器人从搜寻起始点1出发的搜寻开始实验过程图；
[0036]图13b为机器人从搜寻起始点1出发的搜寻前期实验过程图；
[0037]图13c为机器人从搜寻起始点1出发的搜寻中期实验过程图；
[0038] 图13d为机器人从搜寻起始点1出发的搜寻后期搜寻结果实验过程图；
[0039] 图13e为机器人从搜寻起始点1出发的搜寻结果实验过程图；
[0040] 图14a为机器人从搜寻起始点2出发的搜寻开始实验过程图；
[0041] 图14b为机器人从搜寻起始点2出发的搜寻前期实验过程图；
[0042] 图14c为机器人从搜寻起始点2出发的搜寻中期实验过程图；
[0043] 图14d为机器人从搜寻起始点2出发的搜寻后期搜寻结果实验过程图；
[0044] 图14e为机器人从搜寻起始点2出发的搜寻结果实验过程图。
【具体实施方式】
【具体实施方式】 [0045] 一：结合图1、2、3说明本实施方式，本实施方式的一种移动机器人 寻找放射源轨迹的方法，具体是按照以下步骤制备的：
[0046] 步骤一、将目标所在位置区域离散化，得到8个邻域，根据离散化结果设计最优函 数，根据最优函数计算出8个邻域中的最大值；
[0047] 步骤二、目标移动到8个邻域中的最大值所在的点，重复执行步骤一，获得一条寻 源轨迹；寻源轨迹为移动机器人寻找放射源轨迹。
[0048]
【具体实施方式】二：本实施方式与【具体实施方式】一不同的是：所述步骤一中将目标 所在位置区域离散化，得到8个邻域，根据离散化结果设计最优函数，根据最优函数计算出 8个邻域中的最大值；具体过程为：
[0049] 使用地面移动机器人进行放射源的搜寻，最重要的就是给机器人设计合适的人工 智能寻源算法。
[0050] 首先，搜索区域的离散化。连续的搜索空间存在问题的无限多组解，为缩小问题的 解空间并加快搜寻，同时使每次辐射强度的测量能得出有价值的不同结果，有必要将连续 的空间离散化；
[0051] 采用边长为1。的正方形栅格将连续的搜索区域分割为离散化的搜索区域，1。为正 方形栅格的边长，1。的大小根据放射源的搜寻所需的精确度以及机器人的尺寸来确定，为 人为设定（比如要求收索精度在lm以内，1。的取值为lm)，在搜索过程中，机器人在正方形 栅格的中心点处进行位置点坐标的记录（x，y)和辐射强度值的检测；
[0052] 假定搜索区域为一个矩形的二维环境，其长度和宽度分别为LdPLy，长度为X轴 方向，宽度为y轴方向，则X轴和y轴方向划分的栅格数M、N分别为：
[0053]M=ceil(Lx/lc) (6)
[0054]N=ceil(Ly/lc)
[0055]
[0056]式中，ceil()为取不小于自变量的最小整数，自变量为Lx/1。或1^/1。山为矩形二 维环境的长度，Ly为矩形二维环境的宽度，Μ取值范围为正整数，N取值范围为正整数；图1 为搜索区域的离散化示意图；
[0057]当机器人处在离散化的搜索区域中某一点时，其下一步的目标点为其邻域中的一 个点，定义机器人所在位置的邻域为其所在栅格周围8个栅格的中心点，得到8个邻域，根 据离散化结果设计最优函数，根据最优函数计算出8个邻域中的最大值。如图2所示，A点 为机器人所在位置点，其他黑色小圆点为A点的邻域。
[0058] 其它步骤及参数与【具体实施方式】一相同。
【具体实施方式】 [0059] 三：本实施方式与一或二不同的是：所述辐射强度值 的检测根据公式1计算得出：
[0060] U(χ；) = Ui (χ；) u2 (χ；) u3 (χ；) (i = 1, 2, ··