💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
摘要:
解决包围和跟踪目标的问题需要多个具备足够运动策略的代理者。我们考虑了一支搭载标准摄像头的单轮车型机器人团队。这些机器人必须在处理非完整运动约束的同时保持所需的包围形态。参考形态轨迹还必须通过克服摄像头有限视野的限制来保证目标的永久可见性。在本文中,我们提出了一种新颖的方法来表征机器人轨迹上的条件,考虑到运动和视觉约束。我们还提出了在线和离线运动规划策略,以解决包围和跟踪目标任务中涉及的约束。这些策略基于保持具有可变大小的形态或者基于保持形态大小具有灵活形状。
多机器人系统的主题涉及许多方面和问题。尽管存在许多理论和实际挑战,但这些系统能够集体执行复杂任务。在多机器人系统的不同相关主题中,对目标跟踪问题的兴趣日益增加。
多机器人系统的一个新颖应用是监测动态事件。这个应用与光学动作捕捉系统(MOCAP)密切相关。MOCAP或运动跟踪的目标是记录物体或人员的运动。通常,获取的信息用于使人体模型动画化,而对目标表面和形状的持续全覆盖是基本要求。一般情况下,这些系统由一组固定校准的摄像头组成,布置在某个空间周围。因此,演员受限于有限的工作空间,无法脱离这个感知笼。
受这个应用的启发,考虑使用搭载摄像头的移动机器人代替固定摄像头。这使得摄像头围绕目标可以灵活配置,有可能处理遮挡。摄像头可以无空间限制地跟随目标。例如,一组机器人可以在户外跟踪跑步者数英里,随时产生三维(3-D)模型。在本文中,我们考虑被包围和跟踪的目标采用单轮车型运动学。这适用于设想的应用,因为一般情况下,人类的运动也可以用非完整运动学来描述。为了完成任务,通常假设有全局坐标系可用,例如使用GPS系统,或者要求外部定位系统来减少估计代理者姿态的不确定性。然而,这种类型的系统又受限于有限的设置(例如,在室外需要GPS可用性或在室内需要本地定位系统),无法用于捕捉动态目标在不同环境中沿着长路径移动的情况。这个在目标跟踪背景下的运动协调问题已经在文献中通过使用一致性算法执行群集行为(例如[6]),或者通过用飞行摄像头拍摄目标(例如[7])来解决。详细文章见第4部分。
📚2 运行结果
部分代码:
%Selection of target trajectory
selection= 'e'; %Ellipse
% selection= 's'; %Sinusoid
% selection= '8'; %Eight
% selection= 'p'; %Spiral
% selection= 'r'; %Rectilinear
% selection= 'c'; %Circle
% selection= 'c2';%Circle small
%Selection of strategy to comply with motion and FOV constraints:
% d-based: Modify formation scale/size (distance of robots to target)
% theta-based: Modify formation shape (location angle of robots with
% respect to target)
strategy= 'd';
% strategy= 'theta';
%Selection of method: Each strategy implements different alternatives
% method = 0 %Constant prescribed formation. No strategy is applied so
% constraints compliance is not guaranteed.
% method = 1 %Method that defines a constant formation in order to obey
% motion and FOV constraints. Strategy 'd' selects a constant value of
% scale d (v_dr), normally different than the prescribed one (d0) with the
% prescribed angles thetar0. Strategy 'theta' selects constant values of theta
% (m_thetar), normally different than the prescribed one (m_thetar0) with the
% prescribed scale dr0.
% method = 2 %Method that defines a variable formation in order to obey
% motion and FOV constraints. Strategy 'd' defines the evolution of d
% (v_dr) with the prescribed thetar0. Strategy 'theta' defines the
% evolution of theta (m_thetar) with the prescribed scale dr0.
%
% method = 0; %No strategy
% method = 1; %Design constant values (d or theta) to obey constraints
method = 2; %Design variable values (d or theta) to obey constraints
%Several figures show the results of the simulation, if animate=1 an
%animation of the formation of robots in navigation is also shown
animate = 0;
% animate = 1;
%Definition of the prescribed formation
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。
Authors: Gonzalo Lopez-Nicolas, Miguel Aranda and Youcef Mezouar