1.一种基于多评估算法的多机器人协同测量视点规划方法,其特征在于,所述方法包括以下步骤:S100:对视点规划问题进行了建模,包括视点的表示方法、覆盖率问题建模以及扫描仪的可达性;
S200:建立了扫描仪的可见性视椎体模型,包括视角、视野、投影仪光范围、自遮挡和场景遮挡;
S300:基于S100中的视点规划问题模型和S200中扫描仪的可见性视椎体模型生成候选视点,并基于光线跟踪和效用函数评估候选视点,对候选视点进行筛选,得到筛选后的候选视点;
S400:基于筛选后的候选视点,通过多分辨率策略选取每一阶段中的最佳视点,得到最佳视点集合;
S500:通过多机器人协同测量机制来执行最佳视点集合中所有视点。
2.根据权利要求1所述的方法,其特征在于,S100中视点的表示方法为P-N-R视点表示方法,该视点具有位置其中,
视点的位置和方向通过以下方式从位姿得到:
其中,
旋转角度由下式确定:
3.根据权利要求2所述的方法,其特征在于,S100中的覆盖率问题建模具体为:将目标表面表示为具有有限N个三角形的密集三角形网格S,给定M个候选视点,目标函数用公式表示为:其中视点选择向量
4.根据权利要求3所述的方法,其特征在于,S100中的扫描仪的可达性建模具体为:扫描仪安装在机器人的末端执行器上,一个可行的视点必须在运动学上是可到达的,而没有物理碰撞,给定转台校准结果其中
5.根据权利要求4所述的方法,其特征在于,S200包括:视角模型:由于光从表面的反射,当其视角接近其中,
视野模型:每个相机的视野由参数
其中,
投影仪光范围模型:表面应充分暴露于投影仪光,它被认为是视野约束的特殊情况,距离范围为其中,
自遮挡模型:目标三角形网格中每个三角形的遮挡可能性可通过光线投射算法计算,射线其中,
场景遮挡模型:考虑到目标物体和场景物体之间的场景遮挡,如果
其中
6.根据权利要求3所述的方法,其特征在于,S300中基于S100中的视点规划问题模型和S200中扫描仪的可见性视椎体模型生成候选视点,包括:S310:进行场景定义,每个三角网格包括标签、法线和质量三个属性,三角形的标签根据给定测量场景中存在的不同区域指示其类型;对被占用即已完成扫描的三角形定义了法线和质量属性,法线属性与表面法线有关,质量属性与传感器相对于表面的垂直度有关,为了得到法线属性,首先确定距离图像中每个点的表面法线;接着,获得位置与三角形位置重合的点的表面法线的平均值;最后,法线属性等于所获得的平均值;另外,为了获得质量属性,首先将距离图像的每个点的感知质量确定为由点的表面法线和传感器的取向形成的角度的余弦,从与三角形位置匹配的点中感知到的最大质量是质量属性;
S320:当扫描仪的可见性视椎体模型没有超过预设的视点球体范围时,使用球体镶嵌的技术生成视点球体,该技术从二十面体开始,对每个面进行镶嵌以创建四个新面,镶嵌过程以递归方式重复,直到达到所需的镶嵌级别,接下来,将每个面的质心作为视点位置,并将其定向到球体的中心,生成一组围绕视点球体的候选视点,其中每个视点与中心等距;
当扫描仪的可见性视椎体模型超过预设的视点球体范围时,视点不限于视球体,而是分布在立方体内,将立方体划分为3D网格,并将每个单元的位置作为候选视点,每个候选视点都指向立方体的中心;其中,立方体由三个正交线段定义:
7.根据权利要求6所述的方法,其特征在于,S300中基于光线跟踪和效用函数评估候选视点,对候选视点进行筛选,得到筛选后的候选视点,包括:S330:当射线接触三角网格时,存储来自该三角形的属性:在光线跟踪之后,拥有关于从候选视点可见的三角形的所有信息,以及每个被占用三角形的质量和法线,将光线跟踪的光线数量称为光线跟踪分辨率RTR,一个完整的RTR等于扫描仪分辨率;
S340:效用函数根据扫描仪可见性视锥体来量化视点的合意性,对候选视点进行筛选,得到筛选后的候选视点;该效用函数由量化合意视点的每个约束的面积因素、导航因素、质量因素和遮挡因素构成。
8.根据权利要求7所述的方法,其特征在于,S340包括:面积因素:面积因子的目的是感知不可见的区域,同时提供与先前扫描的一些重叠;当视点提供每个三角形类型的一定百分比时,可以实现此目的;面积因子评估每个三角形的百分比,以寻找期望的空间,表示为:其中,每个
在下式中正式列出每个函数
为了对约束所需的行为进行建模:(i)首先使用多项式作为模板函数,(ii)然后找到多项式的系数,以便满足约束;在这种情况下,使用分为两部分的三次多项式作为模板函数:将约束条件(25-30)代入函数(31)及其导数中,得到一个由四个方程组和每个多项式的四个变量组成的系统,求解系统,找到系数;接下来,代入(31)中的系数得到由表达式(33)和(34)形成的方程(32);值得注意的是,方程 (32) 仅取决于其中:
因此,面积因子定义如下:
其中
导航因素:导航因子的目的是减少当前传感器位置和下一个视点之间的导航距离;该因子将最接近当前传感器位置的视点评估为最佳视点;导航因子的行为必须满足以下约束:(i)距离最短的候选视点必须具有最大值; (ii) 距离最大的候选视点必须具有由使用二次多项式来模拟所需的行为:
与面积因子类似,将约束条件(36-38)代入多项式(39-40)中;接下来,求解方程组;最后,求出导航因子(41)在其中,
质量因子:质量因数旨在将传感器垂直于表面放置,为了实现这一点,使用已经扫描的区域来做出关于新表面的预测,因此,最佳视点具有与扫描区域正交的取向;因此,质量因数由等式(42)定义:其中,
遮挡因子:遮挡因子旨在快速确定遮挡区域;将每个光线跟踪的遮挡区域三角形的比率作为因子:其中,
效用函数为:
9.根据权利要求8所述的方法,其特征在于,S400包括:S410:在第一阶段中,用预设的最小分辨率S420:计算下一阶段的分辨率
S430:重复S420,对阶段进行迭代,直到到达第h阶段,用理想分辨率S440:每一阶段评估得到的视点,组成最后的最佳视点集合;
其中,理想光线跟踪分辨率:理想的RTR与三角形图分辨率密切相关,并且将其定义为射线追踪覆盖物体的三角形所需的最低分辨率模型;当使用大于理想值的RTR时,由于跟踪的射线彼此太近,因此存在信息冗余,从而确保多条射线接触同一三角形;使用理想RTR时,假设只有一条射线接触每个三角形,跟踪的射线彼此之间的距离等于三角形的尺寸;
考虑一个三角形图,其三角形长度为L,传感器的水平孔径为α,垂直孔径为β,传感器位于离三角形图中心距离r处,然后,理想分辨率在该策略中,每个阶段的RTR都必须递增,提出了一个在最小分辨率当阶段增加时,选择的视点的数量必须减少,提出等式(47)来确定每个阶段应该选择多少视点:其中,b由操作者定义;
级数取决于候选视 点的数量,如果候选视点的数量增加,则级数增加,该关系由等式(48)定义:其中,
10.根据权利要求9所述的方法,其特征在于,S500具体为:最佳视点集合的数量为(1)当多机器人执行视点检测出碰撞时,暂不执行该视点;
(2)当视点位于两个空间的交汇处时,暂不执行该视点;
(3)当单个机器人完成了自身空间的测量任务后,自动移出测量空间;
最后执行完测量任务的机器人,将(1)(2)中暂不执行的视点执行完成。