CN105867380A - 一种机器人小车路径跟随方法 - Google Patents

Abstract

一种机器人小车路径跟随方法，属于信息处理技术领域。机器人小车以圆弧路径向目标跟随点运动；机器人小车的运动速度与机器人距目标点的直线距离成正比。本发明的优点是:实现了机器人小车相对被跟随者的实时跟随；跟随算法高效实用；减小机器人小车的抖动，使得跟随运动平滑自然。

Description

一种机器人小车路径跟随方法

技术领域

本发明涉及一种机器人小车路径跟随方法，属于信息处理技术领域。

背景技术

跟随机器人可以帮助人们解决实际生活中的很多问题，比如自主跟随摄影摄像、跟随购物、跟随领路等，因此跟随机器人正成为机器人发展的一大趋势。若想实现机器人对人的跟随，需要解决机器人从当前位置如何运动到被跟随者所在位置的问题，即点到点的路径跟随问题。机器人小车从一个点运动到另一点可采取直线路径进行跟随，即机器人小车先转向到朝向被跟随者的方向，然后再以直线运动到目标位置。由于被跟随者的运动具有随意性，采用简单的直线跟随，虽然路径最短，但机器人小车转向比较急促，容易出现抖动现象，且运动不够平滑。

发明内容

为了克服现有技术的不足,本发明提供一种机器人小车路径跟随方法，以避免机器人小车跟随过程中的抖动现象，并提高跟随动作的平滑性。

一种机器人小车路径跟随方法，含有以下步骤；机器人小车以圆弧路径向目标跟随点运动；机器人小车的运动速度与机器人距目标点的直线距离成正比。

如图2所示，具体步骤如下：

步骤一：机器人小车通过传感器测距并对目标进行定位，从而计算目标位于机器人小车坐标系中的位置(ρ,θ)。

步骤二：将当前所测得的角度值θ，与上一次的角度值θ_pre作比较，如果θ-θ_pre>θ_threshold(如θ_threshold＝10°)，令θ＝θ_pre+Δθ(如Δθ＝3)；如果θ-θ_pre<-θ_threshold(如θ_threshold＝10°)，则让θ缓慢变化，令θ＝θ_pre–Δθ(如Δθ＝3).从而实现角度的缓慢变化，从而达到速度平滑。

步骤三：根据(ρ,θ)和跟随算法，计算两个驱动轮的速度，从而机器人小车对目标的跟随。

跟随算法为：

若被跟随者位于D处，则机器人小车将沿着虚线圆弧轨迹到达D处，且其跟随速度与ρ成正比；ρ为机器人距目标点的直线距离。

具体的，建立如图1所示的机器人坐标系，坐标原点位于后轮中心(AB中心)，y轴方向为小车前进方向，x轴方向为后轮的轴向方向。被跟随者D在机器人坐标系内的坐标为(x,y),则

$\mathrm{\&rho;}=\sqrt{x^2+y^2}$

$\mathrm{\&theta;}=\arctan \left(\frac{y}{x}\right)$

假设左轮的速度为v₁，右轮的速度为v₂，两后轮之间的间距为d，移动小车的角速度为ω，转弯半径为r(沿x轴正向为正值，沿x轴负向为负值)，由此可得：

$\left\{\begin{array}{c}{v}_1=\mathrm{\&omega;}(r+\frac{d}{2})\\ v_2=\mathrm{\&omega;}(r-\frac{d}{2})\end{array}\right.---\left(3\right)$

由式可得：

$\left\{\begin{array}{c}r=\frac{d}{2}\&CenterDot;\frac{v_1+v_2}{v_1-v_2}\\ \mathrm{\&omega;}=\frac{v_1-v_2}{d}\end{array}\right.---\left(4\right)$

由图1中的几何关系可得：

$r=\frac{\mathrm{\&rho;}}{2\cos \mathrm{\&theta;}}---\left(5\right)$

假设中点速度与ρ的关系为f(ρ)，则中点速度：

$v=\frac{v_1+v_2}{2}=f\left(\mathrm{\&rho;}\right)---\left(6\right)$

由式可得左右电机的速度与距离ρ的关系为：

$\left\{\begin{array}{c}{v}_1=(1+\frac{d}{\mathrm{\&rho;}}cos\mathrm{\&theta;})f\left(\mathrm{\&rho;}\right)\\ v_2=(1-\frac{d}{\mathrm{\&rho;}}cos\mathrm{\&theta;})f\left(\mathrm{\&rho;}\right)\end{array}\right.---\left(7\right)$

f(ρ)可根据实际运动效果选取，设f(ρ)＝kρ，即可根据实际运动调节k值，以达到平滑运动的目的。

步骤四：保存当前的角度值θ_pre＝θ；重新回到步骤一。

本发明的优点是:

1、实现了机器人小车相对被跟随者的实时跟随；

2、跟随算法高效实用；

3、减小机器人小车的抖动，使得跟随运动平滑自然。

附图说明

当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，如图其中：

图1为本发明的机器人小车路径跟随示意图。

图2为本发明的路径跟随算法流程图。

下面结合附图和实施例对本发明进一步说明。

具体实施方式

显然，本领域技术人员基于本发明的宗旨所做的许多修改和变化属于本发明的保护范围。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

实施例1：如图1、图2所示，一种机器人小车路径跟随方法,第一超声波模块A和第二超声波模块B分别安装在机器人小车的两侧。

若被跟随者位于D处，则机器人小车将沿着虚线圆弧轨迹到达D处，且其跟随速度与ρ成正比；ρ为机器人距目标点的直线距离。

具体的，建立如图1所示的机器人坐标系，坐标原点位于后轮中心(AB中心)，y轴方向为小车前进方向，x轴方向为后轮的轴向方向。被跟随者D在机器人坐标系内的坐标为(x,y),则：

$\mathrm{\&rho;}=\sqrt{x^2+y^2};$

$\mathrm{\&theta;}=\arctan \left(\frac{y}{x}\right).$

一种机器人小车路径跟随方法，如图2所示，含有以下步骤；

步骤一：机器人小车通过传感器测距并对目标进行定位，从而计算目标位于机器人小车坐标系中的位置(ρ,θ)。

步骤二：将当前所测得的角度值θ，与上一次的角度值θ_pre作比较，如果θ-θ_pre>θ_threshold(如θ_threshold＝10°)，令θ＝θ_pre+Δθ(如Δθ＝3)；如果θ-θ_pre<-θ_threshold(如θ_threshold＝10°)，则让θ缓慢变化，令θ＝θ_pre–Δθ(如Δθ＝3).从而实现角度的缓慢变化，从而达到速度平滑。

步骤三：根据(ρ,θ)和跟随算法，计算两个驱动轮的速度，从而机器人小车对目标的跟随。

跟随算法为：

若被跟随者位于D处，则机器人小车将沿着虚线圆弧轨迹到达D处，且其跟随速度与ρ成正比；ρ为机器人距目标点的直线距离。

具体的，建立如图1所示的机器人坐标系，坐标原点位于后轮中心(AB中心)，y轴方向为小车前进方向，x轴方向为后轮的轴向方向。

假设左轮的速度为v₁，右轮的速度为v₂，两后轮之间的间距为d，移动小车的角速度为ω，转弯半径为r(沿x轴正向为正值，沿x轴负向为负值)，由此可得：

$\left\{\begin{array}{c}{v}_1=\mathrm{\&omega;}(r+\frac{d}{2})\\ v_2=\mathrm{\&omega;}(r-\frac{d}{2})\end{array}\right.---\left(3\right)$

由式可得：

$\left\{\begin{array}{c}r=\frac{d}{2}\&CenterDot;\frac{v_1+v_2}{v_1-v_2}\\ \mathrm{\&omega;}=\frac{v_1-v_2}{d}\end{array}\right.---\left(4\right)$

由图1中的几何关系可得：

$r=\frac{\mathrm{\&rho;}}{2\cos \mathrm{\&theta;}}---\left(5\right)$

假设中点速度与ρ的关系为f(ρ)，则中点速度：

$v=\frac{v_1+v_2}{2}=f\left(\mathrm{\&rho;}\right)---\left(6\right)$

由式可得左右电机的速度与距离ρ的关系为：

$\left\{\begin{array}{c}{v}_1=(1+\frac{d}{\mathrm{\&rho;}}cos\mathrm{\&theta;})f\left(\mathrm{\&rho;}\right)\\ v_2=(1-\frac{d}{\mathrm{\&rho;}}cos\mathrm{\&theta;})f\left(\mathrm{\&rho;}\right)\end{array}\right.---\left(7\right)$

f(ρ)可根据实际运动效果选取，设f(ρ)＝kρ，即可根据实际运动调节k值，以达到平滑运动的目的。

步骤四：保存当前的角度值θ_pre＝θ；重新回到步骤一。

如上所述，对本发明的实施例进行了详细地说明，但是只要实质上没有脱离本发明的发明点及效果可以有很多的变形，这对本领域的技术人员来说是显而易见的。因此，这样的变形例也全部包含在本发明的保护范围之内。

Claims (2)

1.一种机器人小车路径跟随方法，其特征在于含有以下步骤；机器人小车以圆弧路径向目标跟随点运动；机器人小车的运动速度与机器人距目标点的直线距离成正比。

2.根据权利要求1所述的一种机器人小车路径跟随方法，其特征在于含有以下步骤：

步骤一：机器人小车通过传感器测距并对目标进行定位，从而计算目标位于机器人小车坐标系中的位置(ρ,θ)；

步骤二：将当前所测得的角度值θ，与上一次的角度值θ_pre作比较，如果θ-θ_pre>θ_threshold(如θ_threshold＝10°)，令θ＝θ_pre+Δθ(如Δθ＝3)；如果θ-θ_pre<-θ_threshold(如θ_threshold＝10°)，则让θ缓慢变化，令θ＝θ_pre–Δθ(如Δθ＝3).从而实现角度的缓慢变化，从而达到速度平滑；

步骤三：根据位置(ρ,θ)和跟随算法，计算两个驱动轮的速度，从而实现机器人小车对目标的跟随；

跟随算法为：

若被跟随者位于D处，则机器人小车将沿着虚线圆弧轨迹到达D处，且其跟随速度与ρ成正比；ρ为机器人距目标点的直线距离；

建立机器人坐标系，坐标原点位于后轮中心(AB中心)，y轴方向为小车前进方向，x轴方向为后轮的轴向方向；

假设左轮的速度为v₁，右轮的速度为v₂，两后轮之间的间距为d，移动小车的角速度为ω，转弯半径为r(沿x轴正向为正值，沿x轴负向为负值)，由此可得：

$\left\{\begin{array}{c}{v}_1=\mathrm{\&omega;}(r+\frac{d}{2})\\ v_2=\mathrm{\&omega;}(r-\frac{d}{2})\end{array}\right.---\left(3\right)$

由式可得：

$\left\{\begin{array}{c}r=\frac{d}{2}\&CenterDot;\frac{v_1+v_2}{v_1-v_2}\\ \mathrm{\&omega;}=\frac{v_1-v_2}{d}\end{array}\right.---\left(4\right)$

可得：

$r=\frac{\mathrm{\&rho;}}{2\cos \mathrm{\&theta;}}---\left(5\right)$

假设中点速度与ρ的关系为f(ρ)，则中点速度：

$v=\frac{v_1+v_2}{2}=f\left(\mathrm{\&rho;}\right)---\left(6\right)$

由式可得左右电机的速度与距离ρ的关系为：

$\left\{\begin{array}{c}{v}_1=(1+\frac{d}{\mathrm{\&rho;}}cos\mathrm{\&theta;})f\left(\mathrm{\&rho;}\right)\\ v_2=(1-\frac{d}{\mathrm{\&rho;}}cos\mathrm{\&theta;})f\left(\mathrm{\&rho;}\right)\end{array}\right.---\left(7\right)$

f(ρ)可根据实际运动效果选取，设f(ρ)＝kρ，即可根据实际运动调节k值，以达到平滑运动的目的；

步骤四：保存当前的角度值θ_pre＝θ；重新回到步骤一。