本發(fā)明涉及協(xié)同控制，尤其涉及一種基于多源目標數(shù)據(jù)協(xié)同處理方法及系統(tǒng)。

背景技術(shù)：

1、在當今高度復(fù)雜的任務(wù)環(huán)境中，協(xié)同控制技術(shù)在分布式多目標系統(tǒng)中的應(yīng)用日益廣泛，有效解決了單一目標難以獨立應(yīng)對大規(guī)模、高難度任務(wù)的局限。與傳統(tǒng)的單一目標系統(tǒng)相比，多目標協(xié)同系統(tǒng)憑借其多點協(xié)作的優(yōu)勢，顯著增強了系統(tǒng)的靈活性與負載承受力，降低了任務(wù)的執(zhí)行難度，促進了任務(wù)效率的提升，增強了整體系統(tǒng)的可靠性和設(shè)計的簡潔性。多目標協(xié)同運動控制技術(shù)分為集中式和分布式兩大類，其中，分布式控制憑借其模塊化的架構(gòu)、出色的穩(wěn)健性與適應(yīng)能力，在處理非結(jié)構(gòu)化、不確定性高的任務(wù)場景時展現(xiàn)出獨特優(yōu)勢，成為實現(xiàn)高效復(fù)雜工作的重要手段。

2、傳統(tǒng)的分布式多目標協(xié)同運動控制系統(tǒng)通常依賴于一個核心的主控制器來確保各個目標間的協(xié)同一致性。這一系統(tǒng)架構(gòu)中，主控制器不僅負責(zé)識別并連接所有參與目標，還通過集成的主控制模塊和協(xié)同路徑規(guī)劃模塊共同工作。主控制模塊首先識別系統(tǒng)內(nèi)的所有目標，并將這些信息傳遞給協(xié)同路徑規(guī)劃模塊，后者基于預(yù)設(shè)的全局環(huán)境信息，為各目標設(shè)計最優(yōu)路徑規(guī)劃方案，并反饋給主控模塊。隨后，主控制模塊依據(jù)規(guī)劃指令指揮目標執(zhí)行相應(yīng)的移動操作。然而，這種設(shè)計模式在實際應(yīng)用中暴露出關(guān)鍵缺陷，尤其是在面對動態(tài)變化的環(huán)境時，如運動過程中突發(fā)的障礙物出現(xiàn)，或是目標間因缺乏即時有效的避碰機制而產(chǎn)生的碰撞風(fēng)險，這直接導(dǎo)致了分布式多目標協(xié)同運動控制系統(tǒng)的安全性問題，限制了其在高風(fēng)險環(huán)境下的有效運用。因此，如何確保多目標在復(fù)雜環(huán)境中協(xié)同運動的同時，還能有效避免障礙物干擾和相互碰撞，成為了亟待解決的技術(shù)挑戰(zhàn)。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例通過提供一種基于多源目標數(shù)據(jù)協(xié)同處理方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中分布式多目標協(xié)同運動控制系統(tǒng)的安全性差的技術(shù)問題。

2、第一方面，本發(fā)明實施例提供的基于多源目標數(shù)據(jù)協(xié)同處理方法，包括：

3、獲取并分析運動環(huán)境的待控制目標的運動環(huán)境圖像，通過圖像識別技術(shù)識別并定位待控制目標在其預(yù)定運動路徑上的潛在的障礙物；

4、根據(jù)識別出的障礙物的位置、尺寸及類型，計算每個障礙物的影響指數(shù)，以此量化障礙物對目標運動路徑的阻礙程度；

5、當任一障礙物的影響指數(shù)超過預(yù)設(shè)的安全閾值時，系統(tǒng)自動觸發(fā)路徑規(guī)劃模塊，對原運動路徑進行調(diào)整以規(guī)避障礙；

6、實時收集并分析目標的運動狀態(tài)數(shù)據(jù)，所述運動狀態(tài)包括速度、方向及加速度，運用碰撞預(yù)測算法監(jiān)測運動過程中的即時碰撞風(fēng)險，同時，計算運動一致性系數(shù)，該系數(shù)綜合反映了目標實際運動軌跡與規(guī)劃路徑之間的契合度及穩(wěn)定性；

7、將計算得出的運動一致性系數(shù)與系統(tǒng)預(yù)設(shè)的最優(yōu)閾值進行對比分析，若運動一致性系數(shù)低于預(yù)設(shè)閾值，表明實際運動與規(guī)劃路徑存在偏差，啟動運動過程優(yōu)化機制以確保目標能夠順利避障并沿優(yōu)化后的路徑繼續(xù)行進。

8、進一步地，計算每個障礙物的影響指數(shù)的步驟，包括：

9、對于固定障礙物，通過分析運動環(huán)境圖像，確定固定障礙物與待控制目標初始運動路徑之間的重疊區(qū)域，計算此重疊區(qū)域的像素面積作為障礙面積；結(jié)合預(yù)設(shè)的障礙面積標準，計算得出固定障礙物指數(shù)，該指數(shù)量化了固定障礙物對按照初始路徑行進的待控制目標的阻礙程度；

10、對于移動障礙物，首先分析運動環(huán)境圖像以確定移動障礙物的障礙面積，并結(jié)合其移動速度和方向，計算移動障礙物通過當前位置至不再與待控制目標初始運動路徑重疊所需的安全移動時間；

11、再依據(jù)待控制目標到達該移動障礙物影響區(qū)域的預(yù)計第一運動時間，計算移動障礙物指數(shù)，用以評估移動障礙物對目標運動路徑的動態(tài)影響；

12、分別將計算出的固定障礙物指數(shù)和移動障礙物指數(shù)與各自的預(yù)設(shè)閾值進行比較，計算得出固定障礙物指數(shù)相對偏差和移動障礙物指數(shù)相對偏差；

13、綜合固定障礙物指數(shù)相對偏差與移動障礙物指數(shù)相對偏差的分析結(jié)果，對待控制目標的初始運動路徑進行評估，確定綜合性的障礙物指數(shù)。

14、進一步地，所述障礙物指數(shù)的表達式如下：

15、；

16、其中，障礙物指數(shù)表示待控制目標面臨的整體障礙影響程度，α和β：分別為固定障礙物和移動障礙物影響的權(quán)重系數(shù)，固定障礙物指數(shù)代表固定障礙物對目標運動路徑的阻礙程度，障礙面積是從圖像分析中獲得的，以反映了障礙物覆蓋在目標初始路徑上的像素面積，固定障礙物指數(shù)閾值表示預(yù)設(shè)的標準值，用以判斷固定障礙物影響的嚴重程度，移動障礙物指數(shù)表示體現(xiàn)移動障礙物對目標運動路徑的動態(tài)影響，所述安全移動時間表示移動障礙物離開目標路徑所需的時間，以及第一運動時間目標到達移動障礙物影響區(qū)的時間，所述移動障礙物指數(shù)閾值表示預(yù)設(shè)的參考值，用于評估移動障礙物是否構(gòu)成即時威脅。

17、進一步地，所述α和β的表達式如下：

18、；

19、；

20、其中，和?分別為固定障礙物密度和移動障礙物數(shù)量的冪指數(shù)，與分別表示總障礙物密度和總障礙物數(shù)量的冪指數(shù)，用于調(diào)節(jié)總障礙物環(huán)境對α和β的減緩，與為學(xué)習(xí)率參數(shù)，用于反映經(jīng)驗學(xué)習(xí)對當前決策的影響，當沖突率越高，相應(yīng)的權(quán)重降低，以減少未來碰撞風(fēng)險，與?分別表示過去預(yù)設(shè)周期內(nèi)，目標與固定和移動障礙物發(fā)生碰撞，目標尺寸因子:表示目標自身的尺寸大小，目標靈活性因子表征目標轉(zhuǎn)向，與?:表示動態(tài)調(diào)整因子，以基于最近幾次路徑規(guī)劃的成功率和效率，根據(jù)近期表現(xiàn)動態(tài)調(diào)整對固定。

21、進一步地，獲取并分析運動環(huán)境的待控制目標的運動環(huán)境圖像，通過圖像識別技術(shù)識別并定位待控制目標在其預(yù)定運動路徑上的潛在的障礙物步驟，包括：

22、對獲取的運動環(huán)境圖像進行圖像預(yù)處理；

23、對圖像預(yù)處理后的運動環(huán)境圖像進行障礙物的檢測得到對應(yīng)的運動環(huán)境檢測子圖像，所述運動環(huán)境檢測子圖像為通過訓(xùn)練得到的障礙物檢測模型對圖像預(yù)處理后的運動環(huán)境圖像進行檢測得到的結(jié)果，所述障礙物檢測模型用于檢測運動環(huán)境圖像中的障礙物并進行標記；

24、通過對運動環(huán)境檢測子圖像中的障礙物數(shù)量進行分析判斷待控制目標的運動過程中是否存在障礙物，若障礙物數(shù)量為0，則表明待控制目標的運動過程中無障礙物，否則表明帶控制目標的運動過程中存在障礙物。

25、進一步地，所述障礙物檢測模型的具體獲取方法如下：

26、通過進行運動環(huán)境模擬實驗得到運動環(huán)境實驗圖像，并通過運動環(huán)境實驗圖像構(gòu)建障礙物檢測數(shù)據(jù)集，同時將障礙物檢測數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，所述障礙物檢測數(shù)據(jù)集表示運動環(huán)境實驗圖像的集合，所述運動環(huán)境實驗圖像中具有障礙物，所述運動環(huán)境模擬實驗用于模擬目標集中待控制目標在具有障礙物的環(huán)境下運動的情況；

27、對訓(xùn)練數(shù)據(jù)集中的固定障礙物和移動障礙物進行數(shù)據(jù)標注，并通過數(shù)據(jù)標注后的訓(xùn)練數(shù)據(jù)集對預(yù)設(shè)模型進行訓(xùn)練直至收斂得到初始障礙物檢測模型，同時通過測試數(shù)據(jù)集對初始障礙物檢測模型進行測試獲取對應(yīng)的準確率和召回率；

28、通過獲取的準確率和召回率并結(jié)合對應(yīng)的閾值對初始障礙物檢測模型進行排序和篩選得到障礙物檢測模型。

29、進一步地，所述運動環(huán)境模擬實驗通過依次改變待控制目標的運動環(huán)境中的第一環(huán)境模擬因素和第二環(huán)境模擬因素進行；

30、所述第一環(huán)境模擬因素包括固定障礙物的數(shù)量、體積、表面積以及位置；

31、所述第二環(huán)境模擬因素包括移動障礙物的數(shù)量、體積、表面積以及位置。

32、第二方面，本發(fā)明實施例提供了一種基于多源目標數(shù)據(jù)協(xié)同處理系統(tǒng)，其特征在于，包括：

33、獲取模塊，用于獲取并分析運動環(huán)境的實時圖像數(shù)據(jù)，通過圖像識別技術(shù)識別并定位待控制目標在其預(yù)定運動路徑上的潛在障礙物；

34、識別模塊，用于根據(jù)識別出的障礙物的位置、尺寸及類型，計算每個障礙物的影響指數(shù)，以此量化障礙物對目標運動路徑的阻礙程度；

35、觸發(fā)模塊，用于當任一障礙物的影響指數(shù)超過預(yù)設(shè)的安全閾值時，系統(tǒng)自動觸發(fā)路徑規(guī)劃模塊，對原運動路徑進行調(diào)整以規(guī)避障礙；

36、收集模塊，用于實時收集并分析目標的運動狀態(tài)數(shù)據(jù)，所述運動狀態(tài)包括速度、方向及加速度，運用碰撞預(yù)測算法監(jiān)測運動過程中的即時碰撞風(fēng)險，同時，計算運動一致性系數(shù)，該系數(shù)綜合反映了目標實際運動軌跡與規(guī)劃路徑之間的契合度及穩(wěn)定性；

37、分析模塊，用于將計算得出的運動一致性系數(shù)與系統(tǒng)預(yù)設(shè)的最優(yōu)閾值進行對比分析，若運動一致性系數(shù)低于預(yù)設(shè)閾值，表明實際運動與規(guī)劃路徑存在較大偏差或運動穩(wěn)定性不足，啟動運動過程優(yōu)化機制以確保目標能夠順利避障并沿優(yōu)化后的路徑繼續(xù)行進。

38、第三方面，本發(fā)明實施例還提供了一種電子裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設(shè)置為運行所述計算機程序以執(zhí)行第一方面所述的基于多源目標數(shù)據(jù)協(xié)同處理方法。

39、第四方面，本發(fā)明實施例還提供了一種可讀存儲介質(zhì)，所述可讀存儲介質(zhì)中存儲有計算機程序，所述計算機程序包括用于控制過程以執(zhí)行過程的程序代碼，所述過程包括第一方面所述的基于多源目標數(shù)據(jù)協(xié)同處理方法。

40、本技術(shù)實施例提供了一種基于多源目標數(shù)據(jù)協(xié)同處理方法，通過實時圖像分析和障礙物影響指數(shù)的計算，能夠提前預(yù)警并有效規(guī)避潛在的碰撞風(fēng)險，動態(tài)路徑規(guī)劃和運動過程優(yōu)化機制確保機器人能夠快速適應(yīng)不斷變化的運行環(huán)境，提高運動的流暢性和安全性，通過精細化的運動狀態(tài)監(jiān)控和一致性評估，減少了不必要的路徑更改，保證了行駛效率和能源經(jīng)濟性，系統(tǒng)的自適應(yīng)優(yōu)化機制促進了算法的不斷學(xué)習(xí)和改進，長期而言能更精準地預(yù)測和響應(yīng)復(fù)雜場景。