一种基于缓冲维诺图的复杂动态安保环境下多机协同围捕方法
点，然后将多个围捕机器人以全局距离最短的原则分配在可疑机器人周围的围 捕点上。最后，以递归的方式控制围捕机器人的行动对相应的围捕点进行避障 跟踪，直到满足所有围捕机器人均到达可疑机器人周围的围捕点上或者可疑机 器人被围堵在边界上的角落上则停止追踪条件，实现对可疑机器人的协同围捕。
6.本发明提出一种应用于复杂动态安保环境下的基于缓冲维诺图的多 机器人协同围捕策略，包括：步骤一：根据围捕机器人、可疑目标以及障碍物的位置信息构建缓冲维诺图区 域如图2所示，定义此区域为机器人安全活动区域，确保在此范围内无障碍物。 步骤二：当环境中出现可疑目标时，根据围捕机器人和可疑机器人数量在可疑 目标周围生成能够均匀包围该目标的围捕点。接下来，基于匈牙利算法根据围 捕机器人与围捕点目标的距离进行实时任务分配，即合理分配每个机器人跟踪 不同的围捕点，进而达成最优的全局协同围捕策略，实现对所有可疑目标的快 速围捕，如图3所示。步骤三：对于一组机器人，当每个围捕机器人的任务确定后，它们工作的 目的是确保以分散的方式跟踪可疑机器人附近的围捕点，同时避免其他围捕机 器人之间的碰撞。即每个围捕机器人跟踪其自身安全区域内最接近可疑目标的 围捕点。本发明根据围捕机器人与障碍物之间的位置关系，提出一种基于维诺 缓冲区域的围捕控制器设计方法。一方面，在每个机器人的维诺安全区域内， 可以确定它们在下一时刻的运动位置则是无碰撞的。另一方面，当机器人行驶 途中，目标点靠近障碍物时，此点将沿着障碍物的切线旋转，从而远离障碍物。 进而该围捕机器人也会跟随目标点驶离障碍物从而实现机器人避障要求。当围 捕机器人离周围障碍物较远时，则直接朝围捕点方向移动。
7.根据本发明的一种应用于安保环境下多机器人协同围捕方法，在步骤 一中，包括以下步骤：
8.步骤1：给定已知地图中围捕机器人、可疑机器人、及凸面多边形 障碍物的位置信息，确定机器人自身感应范围。
9.步骤2：根据围捕机器人与可疑目标的位置信息，采用最大边界分类 器(maximal margin classifier，mmc)方法计算分离围捕机器人与感知范围内 障碍物的超平面，由于在二维平面上超平面为一条直线，因此，在二维地图中， 分割围捕机器人与障碍物的直线即为二者之间相邻的缓冲维诺区域边界，如图 4所示。
10.步骤3：根据围捕机器人与感知范围内其他机器人的位置信息，基于 线性分离器的概念，求出分离两种不同类型的样本点的超平面，即围捕机器人 与感知范围内其他机器人两个坐标点之间的超平面。该超平面表示围捕机器人 与其他机器人相邻的缓冲维诺区域边界，如图5所示。
11.步骤4：结合机器人自身感应范围，将步骤2、3中的边界相交，所 求出的交点为维诺缓冲区域顶点，该顶点所包围的闭合区域为维诺缓冲区域， 如图6所示。
12.根据本发明的一种应用于安保环境下多机器人围捕方法，在步骤二 中，包括以下进一步步骤：
13.步骤1：为了防止可疑机器人脱逃的情况发生，根据围捕机器人 的数量和围捕半径在可疑机器人周围生成均匀分布的围捕点pi∈{1,2...n}。
14.步骤2：对围捕机器人进行任务分配，每个围捕机器人指定自己 的围捕点作为跟
踪目标，如图7所示，详细步骤如下。
15.①
计算各围捕机器人与各围捕点之间的距离，生成如表1所示的 距离表，根据表1可以进一步生成实时距离矩阵。表1.各围捕机器人与各围捕点之间的距离表其中，d
i,j
代表围捕机器人i与围捕点j之间的距离。
16.②
对实时距离矩阵进行矩阵变换，直至在不同行、不同列中至少 有一个0元素。这些0元素所在的行列则表示围捕机器人i对于围捕点j的任务 分配。例如当第i行所有元素仅d
i,2
＝0，表示第i个围捕机器人分配到跟踪围捕 点2的任务。根据本发明的一种应用于安保环境下多机器人围捕方法，在步骤三中，包 括以下进一步步骤：
17.步骤1：当围捕机器人被分配围捕任务，确定了跟踪目标后，采 取联合围捕策略。当距离障碍物较近时，围捕机器人采用基于缓冲维诺图的围 捕算法。每个采样时间内，机器人计算它的缓冲维诺安全区域，并且在安全区 域内部求出离围捕点最近的目标点域内部求出离围捕点最近的目标点的详细求解步骤如下：
18.①
机器人缓冲维诺安全区域v＝(e,e)是凸多边形,其中e与e分别表 示缓冲维诺安全区域v的边与顶点。计算围捕机器人的围捕点pi与其缓冲维诺 安全区域v中所有顶点e的内角和θ。
19.②
如果围捕机器人的围捕点pi与缓冲维诺安全区域所有顶点的内角 和θ等于2π，则表示围捕机器人的围捕点pi在缓冲维诺安全区域内部。即围捕 机器人安全区域中离围捕点pi最近的目标点与围捕点pi重合，
20.③
如果围捕机器人的围捕点pi和其缓冲维诺安全区域内所有顶点的 内角和θ不等于2π，则表示围捕机器人的围捕点pi在缓冲维诺安全区域外部。 需要通过计算λi来判断围捕机器人内部离目标最近的点是在机器人缓冲维诺 安全区域vi的边上或是与缓冲维诺安全区域v中某一个顶点ei重合。
21.④
当λi∈[0,1]，则围捕机器人内部离目标围捕点pi最近的点在机器人 缓冲维诺安全区域ei边上，计算边ei上离围捕点pi最近的点g
p
。
[0022]
⑤
当可以确定与机器人缓冲维诺安全区域ei边上的两个顶 点中某一个点重合。然后分别计算围捕点pi与边ei中两个顶点的距离，与其 中距离最近的顶点重合。
[0023]
⑥
根据步骤
①
～
⑤
同步计算其他围捕机器人i缓冲维诺安全区内部出 离目标最近的目标点
[0024]
步骤2：当围捕机器人离障碍物较近时，围捕机器人确定跟踪的目标 点后，计算每个围捕机器人到各自目标点的单位方向向量，通过单位方向向 量乘以围捕机器人最大
速度，最终求出围捕机器人在缓冲维诺图的围捕算法下 控制输入。
[0025]
步骤3：当围捕机器人离障碍物较远时，采取直接跟踪围捕点的策略， 计算围捕机器人到自己目标围捕点pi的单位方向向量，通过单位方向向量乘以 围捕机器人最大速度，求出围捕机器人直接围捕下控制输入。
附图说明
[0026]
构成本技术的一部分的说明书附图用来提供对本技术的进一步理解， 本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限 定。
[0027]
图1为本发明中整体系统的框架图；
[0028]
图2缓冲维诺安全区域构建的流程图；
[0029]
图3为围捕机器人跟踪围捕点示意图；
[0030]
图4计算围捕机器人与感知范围内障碍物超平面示意图；
[0031]
图5计算围捕机器人与感知范围内机器人超平面示意图；
[0032]
图6计算机器人缓冲维诺图；
[0033]
图7匈牙利围捕任务分配算法流程图；
具体实施方式
[0034]
以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附 图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护 范围进行任何限制。
[0035]
步骤1：计算围捕机器人与障碍物相邻的缓冲维诺区域边界。建立目 标函数以及约束条件对f(x)进行求解。满足a1x≤b1其中，f＝[0,0,0]。a1x≤b1表示为障碍物的约束。
[0036]
步骤2：计算围捕机器人与感知范围内相邻机器人的缓冲维诺区域边 界,即围捕机器人与相邻机器人之间的超平面a
2t
x＝b2，，其中，x
p
和xe分别表示围捕机器人和可疑机器人的坐标。
[0037]
步骤3：计算围捕机器人与地图间的超平面约束其 中,表示地图范围边界。
[0038]
步骤4：计算步骤1、2、3中超平面的交集，即为围捕机器人缓冲维 诺图的顶点，顶
点所围成的区域为围捕机器人的维诺缓冲区域。
[0039]
步骤5：围捕机器人根据可疑目标位置进行围捕任务分配
[0040]
①
计算均匀分布在可疑目标的周围的围捕点pi∈{1,2...n}；
[0041]
②
计算所有围捕机器人距离围捕点的距离，构建距离矩阵d。
[0042]
③
构造目标函数minz＝∑d
ij
x
ij
。
[0043]
④
从目标函数的约束条件为：其中，x
i,j
表示是否安排机器人i跟踪j围捕点。当x
i,j
＝1时，表示为围捕机 器人i分配围捕j为目标点。当x
i,j
＝0时，表示没有为围捕机器人i分配围捕j 为目标点。
[0044]
⑤
针对目标函数的最优值求解，首先距离矩阵d中每行元素减去该行 元素中的最小值，再让每列元素减去该列元素中的最小值。
[0045]
④
出只有一个0元素的行(列),标记该0元素，再遍历该0元素所 在的列(行),将该列(行)上的其他0元素划掉。表示该围捕点已被分配。若标记 0元素数目等于d矩阵的阶数n，则以得到分配的最优解。否则执行第
⑤
步。
[0046]
⑤
标记d矩阵没有完成分配的行，并且标记该行未分配0元素的列， 对未标记的行和已标记的列画纵、横线，这就得到能覆盖所有零元素的最少数 量的直线集合。
[0047]
⑥
在没有画直线覆盖的部分中到最小元素。对没有画直线的各元 素均减去这个最小元素。直到矩阵中零元的个数与矩阵的阶数相等则算法结束。 否则返回步骤
⑤
。
[0048]
步骤6：当围捕机器人被分配围捕任务，确定了跟踪目标后，根据围 捕机器人与感知范围内障碍物的距离采取两种围捕策略。当围捕机器人距离障 碍物较近时，采用基于缓冲维诺图的围捕算法。每个采样时间内，机器人计算 它的缓冲维诺安全区域，并且其内部求出离目标最近的目标点在实际操作 中，维诺安全区域v为凸多边形。令v＝(e,e)表示r中的凸多边形，其中e为 凸多边形边的集合，e是凸边形顶点的集合。围捕机器人维诺缓冲区域内离 围捕点pi最近的点要么是围捕点pi本身，要么在边ei上，要么与顶点ei重合。 的详细求解步骤如下：
[0049]
①
计算围捕机器人的围捕点pi与其缓冲维诺安全区域v中所有顶点e 的内角和θ。的内角和θ。其中，g1和g2为边ei的两个顶点。
[0050]
②
如果围捕机器人的围捕点pi与缓冲维诺安全区域所有顶点的内角 和等于2π，则表示围捕机器人的围捕点pi在缓冲维诺安全区域内部。即围捕机 器人缓冲维诺安全区域内离目标最近的点与围捕点pi重合，
[0051]
③
如果围捕机器人的围捕点pi和其缓冲维诺安全区域内所有顶点的 内角和不等于2π，则表示围捕机器人的围捕点pi在缓冲维诺安全区域外部。需 要通过计算λi来判断围捕机器人内部离目标最近的点是在机器人缓冲维诺安 全区域vi的边上或是与安全区域上某一个顶点ei重合。
[0052]
④
当0≤λi≤1时，表示围捕机器人内部离目标围捕点pi最近的点在 机器人缓冲维诺安全区域ei边上，计算边ei离围捕点pi最近点g
p
。g
p
＝(1-λi)g1+λig2[0053]
⑤
当λi《0,λi》1时，表示与机器人缓冲维诺安全区域ei边上某一个 顶点重合。
[0054]
⑥
分别计算围捕点pi与机器人缓冲维诺安全区域ei中两个顶点g1、g2的距离，与g1和g2中距离最近的顶点重合。中距离最近的顶点重合。
[0055]
⑦
如果表示与机器人缓冲维诺安全区域边ei上顶点 g1重合，
[0055]
⑦
如果则表示与机器人缓冲维诺安全区域边ei上顶点g2重合，
[0056]
步骤5当围捕机器人远离障碍物时，直接朝围捕点移动。围 捕机器人距离障碍物远近两种情况，围捕机器人缓冲维诺围捕策略为：
其中，v
i,max
是机器人i的最大速度，是围捕机器人i的坐标，d是围捕距 离障碍物的距离，d
min
是安全距离。
[0057]
当所有围捕机器人均到达可疑机器人周围的围捕上或者可疑机器人 被围堵在边界上的角落上则停止追踪条件，表示围捕成功。
[0058]
为了使得文章的解释更简单化，已将上述的图文描述为一系列步骤， 但是应该理解并领会，这些方法不受操作的次序所限制，因为按照一个或多个 步骤进行实施，一些动作可按不同的顺序发生，但本领域技术人员可以理解其 动作发生的原理。
技术特征：
1.一种应用于安保场景下的下多机器人协同围捕方法，其特征在于，包括：步骤一：确定多个协同机器人，基于每个围捕机器人以及障碍物的位置信息生成各自的缓冲维诺图空间，缓冲维诺图空间作为无障碍物区域；步骤二：首先对可疑目标划定包围圈，根据围捕机器人的数量在包围圈上生成等角度的围捕点，然后使用分配算法，对这些围捕点给所有围捕机器人进行实时任务分配，进而达成最优的联合围捕策略；步骤三：根据围捕机器人与周围障碍物的实时距离，设计出一种联合围捕策略；当距离障碍物小于安全阈值时，每个围捕机器人跟踪其自身安全区域内最接近可疑目标的围捕点；在每个围捕机器人的缓冲维诺安全区域内，确定围捕机器人在下一时刻的运动位置是无碰撞的；当距离障碍物大于安全阈值，每个围捕机器人以分配的围捕作为目标点向其位置移动。2.如权利要求1所述的一种应用于安保场景下多机器人协同围捕方法，其特征在于，步骤一中，在仿真环境中设置障碍物；并在环境中随机生成可疑机器人，以模拟现实环境中特殊情况。3.如权利要求1所述的一种应用于安保场景下多机器人协同围捕方法，其特征在于，步骤二中，围捕机器人围捕点的选择是当环境中出现需要被围捕的可疑机器人时，根据围捕机器人和可疑机器人数量在可疑目标周围生成能够均匀包围该目标的围捕点。4.如权利要求1所述的一种应用于安保场景下多机器人协同围捕方法，其特征在于，步骤二中，围捕机器人计算与所有围捕点距离生成距离矩阵，匈牙利算法根据距离矩阵，按照全局距离最短原则，给每个机器人分配不同的目标点。5.如权利要求1所述的一种应用于安保场景下多机器人协同围捕方法，其特征在于，步骤二中，所述的最优的联合围捕策略实现过程如下：循环执行以下步骤：
①
根据所有围捕机器人的位置所有围捕点的位置计算实时距离矩阵；
②
将距离矩阵中每行元素减去该行元素中的最小值，再让每列元素减去该列元素中的最小值；
③
实时距离矩阵中仅有一个“0”元素的行/列，并删去与该“0”同行/列的其他“0”元素，
③
判断实时距离矩阵中的零元素的个数是否等于矩阵的阶数，若两者相等则分配结束；距离矩阵中0元素对应的行表示围捕机器人的编号，对应的列表示围捕机器人所分配的围捕点编号，若不相等执行
④
继续分配；
④
标记距离矩阵没有完成分配任务的围捕机器人所在的行，并且标记该行未分配0元素的围捕点所在的列，对未标记的行和已标记的列画纵、横线；
⑤
在实时距离矩阵中到没有画直线覆盖的部分中到最小元素；对没有画直线的各元素均减去这个最小元素；
⑥
对实时距离矩阵中画了横线和直线交叉处的各元素都加上这个最小元素；直到实时距离矩阵中零元的个数与矩阵的阶数相等则分配结束；距离矩阵中0元素的行表示围捕机器人的标号，列就是该围捕机器人围捕点编号，即为围捕机器人的最优的联合围捕策略。6.如权利要求1所述的一种应用于安保场景下多机器人协同围捕方法，其特征在于，步骤三中，围捕机器人根据感知范围内障碍物的距离采取不同围捕策略；当围捕机器人离障碍物较距离小于安全阈值时，每个围捕机器人跟踪其缓冲维诺安全区域内最接近可疑机器人的目标点；目标点靠近障碍物时，此该目标点将沿着障碍物的切线旋转，从而远离障碍物；其围捕机器人也会跟随目标点驶离障碍物从而实现机器人避障要求；当围捕机器人离
障碍物距离大于安全阈值时，以分配的围捕点为目标，直接朝该围捕点移动。
技术总结
本发明公开了一种应用于复杂动态安保环境下多机器人分布式协同围捕方法。首先提出了一种缓冲维诺图的避障策略，动态更新机器人与障碍物之间的边界权重，使得机器人缓冲维诺安全区域与障碍物相切但不相交。机器人在其自身缓冲维诺安全区域内规划控制行为，避免了自身与其他障碍物之间碰撞。其次，在可疑机器人周围依据围捕机器人的数量生成均匀分布可疑机器人周围的围捕点，针对围捕机器人，基于匈牙利算法根据距离最短原则实现所有围捕机器人与围捕点之间的最优任务匹配。最后，依据围捕机器人与障碍物间的实时距离，提出两种围捕控制律的设计方法，提高了围捕的能力，优化了围捕时间。捕时间。捕时间。
