CN105043376A - 一种适用于非全向移动车辆的智能导航方法及系统 - Google Patents

Abstract

本发明提供了一种适用于非全向移动车辆的智能导航方法，包括：步骤1扫描室内环境，建立栅格地图，并建立平面坐标系；步骤2在所述栅格地图上建立车辆运动代价地图；步骤3设定车辆的目标位置，并在所述栅格地图上转换为坐标；步骤4获取车辆的实时状态信息；步骤5根据所述目标位置和所述实时状态信息判断所述车辆状态，并根据所述车辆状态和所述运动代价地图对所述车辆进行导航。

Description

一种适用于非全向移动车辆的智能导航方法及系统

技术领域

本发明属于移动机器人导航领域，尤其涉及移动车辆的智能导航方法。

背景技术

随着时代的进步和科学技术的不断发展，机器人被广泛地应用在人类生产和生活中，以辅助或替代人类完成一些重复性较高、技术含量较低或是比较危险的任务，比如航空航天、工业生产、服务、教育、救援等。导航是服务机器人领域的一项重要应用，如何控制车辆到达指定的目标点是一个典型的研究课题。

无人驾驶车可视作轮式移动机器人的一种。当前对无人驾驶车的研究侧重其在室外环境中的应用，并没有考虑将其应用在展厅、大厅等大规模室内环境中。另一方面，将车辆应用于室内环境中在技术上存在一定的难度，因为GPS等全局定位手段无法使用，必须应用室内定位和导航技术，这是传统的无人驾驶车技术难以实现的。

针对无人驾驶车辆在室内环境中应用的需求，本文根据车辆的运动模型，对车辆未来的状态进行预测以避免发生碰撞：通过模拟人类行为，为车辆设计了完整的控制策略，使得车辆具有掉头、倒车、转向能力，保证了车辆能够自然、可靠的到达目标位置。考虑到环境中可能出现的动态障碍物，当前设计的行为策略可以快速对其做出响应，避开动态障碍物，并重新规划路径，使得车辆可以安全的到达目的地。

发明内容

为解决上述技术问题，本发明提供了一种适用于非全向移动车辆的智能导航方法，包括：

步骤1扫描室内环境，建立栅格地图，并建立平面坐标系；

步骤2在所述栅格地图上建立车辆运动代价地图；

步骤3设定车辆的目标位置，并在所述栅格地图上转换为坐标；

步骤4获取车辆的实时状态信息；

步骤5根据所述目标位置和所述实时状态信息判断所述车辆状态，并根据所述车辆状态和所述运动代价地图对所述车辆进行导航。

进一步优选的，所述步骤S2根据所述栅格地图中栅格的通行难易程度对栅格进行分类并赋予运动代价，生成所述运动代价地图。

进一步优选的，距离障碍物越近的所述栅格，通行程度越难，所述运动代价越高；距离障碍物越远的栅格，通行程度越易，所述运动代价越低；距离障碍物大于设定阈值的所述栅格，所述运动代价最低，且不再变化。

进一步优选的，所述实时状态信息包括所述车辆的环境信息、当前位置、当前方向、前轮转向角、速度和角速度。

进一步优选的，所述当前位置由激光测距仪扫描周围环境，与所述栅格地图比对获取。

进一步优选的，步骤5中车辆的所述运行状态包括转向状态、前向运动状态、后向运动状态、前向逃逸状态和后向逃逸状态。

进一步优选的，所述步骤5具体包括：

S1判断车辆处于逃逸状态，则保持原来的逃逸方向，直到逃选出特定距离，重新规划路径；否则，进入步骤S2；

S2以所述车辆当前位置为原点，计算出所述目标位置相对于车辆当前位置的目标方向，判断所述车辆的所述当前朝向与所述目标方向的夹角是否大于预设值，若是，则判断所述车辆需要进行转向，进入步骤S21；若否，则进入步骤S3，

S21根据车辆的所述环境信息、所述当前位置、所述速度和所述前轮转向角判断车辆是否可以转向，若是，则进入转向状态，否则，进入步骤S3；

S3判断是否考虑后向运动，若否，进入步骤S31，若是，进入步骤S4；

S31根据运动代价地图判断车辆的前向运动代价是否为非负，若是，则进入前向运动状态，若否，则进入步骤S5；

S4根据运动代价地图判断车辆的前向运动代价或后向运动代价是否为非负，若是，进入步骤S41，否则进入步骤S5；

S41比较所述前向运动代价与所述后向运动代价，若所述前向运动代价小，则进入前向运动状态，否则进入后向运动状态；

S5根据运动代价地图判断后向逃逸运动代价是否为非负，若是则进入后向逃逸状态，否则进入前向逃逸状态。

本发明还提供一种使用上述方法的适用于非全向移动车辆的智能导航系统，包括：

环境获取模块，用于获取车辆的环境信息；

地图模块，用于根据环境信息创建栅格地图和运动代价地图；

设定模块，用于设定车辆的目标位置，并在所述栅格地图上转换为坐标；

状态获取模块，用于获取车辆的实时状态信息；

判断模块，根据所述目标位置和所述实时状态信息判断车辆状态；

导航模块，根据车辆状态和所述运动代价地图对所述车辆进行导航。

进一步优选的，所述实时状态信息包括所述车辆的环境信息、当前位置、当前方向、前轮转向角、速度和角速度。

进一步优选的，所述运行状态包括转向状态、前向运动状态、后向运动状态、前向逃逸状态和后向逃逸状态。

本发明提供了一种车辆可用的智能导航方法，它利用事先建立的栅格地图和运动代价地图实现自身的定位，用携带的激光测距仪实现对环境中动态障碍物的实时观测，实现了符合人类认知的主动避障和导航功能。与现有技术相比，本发明具有以下有益效果：

1.在导航过程中能够快速的对动态障碍物做出响应，在避开障碍物的同时重新规划路径。

2.车辆在导航过程中可以有效避免与墙壁等固定障碍物发生碰撞，并尽量避免可能发生碰撞的行为，车辆比较安全。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明：

图1为本发明一种适用于非全向移动车辆的智能导航方法的步骤示意图；

图2为本发明一种适用于非全向移动车辆的智能导航方法运动代价示意图；

图3为本发明一种适用于非全向移动车辆的智能导航方法车辆运动模型示意图；

图4为本发明一种适用于非全向移动车辆的智能导航方法车辆参数空间。

图5为本发明一种适用于非全向移动车辆的智能导航系统的结构框图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种适用于非全向移动车辆的智能导航方法的步骤示意图，作为本发明的一个具体实施例，如图1所示，本发明提供了一种适用于非全向移动车辆的智能导航方法，包括：

步骤1扫描室内环境，建立栅格地图，并建立平面坐标系；

步骤2在所述栅格地图上建立车辆运动代价地图；

步骤3设定车辆的目标位置，并在所述栅格地图上转换为坐标；

步骤4获取车辆的实时状态信息；

步骤5根据所述目标位置和所述实时状态信息判断所述车辆状态，并根据所述车辆状态和所述运动代价地图对所述车辆进行导航。

本发明通过对车辆运动时的状态分析，实现非全向移动的车辆在室内外环境中的自主导航。

具体的，栅格地图较为广泛地用于路径规划中。通过使用二值法表示栅格是否被障碍占据。本发明采用激光测距仪先对室内环境进行扫描，建立室内环境的栅格地图。

在栅格地图的基础上建立车辆运动代价地图。具体方法为：

根据栅格地图中栅格的通行难易程度对栅格进行分类并赋予运动代价，生成所述运动代价地图。

图2为本发明一种适用于非全向移动车辆的智能导航方法的运动代价地图，图中区域1为一个矩形的障碍物。如图2所示，其中，距离障碍物越近的栅格(图中区域2所示)，其通行程度越难，因此设置其运动代价越高；距离障碍物越远的栅格(图中区域3、4所示)，其通行程度越易，所述运动代价越低；距离障碍物大于设定阈值的栅格(图中区域5所示)，其运动代价最低，且不再变化。具体阈值根据室内环境设置。

运动代价地图创建完成之后，车辆可根据其实时状态信息判断其运动状态，并结合运动代价地图实时规划最优路径，实现智能导航。

具体的，实时状态信息包括所述车辆的环境信息、当前位置、当前方向、前轮转向角、速度和角速度。本发明中车辆上装备了SICKLMS111型激光测距仪获取环境信息，以及通过扫描周围环境，与栅格地图比对，获取车辆的当前位置。通过使用编码器获取左右轮的行走距离和速度来计算车辆的前轮转向角和角速度等信息。

根据实时状态信息可计算车辆在下一时刻是否会发生碰撞。图3为车辆运动模型示意图。如图3所示，对于一般的车辆，其拥有4个状态参数，其中x，y为笛卡尔坐标系下后轴中点的坐标，θ为车辆的方向角，φ为前轮的转向角。在车辆满足纯滚动而无滑动的前提下车辆的角速度与其线速度成正比，与前轮转向角的正切值成正比，即有如下关系式：

$\mathrm{\ω}=\frac{v}{L}\tan \left(\mathrm{\φ}\right)---\left(1\right)$

其中L表示后轮与前轮之间的轮距，φ为前轮的转向角，v为后轮的速度。由公式1可知，车辆的转弯半径为：

$r=\frac{v}{\mathrm{\ω}}=\frac{L}{\tan \left(\mathrm{\φ}\right)}---\left(2\right)$

可见车辆的转弯半径与速度无关，只受到前轮转向角的影响。对于给定的速度v和转向角φ，根据公式(1)(2)即可确定车辆未来的状态。

对于车辆来说，它有两个可配置的参数，即后轮的速度v和前轮的转向角φ，这两个参数的取值范围是有限的，即存在参数空间 如图4所示。给定仿真时间t，则在该时间段内车辆的速度范围和前轮转向范围是有限的，因此可以在该范围内对车辆可能的速度和前轮转向角进行采样，作为车辆下一步的目标速度和前轮转向角。为了检测该目标速度和转向角是否合法，可以对该参数下车辆的轨迹进行采样，在每个采样点都可以根据运动模型计算出车辆当前的状态，这样可以检测车辆在以该速度运动时是否会发生碰撞。

本发明根据判断车辆在仿真时间t内是否会发生碰撞来选择最优路径。

具体的，步骤5中车辆的所述运行状态包括转向状态、前向运动状态、后向运动状态、前向逃逸状态和后向逃逸状态。

具体的，所谓转向状态，即是车辆判断出其当前朝向与目标方向之间存在较大的差异，在可以进行转向的前提下，车辆将优先完成转向，使得车辆的朝向和目标方向的夹角小于一定值。

前向运动状态，如目标点在车辆的前方等情况下，车辆通过不断向前运动来达到目标位置，此时车辆即进入了前向运动状态。

后向运动状态，如在与走廊类似的狭长区域中，车辆只能向后运动才能到达目标点，这时车辆就进入了后向运动状态。由于车辆后方传感器观测信息稀少，应该严格限制车辆进入后向运动状态的条件。

前向逃逸状态，进入该状态时，车辆将会沿直线向前运动，当车辆无法向后运动时，将进入该状态。

后向逃逸状态，如果前方出现了障碍物，车辆无法继续向前运动，此时车辆需要向后运动以避过障碍物，即进入了后向逃逸状态。

具体的，步骤5根据所述目标位置和所述实时状态信息判断所述车辆状态，并根据所述车辆状态和所述运动代价地图对所述车辆进行导航具体包括：

S1判断车辆处于逃逸状态，则保持原来的逃逸方向，直到逃逸出特定距离，重新规划路径；否则，进入步骤S2；

S2以所述车辆当前位置为原点，计算出所述目标位置相对于车辆当前位置的目标方向，判断所述车辆的所述当前朝向与所述目标方向的夹角是否大于预设值，若是，则判断所述车辆需要进行转向，进入步骤S21；若否，则进入步骤S3，

S21根据车辆的所述环境信息、所述当前位置、所述速度和所述前轮转向角判断车辆是否可以转向，若是，则进入转向状态，否则，进入步骤S3；

S3判断是否考虑后向运动，若否，进入步骤S31，若是，进入步骤S4；

S31根据运动代价地图判断车辆的前向运动代价是否为非负，若是，则进入前向运动状态，若否，则进入步骤S5；

S4根据运动代价地图判断车辆的前向运动代价或后向运动代价是否为非负，若是，进入步骤S41，否则进入步骤S5；

S41比较所述前向运动代价与所述后向运动代价，若所述前向运动代价小，则进入前向运动状态，否则进入后向运动状态；

S5根据运动代价地图判断后向逃逸运动代价是否为非负，若是则进入后向逃逸状态，否则进入前向逃逸状态。

下面结合小车为例详细介绍本发明的具体流程：

第一步是使用激光测距仪扫描室内环境，建立栅格地图。其中栅格的大小决定了运动精度。

第二步是建立平面坐标系。

第三步根据栅格地图建立运动代价地图。具体的，车辆在距离障碍物越近的地方运动，其运动代价越低，当车辆距离障碍物大于一定阈值时，其代价最高，且不再变化。

第四步设定目标位置，然后把目标位置转换为平面坐标系中的坐标。

第五步在一移动小车上装配SICKLMS111型激光测距仪、声呐以及编码器，将小车放入室内环境中。

小车放入环境后，通过激光测距仪扫描周围环境，与建立的栅格地图进行比对，获取小车当前位置坐标。

具体的，小车的当前位置坐标以及目标位置，可以是用xy坐标表达或是栅格表达。比如小车的当前位置坐标表述为坐标(1.5，2.5)，还可以表述为位于3，4的栅格中。两种表述方式都可以支持。

第六步通过激光测距仪获取环境信息，通过编码器获取左右轮的行走距离和速度来计算小车的实时位姿，包括当前方向、速度、前轮转向角、速度和角速度等信息。根据获取的信息对小车当前的状态进行判断。

具体的，小车的状态判断如下：

1.通过激光测距仪和声呐进行扫描，判断车辆处于逃逸状态。小车处于逃逸状态时则保持原来的逃逸方向，直到逃逸出特定距离，获取障碍物形状，重新规划路径。

2.以小车当前位置为原点，计算出目标位置相对于小车当前位置的目标方向，判断所述车辆的所述当前朝向与所述目标方向的夹角是否大于预设值，若是，则判断所述车辆需要进行转向。如果小车需要转向，则根据小车的环境信息、所述当前位置、所述速度和所述前轮转向角来判断小车是否可以转向。

在可以进行转向的前提下，小车将优先完成转向，使得车辆的朝向和目标方向的夹角小于一定值。

3.如果判断不需要转向，小车在非后向运动状态，则在小车的正向运动的参数空间内进行搜索，找出一条最优的前向运动路径。具体的，比如根据当前小车的速度、前轮转向角等信息能够计算出小车所有可行的路径，然后再计算所有路径中最优的路径，比如通过计算经过栅格的运动代价和得到每条路径的路径代价，优先选择路径代价小的路径。该路径代价要大于等于0。

如果前方有障碍物，小车无法向前运动，则给最优前向运动路径一个负代价。

此时车辆进入后向逃逸状态，逃离一定距离后，重新获取路径。

4.车辆正处于后向运动状态或是目标位置在车辆的正后方，则在车辆的后向运动空间内进行搜索，找出一条最优的后向运动路径。

如果后方有障碍物，车辆无法向后运动，则给该最优路径一个负的代价。然后将前向最优路径和后向最优路径进行比较，找到最优的无碰路径，并进入前向或后向运动状态。

如果小车此时前向方向也有障碍物，那么小车就停止。

图5为本发明一种适用于非全向移动车辆的智能导航系统的结构框图，包括：

环境获取模块，用于获取车辆的环境信息；

地图模块，用于根据所述环境信息创建栅格地图和运动代价地图；

设定模块，用于设定车辆的目标位置，并在所述栅格地图上转换为坐标；

状态获取模块，用于获取车辆的实时状态信息；

判断模块，根据所述目标位置和所述实时状态信息判断车辆运行状态；

导航模块，根据车辆运行状态和所述运动代价地图对所述车辆进行导航。

下面详细阐述本发明的工作过程：

具体的，通过激光测距仪扫描室内环境，并将环境信息提供给地图模块。本发明中的环境获取模块包括激光测距仪。

地图模块根据环境信息创建栅格地图，并根据栅格地图中栅格的通行难易程度对栅格进行分类并赋予运动代价，生成运动代价地图。

通过设定模块设定车辆的目标位置，并在栅格地图上转换为坐标。

状态获取模块获取车辆的实时状态信息，其中实时状态信息包括所述车辆的环境信息、当前位置、当前方向、前轮转向角、速度和角速度。具体的，本发明中通过在车辆上安装编码器，获取左右轮的行走距离和速度来计算车辆的前轮转向角和角速度等信息。

判断模块根据目标位置与车辆当前位置及实时状态信息判断车辆处于何种运行状态，运行状态包括转向状态、前向运动状态、后向运动状态、前向逃逸状态和后向逃逸状态。

导航模块分别根据车辆不同的运行状态结合运动代价地图对所述车辆进行导航，优先选择路径代价小且无碰撞的路径行走，从而到达目标位置。

本发明提供的一种适用于非全向移动车辆的智能导航方法，根据事先建立的栅格地图来确定车辆自身的位姿，使用激光测距仪来观测环境的实时变化，在智能控制逻辑下实现对动态障碍物的实时避障并完成导航任务。

显然，本领域的技术人员可以对本发明进行各种改动和变形，而不脱离本发明的精神和范围。这样，倘若本发明的这些修改属于本发明权利要求及其同等技术的范围之内，则本发明也包含这些改动和变形在内。

Claims (10)

1.一种适用于非全向移动车辆的智能导航方法，其特征在于，包括：

步骤1扫描室内环境，建立栅格地图，并建立平面坐标系；

步骤2在所述栅格地图上生成运动代价地图；

步骤3设定车辆的目标位置，并在所述栅格地图上转换为坐标；

步骤4获取车辆的实时状态信息；

步骤5根据所述目标位置和所述实时状态信息判断所述车辆运行状态，并根据所述车辆运行状态和所述运动代价地图对所述车辆进行导航。

2.如权利要求1所述的适用于非全向移动车辆的智能导航方法，其特征在于：

所述步骤S2根据所述栅格地图中栅格的通行难易程度对栅格进行分类并赋予运动代价，生成所述运动代价地图。

3.如权利要求2所述的适用于非全向移动车辆的智能导航方法，其特征在于：

距离障碍物越近的所述栅格，通行程度越难，所述运动代价越高；距离障碍物越远的栅格，通行程度越易，所述运动代价越低；距离障碍物大于设定阈值的所述栅格，所述运动代价最低，且不再变化。

4.如权利要求3所述的适用于非全向移动车辆的智能导航方法，其特征在于：

所述实时状态信息包括所述车辆的环境信息、当前位置、当前方向、前轮转向角、速度和角速度。

5.如权利要求4所述的适用于非全向移动车辆的智能导航方法，其特征在于：

所述当前位置由激光测距仪扫描周围环境，与所述栅格地图比对获取。

6.如权利要求4所述的适用于非全向移动车辆的智能导航方法，其特征在于：

步骤5中车辆的所述运行状态包括转向状态、前向运动状态、后向运动状态、前向逃逸状态和后向逃逸状态。

7.如权利要求6所述的适用于非全向移动车辆的智能导航方法，其特征在于：

所述步骤5具体包括：

S1判断车辆处于逃逸状态，则保持原来的逃逸方向，直到逃逸出规定距离，重新规划路径；否则，进入步骤S2；

S2以所述车辆当前位置为原点，计算出所述目标位置相对于车辆当前位置的目标方向，判断所述车辆的所述当前朝向与所述目标方向的夹角是否大于预设值，若是，则判断所述车辆需要进行转向，进入步骤S21；若否，则进入步骤S3，

S21根据车辆的所述环境信息、所述当前位置、所述速度和所述前轮转向角判断车辆是否可以转向，若是，则进入转向状态，否则，进入步骤S3；

S3判断是否考虑后向运动，若否，进入步骤S31，若是，进入步骤S4；

S31根据运动代价地图判断车辆的前向运动代价是否为非负，若是，则进入前向运动状态，若否，则进入步骤S5；

S4根据运动代价地图判断车辆的前向运动代价或后向运动代价是否均为非负，若是，进入步骤S41，否则进入步骤S5；

S41比较所述前向运动代价与所述后向运动代价，若所述前向运动代价小，则进入前向运动状态，否则进入后向运动状态；

S5根据运动代价地图判断后向逃逸运动代价是否为非负，若是则进入后向逃逸状态，否则进入前向逃逸状态。

8.一种使用1-7项权利要求所述方法的适用于非全向移动车辆的智能导航系统，其特征在于，包括：

环境获取模块，用于获取车辆的环境信息；

地图模块，用于根据环境信息创建栅格地图和运动代价地图；

设定模块，用于设定车辆的目标位置，并在所述栅格地图上转换为坐标；

状态获取模块，用于获取车辆的实时状态信息；

判断模块，根据所述目标位置、所述实时状态信息判断车辆状态并根据所述运动代价地图确定车辆运行状态；

导航模块，根据车辆状态、所述运动代价地图及所述判断模块的判断情况对所述车辆进行导航。

9.如权利要求8所述的适用于非全向移动车辆的智能导航系统，其特征在于：

所述实时状态信息包括所述车辆的环境信息、当前位置、当前方向、前轮转向角、速度和角速度。

10.如权利要求8或9所述的适用于非全向移动车辆的智能导航系统，其特征在于：

所述运行状态包括转向状态、前向运动状态、后向运动状态、前向逃逸状态和后向逃逸状态。