动态多目标追踪涵盖了机器人搜索、跟随、避障等机器人领域的核心应用,具有广泛的应用前景。动态多目标追踪问题属于追逃问题,追逃问题是一个经典问题,受到了众多研究领域的关注,例如博弈论、路径规划、强化学习和多机器人系统等领域。相关研究有很多,但是其中大多数研究都是倾向于将追逃问题作为一个应用,来验证其理论的有效性,并不适合实例化为真实的机器人使用。所以本文的目的是设计一个更符合真实应用场景的动态多目标追踪系统,并在物理仿真器Gazebo上做实验模拟,可以应用于巡逻、跟拍、监护、搜救和社交导航等场景。在本文中有两个机器人群体,其中一群机器人作随机运动,称为逃跑机器人;另外一群机器人可以相互通信、具备局部感知能力,它们的任务是找到地图中的逃跑机器人,并均匀地包围且跟随在其周围,期间不与障碍物或者其他机器人发生碰撞,称为追捕机器人。本文将动态多目标追踪问题建模成一个动态优化问题,优化的对象是追捕机器人的目标点,优化的目标有八个:避障、避碰、探索未被访问的区域、减小角速度、接近全局轨迹子目标点、和逃跑机器人保持距离、均匀包围逃跑机器人和相机方向正对目标机器人。采用协同演化头脑风暴优化算法(cooperative co-evolutionary brain storm optimization,CCBSO)将含有个追捕机器人的追踪问题分解成个子问题,即由同时优化个目标点的问题转变为个目标点的优化问题。每个子问题都由单独的子种群解决,子种群中每个个体的适应值评估依赖于子种群间的协作,最后的完整解由每个子种群优化的结果组合而成。本文构建了动态多目标追踪系统,主要包括两个模块:感知模块和导航模块。感知模块主要用于检测障碍物与逃跑机器人;导航模块主要用于决定机器人的状态以及控制机器人运动,包括全局路径规划器、行为规划器以及局部路径规划器。其中,全局路径规划器用于动态地规划追捕机器人到每个已捕捉逃跑机器人的全局轨迹;行为规划器决定了追捕机器人当前的任务,任务分为搜索、追踪、监视和跟随;局部路径规划器则采用CCBSO算法优化追捕机器人的目标点,再由目标点反推出其速度控制信号控制机器人运动。实验表明,对于速度较慢的逃跑机器人来说,追捕机器人能够有效地进行捕捉和包围。