基于改进时间窗的多智能体网联协同调度规划方法及系统

    公开(公告)号:CN114625140B

    公开(公告)日:2024-06-14

    申请号:CN202210257839.8

    申请日:2022-03-14

    IPC分类号: G05D1/43

    摘要: 本发明公布了一种基于改进时间窗的多智能体网联协同调度规划方法及系统,通过动态添加任务、动态刷新任务优先级和最优分配任务,并求解两点间无环路的所有可行驶路径和采用改进时间窗算法进行冲突的协同处理,实现各智能体协同避碰;且对各智能体的停车点及临时停车点进行管理和对智能体在运行过程中遇到障碍物进行重规划;系统包括:任务管理模块、路径规划模块、协同避碰模块、智能体管理模块、重规划模块。本发明实现动态监控和调整智能体的运行情况,适用于任意结构的地图,可较好地应对智能体运行情况不理想的问题,具有较强的适应性和鲁棒性。

    基于自主绕障的异构型多智能体网联协同调度规划方法

    公开(公告)号:CN115016506B

    公开(公告)日:2024-06-14

    申请号:CN202210854751.4

    申请日:2022-07-18

    IPC分类号: G05D1/43 G05D1/622

    摘要: 本发明公布了一种基于自主绕障的异构型多智能体网联协同调度规划方法,包括:进行多智能体网联协同调度规划的系统配置和运输任务管理;系统中每一台即将执行运输任务的智能体进行协同路径搜索,得到相应的路径列表;智能体进行运动规划得到执行路径;根据执行路径计算得到行驶速度;智能体在运行的过程中,进行自主绕障;时间窗调整。本发明通过采用时间窗算法和引入智能体的自主绕障技术,实现智能体之间冲突的协同解决和自主绕障,相较于现有技术,本发明更加高效、灵活、鲁棒且系统可容纳的智能体数目更多。

    多智能体超视距网联协同感知动态决策方法及相关装置

    公开(公告)号:CN116048062A

    公开(公告)日:2023-05-02

    申请号:CN202211388685.2

    申请日:2022-11-08

    IPC分类号: G05D1/02

    摘要: 本发明公开了多智能体超视距网联协同感知动态决策方法及相关装置,涉及机器人感知以及多智能体协作领域。本发明的基于点云的多智能体超视距网联协同感知动态决策方法,通过维护智能体的障碍物列表及全局异常路径列表,将协同感知与路径规划相结合,能够实现多智能体协同感知及多智能体协同规划调度任务。引入了重规划机制,可使智能体系统根据感知信息进行动态决策,提升了对动态复杂环境的适应能力。而引入时间窗路径规划的路径跟随算法,可根据时间条件动态调整运行速度,为协同路径规划算法提供控制支撑。进一步的,通过添加改进的避障算法,遇到障碍物时会先判断智能体能否自主避障,若无法避障则执行重规划,降低了重规划的频率,提高智能体运行效率。

    基于自主绕障的异构型多智能体网联协同调度规划方法

    公开(公告)号:CN115016506A

    公开(公告)日:2022-09-06

    申请号:CN202210854751.4

    申请日:2022-07-18

    IPC分类号: G05D1/02

    摘要: 本发明公布了一种基于自主绕障的异构型多智能体网联协同调度规划方法,包括:进行多智能体网联协同调度规划的系统配置和运输任务管理;系统中每一台即将执行运输任务的智能体进行协同路径搜索,得到相应的路径列表;智能体进行运动规划得到执行路径;根据执行路径计算得到行驶速度;智能体在运行的过程中,进行自主绕障;时间窗调整。本发明通过采用时间窗算法和引入智能体的自主绕障技术,实现智能体之间冲突的协同解决和自主绕障,相较于现有技术,本发明更加高效、灵活、鲁棒且系统可容纳的智能体数目更多。

    一种连通分量动态合并的多机3D激光SLAM方法及系统

    公开(公告)号:CN116381724A

    公开(公告)日:2023-07-04

    申请号:CN202211494263.3

    申请日:2022-11-25

    摘要: 本发明公开了一种连通分量动态合并的多机3D激光SLAM方法及系统,通过各个智能体获取感知数据执行单机SLAM,得到SLAM地图与激光特征;将数据传输给其它智能体;各个智能体根据自身与其它智能体SLAM地图的特征匹配优化与融合,实现多智能体的激光SLAM任务。本发明通过基于匹配相似度约束的动态连通图构造与合并算法,对多个智能体的子图进行动态逐步合并,解决了由于多机SLAM实际运行时因一个智能体与多个其它智能体都存在重合时出现结果混乱的情况;对激光点云特征引入质心特征分析和主成分分析,提高了回环检测效率与准确度;引入ros1‑ros2的通信系统,解决了多智能体分布式通信问题,提高了系统的适用性。

    一种基于点云的多智能体超视距网联协同感知动态决策方法

    公开(公告)号:CN114815832A

    公开(公告)日:2022-07-29

    申请号:CN202210462524.7

    申请日:2022-04-28

    IPC分类号: G05D1/02

    摘要: 本发明公开了一种基于点云的多智能体超视距网联协同感知动态决策方法,涉及机器人感知以及多智能体协作领域。本发明的基于点云的多智能体超视距网联协同感知动态决策方法,通过维护智能体的障碍物列表及全局异常路径列表,将协同感知与路径规划相结合,能够实现多智能体协同感知及多智能体协同规划调度任务。引入了重规划机制,可使智能体系统根据感知信息进行动态决策,提升了对动态复杂环境的适应能力。而引入时间窗路径规划的路径跟随算法,可根据时间条件动态调整运行速度,为协同路径规划算法提供控制支撑。进一步的,通过添加改进的避障算法,遇到障碍物时会先判断智能体能否自主避障,若无法避障则执行重规划,降低了重规划的频率,提高智能体运行效率。

    基于改进时间窗的多智能体网联协同调度规划方法及系统

    公开(公告)号:CN114625140A

    公开(公告)日:2022-06-14

    申请号:CN202210257839.8

    申请日:2022-03-14

    IPC分类号: G05D1/02

    摘要: 本发明公布了一种基于改进时间窗的多智能体网联协同调度规划方法及系统,通过动态添加任务、动态刷新任务优先级和最优分配任务,并求解两点间无环路的所有可行驶路径和采用改进时间窗算法进行冲突的协同处理,实现各智能体协同避碰;且对各智能体的停车点及临时停车点进行管理和对智能体在运行过程中遇到障碍物进行重规划;系统包括:任务管理模块、路径规划模块、协同避碰模块、智能体管理模块、重规划模块。本发明实现动态监控和调整智能体的运行情况,适用于任意结构的地图,可较好地应对智能体运行情况不理想的问题,具有较强的适应性和鲁棒性。

    一种面向社会交互行为的机器人兼容导航方法及系统

    公开(公告)号:CN118706120A

    公开(公告)日:2024-09-27

    申请号:CN202410691517.3

    申请日:2024-05-30

    IPC分类号: G01C21/20 G01C21/00

    摘要: 本发明提出一种面向社会交互行为的机器人兼容导航及系统,该方法利用无监督自编码器,基于行人的可观测轨迹信息,提取行人的社会行为偏好特征;结合深度强化学习与时空注意力机制,构建一个时空图网络作用于描述机器人与行人之间的动态交互关系,并对行人的未来移动意图进行预测;结合行人社会行为偏好特征和行人的未来移动意图进行预测结果,通过基于Actor‑Critic框架的无模型深度强化学习算法优化机器人的导航策略;基于响应实时感测数据和预测数据,调整机器人的行动路径和速度。本发明通过无模型深度强化学习实现,无需人工标注,能够有效提升机器人在人群中的社会兼容性导航能力,能显著提高导航成功率,降低碰撞风险,缩短目的地到达时间。

    基于跨模态多尺度特征引导的深度图超分辨率方法及系统

    公开(公告)号:CN118570063A

    公开(公告)日:2024-08-30

    申请号:CN202410618297.1

    申请日:2024-05-17

    摘要: 本发明公开了一种基于跨模态多尺度特征引导的深度图超分辨率方法及系统,将相同场景下的低分辨率深度图和相应的高分辨率彩色图像分别输入特征提取支路,提取第t个阶段的特征,得到一组深度图特征和一组彩色图特征;将t=0时刻的深度图特征和彩色图特征输入特征融合支路得到初始的融合特征;将初始的融合特征与当前时刻的深度图特征和彩色图特征送入特征融合支路中,得到t=1时刻的融合特征,重复多次得到t时刻的融合特征;将t时刻的融合特征送入深度图超分辨率重建支路得到高分辨率残差图像;将原始低分辨率深度图放大后与高分辨率残差图像叠加得到深度图。本发明利用多尺度特征完成高质量的深度图超分辨率并且能够具有良好的泛化性能。

    一种基于时空上下文的视频全景分割方法

    公开(公告)号:CN114494335B

    公开(公告)日:2024-07-26

    申请号:CN202210102817.4

    申请日:2022-01-27

    摘要: 本发明公开了一种基于时空上下文的视频全景分割方法,包括以下步骤:将待全景分割的视频处理为连续的图像序列;获取图像序列间的光流;获取图像序列中每幅图像的图像全景分割结果;基于光流所蕴含的视频时间上下文信息和图像序列所蕴含的空间上下文信息,对图像序列中每幅图像的图像全景分割结果进行分割边缘精细化优化,获得优化后的图像全景分割结果;基于光流所蕴含的视频时间上下文信息和优化后的图像全景分割结果,将图像序列中出现的每个物体进行一致性关联,获得视频全景分割结果。本发明的视频全景分割方法,可获得更准确的视频全景分割结果。