CN105223956A - 一种全向移动机器人的动态避障方法 - Google Patents
一种全向移动机器人的动态避障方法 Download PDFInfo
- Publication number
- CN105223956A CN105223956A CN201510762702.8A CN201510762702A CN105223956A CN 105223956 A CN105223956 A CN 105223956A CN 201510762702 A CN201510762702 A CN 201510762702A CN 105223956 A CN105223956 A CN 105223956A
- Authority
- CN
- China
- Prior art keywords
- barrier
- robot
- represent
- max
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000004888 barrier function Effects 0.000 claims abstract description 190
- 241000283283 Orcinus orca Species 0.000 claims description 40
- 230000008569 process Effects 0.000 claims description 25
- 206010049669 Dyscalculia Diseases 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 21
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供的动态避障方法针对互惠式速度避障算法的缺陷,设置了避障责任系数,并针对不同的障碍物引入风险因子,以改进互惠式速度避障算法中由于测量误差导致的避障不及时与多余避障的现象,并使规划的避障轨迹更为平滑。在没有外部定位系统的未知动态环境中,采用车载激光测距仪检测障碍物并估计动态障碍物的运动速度,并基于所提出的避障方案实现全向移动机器人自主躲避运动区间内的动态及静态障碍物。
Description
技术领域
本发明涉及机器人领域,更具体地,涉及一种全向移动机器人的动态避障方法。
背景技术
机器人能实现任意方向的运动,可广泛应用于军事、工业、家用服务等领域。移动机器人在未知环境中如何有效避开障碍物是机器人实现其自主移动的关键问题之一。在有运动障碍物环境下的避障问题称为动态避障。与传统静态环境下避障不同,由于障碍物的速度与位置有可能实时变化,未知环境中的动态避障含有更多不确定因素,这对动态避障算法的实时性与传感器精度都提出了更高的要求。目前对机器人避障的研究多集中在静态环境中的避障,或把运动障碍物在某个时刻考虑为是静止的,这不利于避障的实时性要求,尤其在遇到复杂环境中速度变化较快的障碍物时,采用这些方案易使机器人出现避障失败或多余避障的现象。
移动机器人的避障研究主要是通过设计障碍物检测策略与避障控制算法,根据车载传感器反馈信息实时调整机器人的速度大小与方向进行避障规划,从而使机器人在行进过程中不与动态及静态障碍物发生任何的碰撞。人工势场法在移动机器人自主避障中得到广泛应用,人工势场法把目标看作低势能点,目标对机器人产生了吸引力,环境中障碍物为高势能点,对机器人产生斥力,机器人在引力和斥力的共同作用下运动以躲避障碍物,并到达目标位置。由于人工势场法仅考虑了移动机器人与障碍物的位置信息,当遇到复杂环境下速度变化较快的障碍物时,人工势场法易出现振荡、多余避碰或避障失败等现象。不同于人工势场法仅考虑位置信息,速度障碍法将碰撞规避问题转化成规避速度障碍的问题。当存在多个障碍物时,计算传感范围内所有障碍物对它的障碍区,然后根据速度障碍区所在的空间位置关系,计算与速度障碍区均不相交的速度,以实现自主避障。当未知环境中存在多个动态障碍时,传统的速度障碍法所规划的避障路径易出现振荡的现象,并且所规划的机器人速度较慢。D.B.J.Van等人提出了互惠式速度避障算法,该算法考虑了多机器人之间的速度信息,利用外部定位系统提供的多个机器人的精确定位信息,在多机器人移动的动态场景中表现出优秀的相互避障性能。互惠式速度避障算法依赖所获信息的对称性,例如在考虑两个机器人之间的避碰时,单个机器人各自承担一半的避障任务。另一方面,算法假设移动机器人能即刻达到任意所需的速度。在实际应用中,由于存在检测与估计误差以及环境变化过快等原因,所获得的单个机器人的信息并不完全对称,而且由于惯性机器人也难以即刻达到所需的速度。在此情况下互惠式速度避障算法易出现避障不及时与多余避障的现象。
将运动区间内的动态障碍物作为移动机器人,因此,机器人在未知动态环境中的自主避障可类比为多个移动机器人之间的避碰。本方案基于速度避障策略设计动态避障算法,考虑互惠式速度避障算法的优点并针对其局限性,本发明设计改进的互惠式速度避障算法,设置避障责任系数,并针对不同的障碍物引入风险因子,以改进互惠式速度障碍算法中由于测量误差导致的避障不及时与多余避障的现象,并使规划的避障轨迹更为平滑。在没有外部定位系统的未知动态环境中,采用车载激光测距仪检测障碍物并估计动态障碍物的运动速度,并基于所提出的避障方案实现机器人自主躲避运动区间内的动态及静态障碍物。
发明内容
本发明为解决以上现有技术的缺陷,提供了一种全向移动机器人的动态避障方法,该方法能够确保移动机器人动态避障的实时性与运动轨迹的平滑性,为未知动态环境中全向移动机器人自主躲避动态及静态障碍物提供一种高适用性、有一定抗干扰能力的方案。
为实现以上发明目的,采用的技术方案是:
一种全向移动机器人的动态避障方法,包括以下步骤:
S1.对机器人周围障碍物的位置进行检测,并根据机器人与障碍物相对位置的变化计算二者的相对速度,然后在获知机器人的速度的基础上,计算障碍物的速度;
S2.设机器人i、障碍物j的半径分别为ri与rj,速度为vi与vj,位置为pi与pj,则障碍物j对机器人i产生的速度障碍空间记为VOi|j τ,它表示导致机器人i与障碍物j在时间τ内相碰撞的相对速度的集合:
其中D(pj-pi,ri+rj)={q|||q-(pj-pi)||<ri+rj}表示以(pj-pi)为中心,(ri+rj)为半径的圆域;
S3.计算机器人i和障碍物j的避障责任系数ai、aj,其具体步骤如下:
S31.初始时刻,设每个机器人或障碍物初始速度的大小相同,按照各自从起点到目标点的距离从大到小进行排序以分配责任系数,其中,距离目标点最远的机器人或障碍物的责任系数为1,距离目标点最近的机器人或障碍物的责任系数为nr,nr为机器人和障碍物的数量;
S32.在行进过程中,把机器人或障碍物到各自目标点的距离除以机器人或障碍物自身的速度大小作为需耗费的时间值,然后根据该时间值按从大到小的顺序重新排序,以此更新每个机器人的责任系数,时间值最大的机器人的责任系数为1,时间值最小的机器人的责任系数为nr;
S4.计算障碍物j对机器人i的风险因子,具体如下:
(1)机器人i与障碍物j的相对速度在速度障碍空间的外部时,采用机器人i和障碍物j之间的距离来表示障碍物j对机器人i的风险因子xi|j:
其中||pi,pj||表示机器人i和障碍物j之间的相对距离,dmax、dmin分别表示相对距离的最大阈值和最小阈值;
(2)机器人i与障碍物j的相对速度在速度障碍空间的内部时,计算两者的碰撞时间ti|j,并采用碰撞时间ti|j和相对距离来确定风险因子的大小:
其中tmax、tmin表示碰撞时间的两个阈值;
S4.根据计算得到的风险因子xi|j来确定机器人i与障碍物j的相对速度的改变量Δvij:
其中u为机器人i和障碍物j的相对速度(vi-vj)到VOi|j τ边界长度最小的向量,即:
S5.求取机器人i、障碍物j的速度改变量,表示如下
其中aj-ai=M;
S6.求取机器人i和障碍物j在时间τ内不会相撞的速度集合ORCAi|j τ,ORCAi|j τ是一个以vi+Δvi为起始点,以n为方向的半平面:
ORCAi|j τ={v|(v-(vi+Δvi))·n≥0}
若nr>2,可通过下式构造ORCAi τ集合:
D(0,vi max)代表机器人的速度限制;
S7.根据构造的ORCAi τ,求解机器人i的更新速度vi adjusted:
更新速度vi adjusted为集合ORCAi τ中最接近期待速度vi pref的值。
优选地,所述步骤S1中,使用激光测距仪对机器人与障碍物的距离进行检测,然后根据检测的数据确定障碍物相对机器人的位置,其具体过程如下:
S11.建立扫描窗对激光测距仪回传的扫描数据进行处理,扫描窗的半径设为dsetmax,m为数据点的序列号,dm为第m个数据距离激光测距仪的距离值,并且dm≠dsetmax;
S12.设相邻两个数据点对应的距离的差值为|dm+1-dm|,根据|dm+1-dm|使用S121的方法判断数据点对应的障碍物检测情况;
S13.假设第j个障碍物表示为其中 分别表示第j个障碍物在扫描窗内的起始点、结束点、中间点的序列号;dj为中间点与激光测距仪的距离,把dj近似为障碍物j到机器人i几何中心的相对距离,由此可估计障碍物j相对机器人i的位置;
所述步骤S121的操作过程具体如下:
A.判断dm是否与dsetmax相等,若否,执行步骤B,否则执行步骤D;
B.判断dm+1是否与dsetmax相等,若是,则表示检测不到障碍物,否则执行步骤C;
C.判断|dm-dm+1|是否大于设定的阈值dhold,若是则表示检测到了两个障碍物,若否则表示这两个数据点检测到的障碍物为同一障碍物;
D.判断dm+1是否与dsetmax相等,若是,则表示检测不到障碍物,否则执行步骤F;
F.判断dm+k是否与dsetmax相等,若是则执行步骤G,若否则令k=k+1,然后执行步骤F;
G.判断k是否大于设定的阈值nhold,若是则表示检测到了新的障碍物,若否则表示检测不到障碍物。
其中,nhold为设置的有效障碍物数据点数的阈值,采用动态阈值法设置该阈值,以此减少避障过程中由于外部干扰产生的障碍物误判:障碍物距离机器人越近,nhold的值设置得越大;障碍物距离机器人越远,nhold的值设置得越小。
优选地,步骤S1中,计算机器人与障碍物相对速度的具体过程如下:
设在t时刻检测到扫描窗内第j个障碍物的信息表示为分别表示第j个障碍物t时刻在扫描窗内的起始点、结束点、中间点的序列号,dj,t表示t时刻障碍物j到机器人i的相对距离;而在t+T时刻,检测到的第j个障碍物的信息表示为则可求取T时间内障碍物j相对机器人i沿X轴和Y轴的位置变化量Δx和Δy:
根据(Δx,Δy)可计算障碍物j与机器人的相对速度vOtoR大小:
相对速度vOtoR的方向为:
与现有技术相比,本发明的有益效果是:
本发明提供的动态避障方法针对互惠式速度避障算法的缺陷,设置了避障责任系数,并针对不同的障碍物引入风险因子,以改进互惠式速度避障算法中由于测量误差导致的避障不及时与多余避障的现象,并使规划的避障轨迹更为平滑。在没有外部定位系统的未知动态环境中,采用车载激光测距仪检测障碍物并估计动态障碍物的运动速度,并基于所提出的避障方案实现全向移动机器人自主躲避运动区间内的动态及静态障碍物。
附图说明
图1为检测障碍物的示意图。
图2判断数据点对应的障碍物检测情况的方法流程图。
图3为计算机器人与障碍物相对速度的原理图。
图4为某时刻机器人i和障碍物j的位置分布图。
图5为速度障碍VOi|j τ和集合ORCAi|j τ的几何表示。
图6为碰撞时间ti|j的求解过程示意图。
图7为动态避障方法的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
在对本发明提供的动态避障方法进行阐述之前,首先对现有技术提供的互惠式速度避障算法进行介绍,其具体技术方案如下:
互惠式速度避障算法基于机器人之间位置信息和相对速度求取机器人的最优避障速度集合ORCAi τ,然后根据此集合规划机器人的新速度,以保障一定时间内机器人不与其它机器人碰撞。考虑两个机器人i与j,假设两者的半径分别为ri与rj,位置为pi与pj,速度为vi与vj,如图4所示。将机器人j对机器人i产生的速度障碍记为VOi|j τ,它表示导致机器人i与j在时间τ内相碰撞的相对速度的集合:
其中D(p,r)={q|||q-p||<r}代表以p为中心r为半径的圆域。集合VOi|j τ的几何表示如图5左上方所示。若机器人i和j的相对速度不在该速度集合内,则机器人i与机器人j在时间τ内不会相撞。令u为机器人i和j的相对速度(vi-vj)到VOi|j τ边界长度最小的向量,即:
改变u即可确保机器人i与机器人j不发生相撞。假设机器人i与机器人j分别承担一半的碰撞规避职责,故机器人i与机器人j的速度最少需改变u/2。设n为边界上的点(vi-vj+u)上的单位外法向量。因此,保证机器人i和j在时间τ内不会相撞的i的速度集合ORCAi|j τ是一个以vi+u/2为起始点,以n为方向的半平面:
根据对称性,用同样的方法亦能得到ORCAj|i τ。对于机器人数目为nr>2的场景,可以通过下式构造出ORCAi τ集合:
至此,保证在时间τ内不与其它物体相撞的机器人i的最优避障速度集合ORCAi τ构造完成。根据构造的ORCAi τ集合,通过求解下式可得到机器人i的更新速度vi adjusted:
其中更新速度vi adjusted为集合ORCAi τ中最接近期待速度vi pref的值。由于集合ORCAi τ是一个广义上的凸集,可通过线性规划的方法求解(1)、(2)等式。
然而,在动态避障过程中机器人的速度实时变化,可能出现部分机器人的运动速度变得很小而相距目标点又较远的情况,由此这些机器人将会在到达目标点的耗时长度这一指标上落后于其它机器人;此外,在行进过程中可能出现移动速度慢的机器人长时间停留在一个区域而使其它机器人的移动通道被挡的情况,以上因素都将造成多机器人系统到达目标点的时间变长。
因此,本发明为每个机器人设立避障责任系数,各机器人根据责任系数决定各自避障时的任务承担量,以节省多机器人系统整体路径规划的时间。
同时,当机器人的运动区域内存在多个动态障碍物时,由于各障碍物的位置与速度位置信息各不同,因而碰撞的风险也不同。由于存在检测误差与环境信息变化过快等原因,如果机器人在避障时不考虑碰撞风险的因素,可能会出现与风险较大的障碍物相碰撞,而与无碰撞风险的障碍物进行多余避障的情况。因此,本方案引入各障碍物相对机器人的风险因子,根据风险因子合理地规划机器人的实时运动速度,以改善机器人避障不及时及多余避障现象,使规划的避障轨迹更为平滑。并分别考虑机器人i与障碍物j的相对速度在速度障碍空间外部与内部两种不同的情形以分析和确定风险因子。
在以上的基础上,本实施例对本发明提供的动态避障算法的具体方案如下:
S1.对机器人周围障碍物的位置进行检测,并根据机器人与障碍物相对位置的变化计算二者的相对速度,然后在获知机器人的速度的基础上,计算障碍物的速度;
S2.设机器人i、障碍物j的半径分别为ri与rj,速度为vi与vj,位置为pi与pj,则障碍物j对机器人i产生的速度障碍空间记为VOi|j τ,它表示导致机器人i与障碍物j在时间τ内相碰撞的相对速度的集合:
其中D(pj-pi,ri+rj)={q|||q-(pj-pi)||<ri+rj}表示以(pj-pi)为中心,(ri+rj)为半径的圆域;
S3.计算机器人i和障碍物j的避障责任系数ai、aj,其具体步骤如下:
S31.初始时刻,设每个机器人或障碍物初始速度的大小相同,按照各自从起点到目标点的距离从大到小进行排序以分配责任系数,其中,距离目标点最远的机器人或障碍物的责任系数为1,距离目标点最近的机器人或障碍物的责任系数为nr,nr为机器人和障碍物的数量;
S32.在行进过程中,把机器人或障碍物到各自目标点的距离除以机器人或障碍物自身的速度大小作为需耗费的时间值,然后根据该时间值按从大到小的顺序重新排序,以此更新每个机器人的责任系数,时间值最大的机器人的责任系数为1,时间值最小的机器人的责任系数为nr;
S4.计算障碍物j对机器人i的风险因子,具体如下:
(1)机器人i与障碍物j的相对速度在速度障碍空间的外部时,采用机器人i和障碍物j之间的距离来表示障碍物j对机器人i的风险因子xi|j:
其中||pi,pj||表示机器人i和障碍物j之间的相对距离,dmax、dmin分别表示相对距离的最大阈值和最小阈值;
(2)机器人i与障碍物j的相对速度在速度障碍空间的内部时,计算两者的碰撞时间ti|j,并采用碰撞时间ti|j和相对距离来确定风险因子的大小:
其中tmax、tmin表示碰撞时间的两个阈值;
图6所示为ti|j的求解,其中,vij表示机器人i与障碍物j的相对速度;pi与pj分别表示机器人i与障碍物j的位置,||pi,pj||表示机器人i和障碍物j之间的相对距离;px为碰撞点;ri+rj表示机器人i与障碍物j的半径之和。在三角形pipjpx内,由向量vij与向量可求出α的角度值,则由余弦定理求出线段pipx的长度。将碰撞时间ti|j考虑为线段pipx的长度与相对速度vij的比值,则ti|j可计算求得:
ti|j=||pi,px||/|vij|
S4.根据计算得到的风险因子xi|j来确定机器人i与障碍物j的相对速度的改变量Δvij:
其中u为机器人i和障碍物j的相对速度(vi-vj)到VOi|j τ边界长度最小的向量,即:
S5.求取机器人i、障碍物j的速度改变量,表示如下
其中aj-ai=M;
S6.求取机器人i和障碍物j在时间τ内不会相撞的速度集合ORCAi|j τ,ORCAi|j τ是一个以vi+Δvi为起始点,以n为方向的半平面:
ORCAi|j τ={v|(v-(vi+Δvi))·n≥0}
若nr>2,可通过下式构造ORCAi τ集合:
D(0,vi max)代表机器人的速度限制;
S7.根据构造的ORCAi τ,求解机器人i的更新速度vi adjusted:
更新速度vi adjusted为集合ORCAi τ中最接近期待速度vi pref的值。
在具体的实施过程中,使用激光测距仪对机器人与障碍物的距离进行检测,然后根据检测的数据确定障碍物相对机器人的位置,如图1所示,其具体过程如下:
S11.建立扫描窗对激光测距仪回传的扫描数据进行处理,扫描窗的半径设为dsetmax,m为数据点的序列号,dm为第m个数据距离激光测距仪的距离值,并且dm≠dsetmax;
S12.设相邻两个数据点对应的距离的差值为|dm+1-dm|,根据|dm+1-dm|使用S121的方法判断数据点对应的障碍物检测情况;
S13.假设第j个障碍物表示为其中 分别表示第j个障碍物在扫描窗内的起始点、结束点、中间点的序列号;dj为中间点与激光测距仪的距离,把dj近似为障碍物j到机器人i几何中心的相对距离,由此可估计障碍物j相对机器人i的位置;
如图2所示,所述步骤S121的操作过程具体如下:
A.判断dm是否与dsetmax相等,若否,执行步骤B,否则执行步骤D;
B.判断dm+1是否与dsetmax相等,若是,则表示检测不到障碍物,否则执行步骤C;
C.判断|dm-dm+1|是否大于设定的阈值dhold,若是则表示检测到了两个障碍物,若否则表示这两个数据点检测到的障碍物为同一障碍物;
D.判断dm+1是否与dsetmax相等,若是,则表示检测不到障碍物,否则执行步骤F;
F.判断dm+k是否与dsetmax相等,若是则执行步骤G,若否则令k=k+1,然后执行步骤F;
G.判断k是否大于设定的阈值nhold,若是则表示检测到了新的障碍物,若否则表示检测不到障碍物。
其中,nhold为设置的有效障碍物数据点数的阈值,采用动态阈值法设置该阈值,以此减少避障过程中由于外部干扰产生的障碍物误判:障碍物距离机器人越近,nhold的值设置得越大;障碍物距离机器人越远,nhold的值设置得越小。
其中,如图2所示,计算机器人与障碍物相对速度的具体过程如下:
设在t时刻检测到扫描窗内第j个障碍物的信息表示为
分别表示第j个障碍物t时刻在扫描窗内的起始点、结束点、中间点的序列号,dj,t表示t时刻障碍物j到机器人i的相对距离;而在t+T时刻,检测到的第j个障碍物的信息表示为则可求取T时间内障碍物j相对机器人i沿X轴和Y轴的位置变化量Δx和Δy:
根据(Δx,Δy)可计算障碍物j与机器人的相对速度vOtoR大小:
相对速度vOtoR的方向为:
动态避障算法的流程如图7所示,基于检测与估计的障碍物信息根据动态避障算法计算机器人躲避障碍的实时速度,移动机器人采用此更新速度运动一个控制周期,在行进过程中按照该动态避障算法流程循环,直至到达目标点。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种全向移动机器人的动态避障方法,其特征在于:包括以下步骤:
S1.对机器人周围障碍物的位置进行检测,并根据机器人与障碍物相对位置的变化计算二者的相对速度,然后在获知机器人的速度的基础上,计算障碍物的速度;
S2.设机器人i、障碍物j的半径分别为ri与rj,速度为vi与vj,位置为pi与pj,则障碍物j对机器人i产生的速度障碍空间记为VOi|j τ,它表示导致机器人i与障碍物j在时间τ内相碰撞的相对速度的集合:
其中D(pj-pi,ri+rj)={q|||q-(pj-pi)||<ri+rj}表示以(pj-pi)为中心,(ri+rj)为半径的圆域;
S3.计算机器人i和障碍物j的避障责任系数ai、aj,其具体步骤如下:
S31.初始时刻,设每个机器人或障碍物初始速度的大小相同,按照各自从起点到目标点的距离从大到小进行排序以分配责任系数,其中,距离目标点最远的机器人或障碍物的责任系数为1,距离目标点最近的机器人或障碍物的责任系数为nr,nr为机器人和障碍物的数量;
S32.在行进过程中,把机器人或障碍物到各自目标点的距离除以机器人或障碍物自身的速度大小作为需耗费的时间值,然后根据该时间值按从大到小的顺序重新排序,以此更新每个机器人的责任系数,时间值最大的机器人的责任系数为1,时间值最小的机器人的责任系数为nr;
S4.计算障碍物j对机器人i的风险因子,具体如下:
(1)机器人i与障碍物j的相对速度在速度障碍空间的外部时,采用机器人i和障碍物j之间的距离来表示障碍物j对机器人i的风险因子xi|j:
其中||pi,pj||表示机器人i和障碍物j之间的相对距离,dmax、dmin分别表示相对距离的最大阈值和最小阈值;
(2)机器人i与障碍物j的相对速度在速度障碍空间的内部时,计算两者的碰撞时间ti|j,并采用碰撞时间ti|j和相对距离来确定风险因子的大小:
其中tmax、tmin表示碰撞时间的两个阈值;
S4.根据计算得到的风险因子xi|j来确定机器人i与障碍物j的相对速度的改变量Δvij:
其中u为机器人i和障碍物j的相对速度(vi-vj)到VOi|j τ边界长度最小的向量,即:
S5.求取机器人i、障碍物j的速度改变量,表示如下
其中aj-ai=M;
S6.求取机器人i和障碍物j在时间τ内不会相撞的速度集合ORCAi|j τ,ORCAi|j τ是一个以vi+Δvi为起始点,以n为方向的半平面:
ORCAi|j τ={v|(v-(vi+Δvi))·n≥0}
若nr>2,可通过下式构造ORCAi τ集合:
D(0,vi max)代表机器人的速度限制;
S7.根据构造的ORCAi τ,求解机器人i的更新速度vi adjusted:
更新速度vi adjusted为集合ORCAi τ中最接近期待速度vi pref的值。
2.根据权利要求1所述的全向移动机器人的动态避障方法,其特征在于:所述步骤S1中,使用激光测距仪对机器人与障碍物的距离进行检测,然后根据检测的数据确定障碍物相对机器人的位置,其具体过程如下:
S11.建立扫描窗对激光测距仪回传的扫描数据进行处理,扫描窗的半径设为dsetmax,m为数据点的序列号,dm为第m个数据距离激光测距仪的距离值,并且dm≠dsetmax;
S12.设相邻两个数据点对应的距离的差值为|dm+1-dm|,根据|dm+1-dm|使用S121的方法判断数据点对应的障碍物检测情况;
S13.假设第j个障碍物表示为其中 分别表示第j个障碍物在扫描窗内的起始点、结束点、中间点的序列号;dj为中间点与激光测距仪的距离,把dj近似为障碍物j到机器人i几何中心的相对距离,由此可估计障碍物j相对机器人i的位置;
所述步骤S121的操作过程具体如下:
A.判断dm是否与dsetmax相等,若否,执行步骤B,否则执行步骤D;
B.判断dm+1是否与dsetmax相等,若是,则表示检测不到障碍物,否则执行步骤C;
C.判断|dm-dm+1|是否大于设定的阈值dhold,若是则表示检测到了两个障碍物,若否则表示这两个数据点检测到的障碍物为同一障碍物;
D.判断dm+1是否与dsetmax相等,若是,则表示检测不到障碍物,否则执行步骤F;
F.判断dm+k是否与dsetmax相等,若是则执行步骤G,若否则令k=k+1,然后执行步骤F;
G.判断k是否大于设定的阈值nhold,若是则表示检测到了新的障碍物,若否则表示检测不到障碍物。
3.根据权利要求2所述的全向移动机器人的动态避障方法,其特征在于:所述阈值nhold为设置的有效障碍物数据点数的阈值,采用动态阈值法设置该阈值,以此减少避障过程中由于外部干扰产生的障碍物误判:障碍物距离机器人越近,nhold的值设置得越大;障碍物距离机器人越远,nhold的值设置得越小。
4.根据权利要求2所述的全向移动机器人的动态避障方法,其特征在于:步骤S1中,计算机器人与障碍物相对速度的具体过程如下:
设在t时刻检测到扫描窗内第j个障碍物的信息表示为 分别表示第j个障碍物t时刻在扫描窗内的起始点、结束点、中间点的序列号,dj,t表示t时刻障碍物j到机器人i的相对距离;而在t+T时刻,检测到的第j个障碍物的信息表示为则可求取T时间内障碍物j相对机器人i沿X轴和Y轴的位置变化量Δx和Δy:
根据(Δx,Δy)可计算障碍物j与机器人的相对速度vOtoR大小:
相对速度vOtoR的方向为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510762702.8A CN105223956B (zh) | 2015-11-09 | 2015-11-09 | 一种全向移动机器人的动态避障方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510762702.8A CN105223956B (zh) | 2015-11-09 | 2015-11-09 | 一种全向移动机器人的动态避障方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105223956A true CN105223956A (zh) | 2016-01-06 |
CN105223956B CN105223956B (zh) | 2018-02-27 |
Family
ID=54992986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510762702.8A Active CN105223956B (zh) | 2015-11-09 | 2015-11-09 | 一种全向移动机器人的动态避障方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105223956B (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
CN106959696A (zh) * | 2017-05-10 | 2017-07-18 | 北京京东尚科信息技术有限公司 | 运动目标的控制方法和装置 |
WO2018018596A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人 |
WO2018018597A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人、系统及方法 |
CN107703948A (zh) * | 2017-11-14 | 2018-02-16 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
WO2018035711A1 (zh) * | 2016-08-23 | 2018-03-01 | 深圳市速腾聚创科技有限公司 | 目标检测方法及系统 |
CN107885209A (zh) * | 2017-11-13 | 2018-04-06 | 浙江工业大学 | 一种基于动态窗口与虚拟目标点的避障方法 |
CN108334071A (zh) * | 2017-12-26 | 2018-07-27 | 中国科学院自动化研究所 | 多机器人系统无碰撞到达目标位置的方法 |
CN108733044A (zh) * | 2017-09-29 | 2018-11-02 | 北京猎户星空科技有限公司 | 避障方法、装置、机器人和计算机可读存储介质 |
CN108762256A (zh) * | 2018-05-04 | 2018-11-06 | 中山大学 | 一种机器人规避相对高速障碍物的方法 |
CN108873875A (zh) * | 2017-05-08 | 2018-11-23 | 深圳光启合众科技有限公司 | 机器人转向运动控制方法和装置、机器人、存储介质 |
CN109508013A (zh) * | 2018-12-20 | 2019-03-22 | 南京理工大学 | 一种自主行走轮式移动机器人控制器 |
CN109709810A (zh) * | 2019-01-22 | 2019-05-03 | 天津大学 | 全方位移动机器人轨迹跟踪无模型自抗扰控制方法 |
CN109891351A (zh) * | 2016-11-15 | 2019-06-14 | 深圳市大疆创新科技有限公司 | 基于图像的对象检测和对应的移动调整操纵的方法和系统 |
CN110040017A (zh) * | 2019-04-02 | 2019-07-23 | 远景能源(江苏)有限公司 | 一种用于控制移动充电装置的方法及系统 |
WO2019144299A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 移动平台速度限制方法及设备、装置及记录介质 |
CN110320920A (zh) * | 2019-08-06 | 2019-10-11 | 北京中海远景科技有限公司 | 一种基于规约算法的双移动机器人迷宫路径规划方法 |
CN110427044A (zh) * | 2019-07-17 | 2019-11-08 | 河北科技大学 | 基于改进速度障碍法的无人机冲突探测与冲突解脱方法 |
CN110906934A (zh) * | 2019-11-29 | 2020-03-24 | 华中科技大学 | 一种基于碰撞危险系数的无人艇避障方法和系统 |
CN111231982A (zh) * | 2020-01-08 | 2020-06-05 | 中国第一汽车股份有限公司 | 一种智能驾驶的障碍物识别方法、装置、车辆和存储介质 |
CN112002143A (zh) * | 2020-08-25 | 2020-11-27 | 哈尔滨工业大学 | 基于动态风险势能场的多车环境下车辆运行风险评估系统 |
CN112051850A (zh) * | 2020-09-08 | 2020-12-08 | 中国人民解放军海军航空大学 | 一种基于惯导与激光雷达测量的机器人切线避障方法 |
CN112162551A (zh) * | 2020-09-10 | 2021-01-01 | 珠海格力电器股份有限公司 | 障碍物探测方法、装置、设备及计算机可读介质 |
CN112306030A (zh) * | 2020-09-08 | 2021-02-02 | 张家港市恒拓科技服务合伙企业(有限合伙) | 叉车安全在线监控管理系统 |
CN112506194A (zh) * | 2020-12-03 | 2021-03-16 | 中山大学 | 一种移动机器人集群分布式安全学习控制方法 |
CN113770997A (zh) * | 2021-09-06 | 2021-12-10 | 广州科语机器人有限公司 | 机器人及机器人越障控制方法、存储介质和设备 |
CN114019912A (zh) * | 2021-10-15 | 2022-02-08 | 上海电机学院 | 一种群体机器人运动规划控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005288657A (ja) * | 2004-04-05 | 2005-10-20 | Matsushita Electric Ind Co Ltd | ロボット |
JP2009288930A (ja) * | 2008-05-28 | 2009-12-10 | Murata Mach Ltd | 自律移動体及びその移動制御方法 |
CN102053620A (zh) * | 2009-11-06 | 2011-05-11 | 北京理工大学 | 一种地面移动机器人群摆脱多边形障碍物的方法 |
CN104007765A (zh) * | 2014-06-16 | 2014-08-27 | 成都北斗群星智能科技有限公司 | 扫地机器人避障、定位系统及方法 |
CN104216409A (zh) * | 2014-09-04 | 2014-12-17 | 北京工业大学 | 基于模糊控制的两轮自平衡机器人避障系统及控制方法 |
CN104571128A (zh) * | 2014-12-26 | 2015-04-29 | 燕山大学 | 基于距离与视差信息的水下机器人避障方法 |
CN104933228A (zh) * | 2015-05-27 | 2015-09-23 | 西安交通大学 | 基于速度障碍的无人车实时轨迹规划方法 |
-
2015
- 2015-11-09 CN CN201510762702.8A patent/CN105223956B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005288657A (ja) * | 2004-04-05 | 2005-10-20 | Matsushita Electric Ind Co Ltd | ロボット |
JP2009288930A (ja) * | 2008-05-28 | 2009-12-10 | Murata Mach Ltd | 自律移動体及びその移動制御方法 |
CN102053620A (zh) * | 2009-11-06 | 2011-05-11 | 北京理工大学 | 一种地面移动机器人群摆脱多边形障碍物的方法 |
CN104007765A (zh) * | 2014-06-16 | 2014-08-27 | 成都北斗群星智能科技有限公司 | 扫地机器人避障、定位系统及方法 |
CN104216409A (zh) * | 2014-09-04 | 2014-12-17 | 北京工业大学 | 基于模糊控制的两轮自平衡机器人避障系统及控制方法 |
CN104571128A (zh) * | 2014-12-26 | 2015-04-29 | 燕山大学 | 基于距离与视差信息的水下机器人避障方法 |
CN104933228A (zh) * | 2015-05-27 | 2015-09-23 | 西安交通大学 | 基于速度障碍的无人车实时轨迹规划方法 |
Non-Patent Citations (1)
Title |
---|
高扬等: "动态环境中基于碰撞预测的局部路径规划方法", 《中国机械工程 》 * |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549597B (zh) * | 2016-02-04 | 2018-06-26 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
CN106406338B (zh) * | 2016-04-14 | 2023-08-18 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
CN108136582A (zh) * | 2016-07-29 | 2018-06-08 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人 |
CN108136579A (zh) * | 2016-07-29 | 2018-06-08 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人、系统及方法 |
WO2018018597A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人、系统及方法 |
WO2018018596A1 (zh) * | 2016-07-29 | 2018-02-01 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人 |
WO2018035711A1 (zh) * | 2016-08-23 | 2018-03-01 | 深圳市速腾聚创科技有限公司 | 目标检测方法及系统 |
US10891499B2 (en) | 2016-08-23 | 2021-01-12 | Suteng Innovation Technology Co., Ltd. | Target detection method and system |
CN109891351B (zh) * | 2016-11-15 | 2022-05-06 | 深圳市大疆创新科技有限公司 | 基于图像的对象检测和对应的移动调整操纵的方法和系统 |
CN109891351A (zh) * | 2016-11-15 | 2019-06-14 | 深圳市大疆创新科技有限公司 | 基于图像的对象检测和对应的移动调整操纵的方法和系统 |
CN108873875A (zh) * | 2017-05-08 | 2018-11-23 | 深圳光启合众科技有限公司 | 机器人转向运动控制方法和装置、机器人、存储介质 |
CN108873875B (zh) * | 2017-05-08 | 2023-11-14 | 中国华电集团有限公司青海分公司 | 机器人转向运动控制方法和装置、机器人、存储介质 |
CN106959696B (zh) * | 2017-05-10 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 运动目标的控制方法和装置 |
CN106959696A (zh) * | 2017-05-10 | 2017-07-18 | 北京京东尚科信息技术有限公司 | 运动目标的控制方法和装置 |
CN108733044A (zh) * | 2017-09-29 | 2018-11-02 | 北京猎户星空科技有限公司 | 避障方法、装置、机器人和计算机可读存储介质 |
CN107885209A (zh) * | 2017-11-13 | 2018-04-06 | 浙江工业大学 | 一种基于动态窗口与虚拟目标点的避障方法 |
CN107703948A (zh) * | 2017-11-14 | 2018-02-16 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
CN107703948B (zh) * | 2017-11-14 | 2020-09-29 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
CN108334071A (zh) * | 2017-12-26 | 2018-07-27 | 中国科学院自动化研究所 | 多机器人系统无碰撞到达目标位置的方法 |
CN108334071B (zh) * | 2017-12-26 | 2020-10-16 | 中国科学院自动化研究所 | 多机器人系统无碰撞到达目标位置的方法 |
WO2019144299A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 移动平台速度限制方法及设备、装置及记录介质 |
CN110383197A (zh) * | 2018-01-23 | 2019-10-25 | 深圳市大疆创新科技有限公司 | 移动平台速度限制方法及设备、装置及记录介质 |
CN108762256A (zh) * | 2018-05-04 | 2018-11-06 | 中山大学 | 一种机器人规避相对高速障碍物的方法 |
CN108762256B (zh) * | 2018-05-04 | 2021-09-03 | 中山大学 | 一种机器人规避相对高速障碍物的方法 |
CN109508013A (zh) * | 2018-12-20 | 2019-03-22 | 南京理工大学 | 一种自主行走轮式移动机器人控制器 |
CN109709810A (zh) * | 2019-01-22 | 2019-05-03 | 天津大学 | 全方位移动机器人轨迹跟踪无模型自抗扰控制方法 |
CN109709810B (zh) * | 2019-01-22 | 2022-03-15 | 天津大学 | 全方位移动机器人轨迹跟踪无模型自抗扰控制方法 |
CN110040017A (zh) * | 2019-04-02 | 2019-07-23 | 远景能源(江苏)有限公司 | 一种用于控制移动充电装置的方法及系统 |
CN110427044A (zh) * | 2019-07-17 | 2019-11-08 | 河北科技大学 | 基于改进速度障碍法的无人机冲突探测与冲突解脱方法 |
CN110320920A (zh) * | 2019-08-06 | 2019-10-11 | 北京中海远景科技有限公司 | 一种基于规约算法的双移动机器人迷宫路径规划方法 |
CN110906934A (zh) * | 2019-11-29 | 2020-03-24 | 华中科技大学 | 一种基于碰撞危险系数的无人艇避障方法和系统 |
CN111231982A (zh) * | 2020-01-08 | 2020-06-05 | 中国第一汽车股份有限公司 | 一种智能驾驶的障碍物识别方法、装置、车辆和存储介质 |
CN111231982B (zh) * | 2020-01-08 | 2021-05-04 | 中国第一汽车股份有限公司 | 一种智能驾驶的障碍物识别方法、装置、车辆和存储介质 |
CN112002143A (zh) * | 2020-08-25 | 2020-11-27 | 哈尔滨工业大学 | 基于动态风险势能场的多车环境下车辆运行风险评估系统 |
CN112002143B (zh) * | 2020-08-25 | 2021-05-28 | 哈尔滨工业大学 | 基于动态风险势能场的多车环境下车辆运行风险评估系统 |
CN112051850A (zh) * | 2020-09-08 | 2020-12-08 | 中国人民解放军海军航空大学 | 一种基于惯导与激光雷达测量的机器人切线避障方法 |
CN112306030A (zh) * | 2020-09-08 | 2021-02-02 | 张家港市恒拓科技服务合伙企业(有限合伙) | 叉车安全在线监控管理系统 |
CN112162551B (zh) * | 2020-09-10 | 2021-11-16 | 珠海格力电器股份有限公司 | 障碍物探测方法、装置、设备及计算机可读介质 |
CN112162551A (zh) * | 2020-09-10 | 2021-01-01 | 珠海格力电器股份有限公司 | 障碍物探测方法、装置、设备及计算机可读介质 |
CN112506194B (zh) * | 2020-12-03 | 2022-03-29 | 中山大学 | 一种移动机器人集群分布式安全学习控制方法 |
CN112506194A (zh) * | 2020-12-03 | 2021-03-16 | 中山大学 | 一种移动机器人集群分布式安全学习控制方法 |
CN113770997A (zh) * | 2021-09-06 | 2021-12-10 | 广州科语机器人有限公司 | 机器人及机器人越障控制方法、存储介质和设备 |
CN114019912A (zh) * | 2021-10-15 | 2022-02-08 | 上海电机学院 | 一种群体机器人运动规划控制方法及系统 |
CN114019912B (zh) * | 2021-10-15 | 2024-02-27 | 上海电机学院 | 一种群体机器人运动规划控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105223956B (zh) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105223956A (zh) | 一种全向移动机器人的动态避障方法 | |
Althoff et al. | Safety assessment of robot trajectories for navigation in uncertain and dynamic environments | |
Fox et al. | A hybrid collision avoidance method for mobile robots | |
JP6959056B2 (ja) | 移動ロボットの制御装置と制御方法 | |
CN105589464A (zh) | 一种基于速度障碍法的uuv动态避障方法 | |
CN107943079B (zh) | 一种剩余飞行时间在线估计方法 | |
CN106647810A (zh) | 一种基于负比例导引的无人机自动避撞方法 | |
Chen et al. | Tracking with UAV using tangent-plus-Lyapunov vector field guidance | |
CN101630413B (zh) | 一种多机器人跟踪移动目标方法 | |
Cho et al. | Map based indoor robot navigation and localization using laser range finder | |
Levy et al. | The extended velocity obstacle and applying orca in the real world | |
Damas et al. | Avoiding moving obstacles: the forbidden velocity map | |
Kim | Control laws to avoid collision with three dimensional obstacles using sensors | |
CN110262555A (zh) | 连续障碍环境下无人机实时避障控制方法 | |
CN114594756A (zh) | 动态障碍环境下的多车协同编队控制方法、终端及介质 | |
Wei et al. | Optimized visibility motion planning for target tracking and localization | |
Miura et al. | Adaptive robot speed control by considering map and motion uncertainty | |
Bis et al. | Velocity occupancy space: autonomous navigation in an uncertain, dynamic environment | |
Junratanasiri et al. | Navigation system of mobile robot in an uncertain environment using type-2 fuzzy modelling | |
Son et al. | Formation coordination for the propagation of a group of mobile agents via self-mobile localization | |
CN113934219B (zh) | 一种机器人自动避障方法、系统、设备及介质 | |
CN105277939A (zh) | 用于被动传感器对空观测网的目标引导方法及引导系统 | |
US20230185317A1 (en) | Information processing device, information processing system, method, and program | |
Xie et al. | An improved obstacle avoidance method for robot based on constraint of obstacle boundary condition | |
Choi et al. | The position estimation of mobile robot under dynamic environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |