复杂动态环境下多安保机器人协同作业方法研究

With the development of the concept of "Robot+Security", security robot provides a new technical approach for the field of intelligent security, it is significant for enhancing the national public security, counter-terrorism and anti-riot capabilities. However, there are some problems for the current security robot in a complex dynamic environment, i.e. poor environment recognition, low performance of intelligent navigation and the low ability of multi-robot cooperation, hence this project develops the following research for the issues: a deep reinforcement learning method of scene recognition and moving target detection and tracking in a complex environment is proposed, which improves the ability of abnormal event recognition for security robot. The semantic map construction method based on multi-sensor information fusion and hybrid dynamic obstacle avoidance path planning method are investigated to improve the intelligent of the robot navigation, which can achieve human-machine -objective communion. In order to enhance the effectiveness and robustness of the security system, under abnormal events, multi-robot fast cooperative motion planning and trajectory tracking control method are proposed. Besides, a virtual prototype of security robot is developed to verify the proposed methods. This project aims at solving the existing problems in current security robot and having some innovation in theory, it is expected to provide new technical approaches for the application and promotion of security robots.

随着“机器人+安防”概念的兴起，安保机器人给智能安防提供了新的技术途径，对提升国家公共安全和反恐防暴能力具有重要意义。但目前复杂动态环境下的安保机器人普遍存在环境认知能力差，智能导航性能低，多机协同能力不足等问题，本项目针对上述问题展开以下研究：提出基于深度强化学习的景物认知及动态目标检测与跟踪方法，提高安保机器人对异常事件快速识别的能力；提出基于多源异构信息融合的语义地图构建及混合动态避障路径规划方法，提高安保机器人的智能导航性能，实现人-机-物共融；异常事件下提出多安保机器人快速协同运动规划及轨迹跟踪控制方法，提高安保系统的巡检效率及鲁棒性。设计一款安保机器人虚拟样机，对所提方法进行验证。本项目旨在解决复杂动态环境下多安保机器人协同作业中存在的问题并在理论上有所创新，为安保机器人的实际应用与推广提供新的技术途径。

面向国家智慧城市、智能安防建设的重大需求，安保机器人能够很好地弥补传统安保人员与视频监控技术的不足，具有广阔的应用市场与发展前景。本项目针对移动机器人在大规模动态环境下存在环境认知能力差，智能导航性能低，系统安全性能不足等问题，开展了一系列工作：提出了基于D-S证据理论的多传感器融合目标识别算法，克服了单一传感器的局限性；提出了多尺度信息的手势识别网络，有效解决了网络结构冗余与特征提取有效性间冲突关系；研究了危化品环境尤其是烟雾环境下的自主定位与建图，为智能环境感知与语义理解的有效性和实时性提供基础。借助先进的人工智能理论，研究了基于深度强化学习与群体智能算法的路径规划问题，并提出了一套基于全局路径规划与局部路径规划相融合的复杂环境动态避障策略，提升了单个安保机器人自主作业的可靠性。在此基础上，为提高安防机器人对突发性事件的应急处理能力，研究了基于障碍感知的改进Voronoi图围捕策略，搭建了一种基于仿射变换控制算法的多机器人围捕算法框架，同时实现了移动机器人在围捕过程中的编队队形变换与避障。项目执行期间，共发表论文18篇，其中SCI论文9篇，EI论文9篇，申请国家发明专利5项并已授权4项，培养博士研究生2名，硕士研究生6名。项目的研究成果丰富和深化了智能安防机器人在环境感知、自主作业与多机协同领域的理论研究，为智能安防机器人的发展与技术落地提供助力。