CN106444768A - 一种机器人的贴边行走方法及系统 - Google Patents

一种机器人的贴边行走方法及系统 Download PDF

Info

Publication number
CN106444768A
CN106444768A CN201610927409.7A CN201610927409A CN106444768A CN 106444768 A CN106444768 A CN 106444768A CN 201610927409 A CN201610927409 A CN 201610927409A CN 106444768 A CN106444768 A CN 106444768A
Authority
CN
China
Prior art keywords
route
robot
point
angular velocity
parameter
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
Application number
CN201610927409.7A
Other languages
English (en)
Other versions
CN106444768B (zh
Inventor
李建明
张小*
张小�
章征贵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Zhonghao Plastic Industry Co ltd
Original Assignee
Shanghai View Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai View Technologies Co Ltd filed Critical Shanghai View Technologies Co Ltd
Priority to CN201610927409.7A priority Critical patent/CN106444768B/zh
Publication of CN106444768A publication Critical patent/CN106444768A/zh
Application granted granted Critical
Publication of CN106444768B publication Critical patent/CN106444768B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种机器人的贴边行走方法，包括：步骤S100获取机器人贴边行走环境的地图信息；步骤S200根据获取的所述地图信息滤除空白区间，创建包括障碍物空间信息的初始路线；步骤S300根据所述初始路线进行模拟行走，修正并创建机器人贴边行走的第一路线；步骤S400控制机器人根据所述第一路线完成贴边行走。本发明的目的是提供了一种机器人的贴边行走方法及系统，以实现在已知环境中，非完整性约束机器人能跟随生成的路线一次性完成整个贴边行走，而不会发生碰撞或倒车行为，从而提高机器人行走效率，保证安全性。

Description

一种机器人的贴边行走方法及系统
技术领域
本发明涉及机器人路线规划领域，特别是涉及一种机器人的贴边行走方法及系统。
背景技术
贴边行为，又称沿墙行为，是指移动机器人能沿着障碍物轮廓行走，并保持一定距离的行为，是移动机器人，尤其是室内移动机器人的一项基本且重要的能力。在室内清洁、沿障碍物轮廓避障、陌生环境导航、机器人定位与地图构建等场景中，贴边行为均有应用，尤其是目前市场上的清洁机器人一般都具备贴边能力，以提升清洁效率和清扫效果。
目前关于贴边问题的研究多数集中在圆形机器人在陌生环境中的贴边行为，其方案一般采用红外、超声、声纳、激光等传感器实时检测周围障碍物信息以及机器人与障碍物的位置信息，从而实现移动机器人在陌生环境中的贴边行为。
而某些场合下，机器人可能只需要完成一块区域的贴边行走，即有一部分贴边路线是在区域间的空闲区域穿过，此时上述的研究成果则无法完成该任务，需要预先获取环境地图，或者一条参考路线。同时，上述研究中的圆形机器人在遇到拐弯时可以原地旋转，实现拐弯，但由于贴边时机器人距离障碍物较近，非完整性约束机器人的拐弯行为必须考虑机器人外形等运动学因素，以避免发生碰撞。因此，针对非圆形机器人的贴边行走，算法更为复杂，已有的贴边算法无法满足要求。
发明内容
本发明的目的是提供了一种机器人的贴边行走方法及系统，以实现在已知环境中，非完整性约束机器人能跟随生成的路线一次性完成整个贴边行走，而不会发生碰撞或倒车行为，从而提高机器人行走效率，保证安全性。
本发明提供的技术方案如下：
本发明提供一种机器人的贴边行走方法，包括：步骤S100获取机器人贴边行走环境的地图信息；步骤S200根据获取的所述地图信息挥发空白区间，创建包括障碍物空间信息的初始路线；步骤S300根据所述初始路线进行模拟行走，修正并创建机器人贴边行走的第一路线；步骤S400控制机器人根据所述第一路线完成贴边行走。
在本发明中，相较于已有的贴边算法和蚁群算法，本发明对其进一步的改进，本发明所生成的贴边路线能保证非完整性约束机器人一次性完成整个贴边过程，而不会发生与障碍物碰撞或倒车等行为，从而提高机器人行走效率，保证安全性。
进一步，优选的，所述步骤S300包括：步骤S310获取机器人在出发点的初始化参数，并根据所述初始化参数开始模拟行走；步骤S320判断机器人在当前模拟行走路线上行走是否结束；当未结束时，执行步骤S330；否则执行步骤S350；步骤S330根据预设的规则算法获取机器人在所述当前模拟行走路线上继续行走的路线下一位置信息点的参数信息；步骤S340根据机器人行走的路线下一位置信息点的参数信息更新所述当前模拟行走路线的信息素；并返回执行步骤S320；步骤S350判断机器人的所述当前模拟行走路线上的位置信息点的参数信息是否满足所述第一路线的参数信息，当满足时，执行步骤S360，否则，执行步骤S310；步骤S360将所述当前模拟行走路线设置为所述第一路线。
在本发明中，通过初始化信息素为本次行走提供了有利的参数基础，在模拟行走过程中实时判断并获取参数信息，为下一位置信息点的行走提供参数信息，提高机器人通过路线各点的概率，提升算法收敛速度；保障为机器人模拟行走提供可靠的路线信息。
优选的，所述步骤S330包括：步骤S331获取机器人在所述当前模拟行走路线上所述当前位置信息点、上一位置信息点、下一位置信息点，以所述当前位置信息点为中心点，与所述上一位置信息点、所述下一位置信息点之间的产生行走距离建立速度夹角；步骤S332根据所述速度夹角与所述初始路线对应的位置信息点的速度角度之间的偏差，对所述位置信息点上的各角速度设置能见度的参数信息；步骤S333根据当前位置信息点的角速度、所述能见度、所述信息素，获取所述当前位置信息点的概率合成；步骤S334根据所述合成概率进一步获取所述当前模拟行走路线上当前位置信息点上各角速度分别对应的占比；步骤S335根据所述占比，和/或，所述预设规则获取所述当前位置信息点的角速度；步骤S336判断所述当前位置信息点行走的角速度获取是否成功，当失败时，执行步骤S337；否则，当成功时，执行步骤S338；步骤S337将所述当前位置信息点行走的角速度设置为零；步骤S338在所述当前模拟行走路线上根据获取的所述当前位置信息点的角速度和建立的所述速度夹角行走至所述下一位置信息点。
在本发明中，对于角速度的选取采用两种算法的结合实现，一是采用轮盘赌法随机，另一是采用合成概率的占比实现，当角速度都不符合上述结合的要求时，即没有选取成功时，采用将角速度设置为0，即根据线速度的大小完成模拟想走路线；这样保障角速度的选取的准确严密性，不会造成机器人在没有路障的情况下停止工作，保障行走任务顺利进行，提供了工作的效率。
进一步，优选的，所述步骤S350包括：步骤S351根据更新后的所述当前位置点的信息素判断是否满足所述当前模拟行走路线的要求，当满足要求时，执行步骤S352，当未满足要求时，执行步骤S353；步骤S352判断更新后的所述当前模拟行走路线是否超过与所述初始路线的角速度的偏差阈值，当超过时，执行步骤S353，当未超过时，执行步骤S354；步骤S353将所述当前模拟行走路线上位置信息点的角速度根据预设比例调小，结束所述当前模拟行走路线，执行步骤S340；步骤S354判断机器人在所述当前模拟行走路线模拟行走的方向是否靠近所述终点，当是时，执行步骤S355，否则执行步骤S366；步骤S355对比机器人在所述当前模拟行走路线与上一次的模拟行走路线的参数偏差是否减小，当减小时，执行步骤S356，否则执行步骤S357；其中参数偏差包括：位置偏差、角度偏差；步骤S356将所述当前模拟行走路线的参数的信息素增强，设置为选中信息素；执行步骤S360；步骤S357将所述当前模拟行走路线的参数的信息素减少，设置为挥发信息素，返回执行步骤S310。
在本发明中，本发明对传统蚁群算法的改进中，通过对信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
进一步，优选的，所述步骤S320包括：步骤S321判断机器人当前位置信息点是否到达所述当前模拟行走路线上的终点，当为终点时，执行步骤S350；和/或，步骤S322判断与所述当前模拟行走路线上障碍物是否发生碰撞，当发生碰撞时，执行步骤S323；步骤S322对所述当前模拟行走路线进行标记信息素，重新返回步骤S310。
在本发明中，应用改进后的算法在于，并不能保证每次迭代都能得到一条从起点到终点的完整路线，一旦机器人在模拟行走过程中发生碰撞，或者走到终点，则迭代结束，并更新所走过的路线上可选角速度的信息素；本发明意义在于根据应用场景的特殊性，更加变通的选择更优路线适应特殊场合。
进一步，优选的，所述步骤S310包括：步骤S311获取机器人在所述初始路线的全局坐标中的初始位置信息点；步骤S312根据所述初始位置信息点获取机器人模拟行走的初始化参数，并以所述初始化标记机器人行走的初始信息素。
进一步，优选的，对于所述概率合成的模型包括：
m--可选角速度个数，α--表示信息素的权重，β--能见度的权重，--在i点的信息素，i--在模拟行走路线上第i个位置信息点，k--可选角速度列表中第k个角速度；
进一步，优选的，所述增加信息素的模型包括：
ρ--信息素的蒸发率，且0＜ρ≤1；i--在模拟行走路线上第i个位置信息点，j--所述机器人行走的方向、所述位置偏差、所述角度偏差；
进一步，优选的，所述信息素挥发的模型包括：
本发明还提供一种机器人的贴边行走系统，包括：地图获取单元，获取机器人贴边行走环境的地图信息；初始路线创建单元，与所述地图获取单元电连接，挥发所述地图获取模块获取的所述地图信息的空白区间，创建包括障碍物空间信息的初始路线；第一路线创建单元，与所述初始路线创建单元电连接，根据所述初始路线创建模块创建的所述初始路线进行模拟行走，修正并创建机器人贴边行走的第一路线；控制单元，与所述第一路线创建单元电连接，控制机器人根据所述第一路线创建模块建立的所述第一路线完成贴边行走。
在本发明中，相较于已有的贴边算法和蚁群算法，所生成的贴边路线能保证非完整性约束机器人一次性完成整个贴边过程，而不会发生与障碍物碰撞或倒车等行为，从而提高机器人行走效率，保证安全性。
进一步，优选的，所述第一路线创建模块包括：参数初始化模块，获取机器人在出发点的初始化参数，并根据所述初始化参数开始模拟行走；行走状态判断模块，与所述参数初始化模块电连接，判断机器人在当前模拟行走路线上行走是否结束；行走参数获取模块，与所述行走状态判断模块电连接，当机器人在所述当前模拟行走路线上行走未结束时，根据预设的规则算法获取机器人在所述当前模拟行走路线上继续行走的下一参数；信息素更新模块，分别与所述行走状态判断模块、所述行走参数获取模块电连接，根据机器人行走的所述下一参数更新所述当前模拟行走路线的信息素；第一路线判断模块，分别与所述信息素更新模块、所述参数初始化模块电连接，当机器人在所述当前模拟行走路线上行走结束时，判断机器人的所述当前模拟行走路线的参数信息是否满足所述第一路线的参数信息；第一路线设置模块，与所述第一路线判断模块电连接，当机器人的所述当前模拟行走路线的参数信息满足所述第一路线的参数信息时，将所述当前模拟行走路线设置为所述第一路线；当机器人的所述当前模拟行走路线的参数信息满足所述第一路线的参数信息时，并根据所述初始化参数开始模拟行走。
在本发明中，通过初始化信息素为本次行走提供了有利的参数基础，在模拟行走过程中实时判断并获取参数信息，为下一位置信息点的行走提供参数信息，提高机器人通过路线各点的概率，提升算法收敛速度；保障为机器人模拟行走提供可靠的路线信息。
进一步，优选的，所述行走参数获取模块包括：
速度夹角获取子模块，获取机器人在所述当前模拟行走路线上所述当前位置信息点、上一位置信息点、下一位置信息点，以所述当前位置信息点为中心点，与所述上一位置信息点、所述下一位置信息点之间的产生行走距离建立速度夹角；能见度参数设置子模块，与所述速度夹角获取子模块电连接，根据所述速度夹角获取子模块建立的所述速度夹角与所述初始路线对应的位置信息点的速度角度偏差，对所述位置信息点上的各角速度设置能见度参数信息；概率合成子模块，与所述能见度参数设置子模块电连接，根据所述当前位置信息点的角速度、所述能见度、所述信息素，获取所述当前位置信息点的概率合成；占比获取子模块，根据所述合成概率进一步获取所述当前模拟行走路线上当前位置信息点上各角速度分别对应的占比；角速度获取子模块，与所述占比获取子模块电连接，根据所述占比获取子模块获取的所述占比，和/或，所述预设规则获取所述当前位置信息点的角速度；角速度判断子模块，分别与所述角速度获取子模块电连接，判断所述当前位置信息点行走的角速度获取是否成功；当获取成功时，通过角速度获取子模块进一步获取下一个位置信息点的角速度；角速度重设子模块，与所述角速度判断子模块电连接，当所述角速度获取子模块获取的角速度失败时，将所述当前位置信息点行走的角速度设置为零；控制行走子模块，分别与所述速度夹角获取子模块，所述角速度获取子模块电连接，当所述角速度获取子模块获取的角速度成功时，在所述当前模拟行走路线上根据所述速度夹角获取子模块获取的速度夹角和所述角速度获取子模块获取的当前位置信息点的角速度行走至所述下一位置信息点。
在本发明中，对于角速度的选取采用两种算法的结合实现，一是采用轮盘赌法随机，另一是采用合成概率的占比实现，当角速度都不符合上述结合的要求时，即没有选取成功时，采用将角速度设置为0，即根据线速度的大小完成模拟想走路线；这样保障角速度的选取的准确严密性，不会造成机器人在没有路障的情况下停止工作，保障行走任务顺利进行，提供了工作的效率。
进一步，优选的，所述第一路线判断模块包括：信息素判断子模块，根据更新后的所述当前位置点的信息素判断是否满足所述当前模拟行走路线的要求；角速度偏差判断子模块，与所述信息素判断子模块电连接，当所述信息素判断子模块判断所述当前位置点的信息素满足所述当前模拟行走路线的要求时，判断更新后的所述当前模拟行走路线是否超过与所述初始路线的角速度的偏差阈值；角速度调节子模块，与所述角速度偏差判断子模块电连接，当所述信息素判断子模块判断所述当前位置点的信息素不满足所述当前模拟行走路线的要求时，和/或，当所述角速度偏差判断子模块判断更新后的所述当前模拟行走路线超过与所述初始路线的角速度的偏差阈值时，将所述当前模拟行走路线上位置信息点的角速度根据预设比例调小，结束所述当前模拟行走路线，更新所述当前模拟行走路线的信息素；行走方向判断子模块，与所述角速度调节子模块电连接，当所述角速度偏差判断子模块判断更新后的所述当前模拟行走路线未超过与所述初始路线的角速度的偏差阈值时，判断机器人在所述当前模拟行走路线模拟行走的方向是否靠近所所述终点；参数对比子模块，当判断机器人在所述当前模拟行走路线模拟行走的方向是靠近所所述终点方向时，对比机器人在所述当前模拟行走路线与上一次的模拟行走路线的参数偏差是否减小；信息素增强模块，与所述参数对比子模块电连接，当所述参数对比子模块对比的参数偏差减小时，将所述当前模拟行走路线的参数的信息素增强，设置为选中信息素，控制执行第一路线设置模块设置所述当前模拟行走路线为第一路线；其中参数偏差包括：位置偏差、角度偏差；信息素减小子模块，与所述参数对比子模块电连接，当所述参数对比子模块对比的参数偏差增大时，将所述当前模拟行走路线的参数的信息素减少，设置为挥发信息素，并根据所述初始化参数开始模拟行走。
在本发明中，本发明对传统蚁群算法的改进中，通过对信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
进一步，优选的，所述行走状态判断模块包括：终点判断子模块，判断机器人当前位置信息点是否到达所述当前模拟行走路线上的终点，当为终点时，判断机器人的所述当前模拟行走路线的参数信息是否满足所述第一路线的参数信息；和/或，障碍物判断子模块，判断与所述当前模拟行走路线上障碍物是否发生碰撞；信息素标记子模块，与所述障碍物判断子模块电连接，根据所述障碍物判断子模块判断当机器人在所述当前模拟行走路线上与障碍物发生碰撞时，机器人对所述当前模拟行走路线进行标记信息素，重新并根据所述初始化参数开始模拟行走。
在本发明中，本发明对传统蚁群算法的改进中，通过对信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
进一步，优选的，所述参数初始化模块包括：初始位置获取子模块，获取机器人在所述初始路线的全局坐标中的初始位置信息点；初始参数获取子模块，与所述初始位置获取子模块电连接，根据所述初始位置信息点获取机器人模拟行走的初始化参数，并以所述初始化标记机器人行走的初始信息素。
与现有技术相比，本发明提供一种电动汽车永磁同步电机无速度传感器控制方法，至少带来以下一种技术效果：
1、适用于非完整性约束机器人，在蚁群算法模拟生成贴边路线时，机器人任何位置与障碍物发生碰撞，则该轮得到的路线将舍弃，可见本发明生成的路线考虑了非完整性约束机器人的运动学因素。
2、本发明只将最终能到达终点的路线作为备选的最优路线，从而确保最终得到的贴边路线，不仅能满足贴边距离的要求，也能保证机器人一次性完成贴边行走，而不发生倒车或碰撞行为，提高了贴边效率，保证了安全性。
3、本发明生成的贴边路线是在机器人进行实际贴边行走之前完成的，路线生成后机器人只需跟踪路线行走即可完成贴边，保证了贴边过程的流畅性。
4、本发明对传统蚁群算法在信息素初始化、信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种机器人的贴边行走方法及系统特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种机器人的贴边行走方法的一个实施例的流程图；
图2是本发明一种机器人的贴边行走方法的另一个实施例的流程图；
图3是本发明一种机器人的贴边行走方法的另一个实施例的流程图；
图4是本发明一种机器人的贴边行走方法的另一个实施例的流程图；
图5是本发明一种机器人的贴边行走系统的一个实施例的结构图；
图6是本发明一种机器人的贴边行走系统的另一个实施例的结构图；
图7是本发明一种机器人的贴边行走系统的另一个实施例的结构图；
图8是本发明一种机器人的贴边行走系统的另一个实施例的结构图。
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，下面将对照附图说明本发明的具体实施方式。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讲，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，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
本发明提供一种机器人的贴边行走方法的一个实施例，参考图1所示，包括：步骤S100获取机器人贴边行走环境的地图信息；步骤S200根据获取的所述地图信息滤除空白区间，创建包括障碍物空间信息的初始路线；步骤S300根据所述初始路线进行模拟行走，修正并创建机器人贴边行走的第一路线；步骤S400控制机器人根据所述第一路线完成贴边行走。
具体的，在本实施例中参考图1所示；在本发明的实施例中，针对机器人贴边行走的环境地图已知的场景，提出了一种适用于非完整性机器人贴边路线生成方法，基于改进的蚁群算法来实现；首先，在机器人的控制系统中设置工作地图，地图可以是栅格地图，也可以通过其他的方式创建地图；将地图上的空白区域向内收缩得到一条障碍物轮廓线，并对该轮廓线进行一定地处理，该轮廓线将作为机器人贴边行走的原始路线即初始路线，具体的收缩距离可以根据事实的工作环境进行适应性的设置，例如，可以是0.8米或者0.6米不等，并做一定地处理，根据改进后的蚁群算法搜索出一条可以让非完整性约束机器人一次性通过的，且离墙距离较近的贴边路线，将搜索生成路线上的各个信息点的参数信息比对，选择一条相对理想的路线作为最优路线，即第一路线，机器人在进行工作时以第一路线作为工作路线完成相应的工作。
在本发明中，相较于已有的贴边算法和蚁群算法，本发明对其进一步的改进后生成的贴边路线能保证非完整性约束机器人一次性完成整个贴边过程，而不会发生与障碍物碰撞或倒车等行为，从而提高机器人行走效率，保证安全性。
优选的，参考图2所示；所述步骤S300包括：步骤S310获取机器人在出发点的初始化参数，并根据所述初始化参数开始模拟行走；步骤S320判断机器人在当前模拟行走路线上行走是否结束；当未结束时，执行步骤S330；否则执行步骤S350；步骤S330根据预设的规则算法获取机器人在所述当前模拟行走路线上继续行走的路线下一位置信息点的参数信息；步骤S340根据机器人行走的所述路线下一位置信息点的参数信息更新所述当前模拟行走路线的信息素；并返回执行步骤S320；步骤S350判断机器人的所述当前模拟行走路线上的位置信息点的参数信息是否满足所述第一路线的参数信息，当满足时，执行步骤S360，否则，执行步骤S310；步骤S360将所述当前模拟行走路线设置为所述第一路线。
具体的，本实施例是在上一实施例的基础上提供的另一个实施例，参考图2所示；机器人在实现贴边走时第一路线的生成是通过以初始路线为基础进行修正标记而生成的；首先在获取到已知环境信息即地图信息中机器人所处的起始位置，以起始位置为参考点，获取初始参数信息，包括在初始位置坐标，初始的角速度，初始模拟行走的方向(即角度)，根据初始参数信息设置初始化的信息素，并以初始化的信息素开始模拟行走，在行走的路线上实时判断位置信息点是否结束，当结束后，判断本次模拟行走的路线是否满足第一路线的要求，当满足时设置为第一路线；当判断在本次行走的路线没有结束时，根据获取的路线下一位置信息点的参数信息进行行走，只要没有到达终点，则进行循环的判断，即迭代进行判断，直到本次行走的结束，本实施例中模拟行走的结束包括本次行走的路线到达终点，还包括与障碍物发生碰撞的情况。
在本发明中，通过获取的初始化信息素为本次行走提供了有利的参数基础，在模拟行走过程中实时判断并获取参数信息，为下一位置信息点的行走提供参数信息，提高机器人通过的路线上各点的概率，提升算法收敛速度；保障为机器人模拟行走提供可靠的路线信息。
优选的，所述步骤S330包括：步骤S331获取机器人在所述当前模拟行走路线上所述当前位置信息点、上一位置信息点、下一位置信息点，以所述当前位置信息点为中心点，与所述上一位置信息点、所述下一位置信息点之间的产生行走距离建立速度夹角；步骤S332根据所述速度夹角与所述初始路线对应的位置信息点的速度角度之间的偏差，对所述位置信息点上的各角速度设置能见度的参数信息；步骤S333根据当前位置信息点的角速度、所述能见度、所述信息素，获取所述当前位置信息点的概率合成；步骤S334根据所述合成概率进一步获取所述当前模拟行走路线上当前位置信息点上各角速度分别对应的占比；步骤S335根据所述占比，和/或，所述预设规则获取所述当前位置信息点的角速度；步骤S336判断所述当前位置信息点行走的角速度获取是否成功，当失败时，执行步骤S337；否则，当成功时，执行步骤S338；步骤S337将所述当前位置信息点行走的角速度设置为零；步骤S338在所述当前模拟行走路线上根据获取的所述当前位置信息点的角速度和建立的所述速度夹角行走至所述下一位置信息点。具体的，本实施例在上一实施例的基础上提供的另一个实施例，参考图3所示，根据路线上每个点位置信息点xi，往前一个位置点为xi-1和往后一个位置点为xi+1各搜索一段距离所形成的夹角alphai，根据夹角alphai的大小求得当前位置信息点的角速度能见度信息素计算机器人在该位置信息点与原始路线pathori的位置偏差和角度偏差；继而根据三个参数信息角速度能见度信息素求出当前位置信息点的概率合成计算当前位置信息点上所有可选角速度的概率和Psum，在求出每个位置信息点上可选角速度的占比，产生一个零到概率和Psum范围内的随机数Prand，利用随机数Prand采用轮盘赌法随机选取一个角速度对应的如果成功选取到一个可用的角速度，继续选取下一个位置信息点角速度当没有选取成功时，将当前位置信息点的角速度根据由外部的运动控制算法计算跟踪路线的速度vi，进行模拟行走，能见度根据纠偏原则为每个角速度赋予值；包括：
根据位置偏差计算能见度分量：
其中表示可选角速度，且沿逆时针旋转为正，沿顺时针旋转为负；pos_err表示位置偏差，且在路线的左边为正，在路线右边为负；pos_max表示设定的最大位置偏差，ω_max表示可选角速度中的最大角速度。由以上公式可以看出，对于会将位置偏差加大的角速度的能见度直接赋值为0。
根据角度偏差计算能见度分量：
其中表示可选角速度，且沿逆时针旋转为正，沿顺时针旋转为负；ang_err表示角度偏差，由机器人当前朝向减去路线上当前点朝向得到；ang_err表示设定的最大角度偏差，ω_max表示可选角速度中的最大角速度。由以上公式可以看出，对于会将角度偏差加大的角速度的能见度直接赋值为0。在本发明中，对于角速度的选取采用两种算法的结合实现，一是采用轮盘赌法随机，另一是采用合成概率的占比实现，当角速度都不符合上述结合的要求时，即没有选取成功时，采用将角速度设置为0，即根据线速度的大小完成模拟想走路线；这样保障角速度的选取的准确严密性，不会造成机器人在没有路障的情况下停止工作，保障行走任务顺利进行，提供了工作的效率。
优选的，所述步骤S350包括：步骤S351根据更新后的所述当前位置点的信息素判断是否满足所述当前模拟行走路线的要求，当满足要求时，执行步骤S352，当未满足要求时，执行步骤S353；步骤S352判断更新后的所述当前模拟行走路线是否超过与所述初始路线的角速度的偏差阈值，当超过时，执行步骤S353，当未超过时，执行步骤S354；步骤S353将所述当前模拟行走路线上位置信息点的角速度根据预设比例调小，结束所述当前模拟行走路线，执行步骤S340；步骤S354判断机器人在所述当前模拟行走路线模拟行走的方向是否靠近所述终点，当是时，执行步骤S355，否则执行步骤S366；步骤S355对比机器人在所述当前模拟行走路线与上一次的模拟行走路线的参数偏差是否减小，当减小时，执行步骤S356，否则执行步骤S357；其中参数偏差包括：位置偏差、角度偏差；步骤S356将所述当前模拟行走路线的参数的信息素增强，设置为选中信息素；执行步骤S360；步骤S357将所述当前模拟行走路线的参数的信息素减少，设置为挥发信息素，返回执行步骤S310。
具体的，本实施例在上一实施例的基础上提供的另一个实施例，参考图4所示，根据上一实施例中获取的角速度信息对其位置信息点的信息素进行更新，计算当前路线上(即本轮路线)的所有点上机器人与路线的偏差；当没有超过预设阈值时，判断机器人是否朝向路线的终点行进，如果是，机器人最新位置与路线的偏差同上一次位置偏差相比，是否存在减小的趋势；那么，选取的角速度有利于纠偏，给该角速度赋予较多的信息素Δτi；并更新角速度的信息素；当超过预设阈值时，将本轮路线上每个点所选取的角速度的信息素减小一个比例k，结束本轮迭代，重新更新位置信息素。信息素的挥发，例如：位置xi，程序开始时，信息素首先初始化为1；第一蚂蚁走到xi时，此时信息素已经挥发了一部分了，比如剩下0.7，这只蚂蚁走过之后，根据位置信息来更新信息素，假设这次位置等各类偏差更小了，那么我给xi点的选中的这个角速度在0.7的基础再累加一个量，比如0.3，这个虽然xi点原来挥发了0.3，但是现在又增强了，重新回到了1，而xi点上其他的角速度因为没有被增强，就都变成了0.7。
在本发明中，本发明对传统蚁群算法的改进中，通过对信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
优选的，所述步骤S320包括：步骤S321判断机器人当前位置信息点是否到达所述当前模拟行走路线上的终点，当为终点时，执行步骤S350；和/或，步骤S322判断与所述当前模拟行走路线上障碍物是否发生碰撞，当发生碰撞时，执行步骤S323；步骤S322对所述当前模拟行走路线进行标记信息素，重新返回步骤S310。
在本发明中，应用改进后的算法在于，并不能保证每次迭代都能得到一条从起点到终点的完整路线，一旦机器人在模拟行走过程中发生碰撞，或者走到终点，则迭代结束，并更新所走过的路线上可选角速度的信息素；本发明意义在于根据应用场景的特殊性，更加变通的选择更优路线适应特殊场合。
优选的，所述步骤S310包括：
步骤S311获取机器人在所述初始路线的全局坐标中的初始位置信息点；
步骤S312根据所述初始位置信息点获取机器人模拟行走的初始化参数，并以所述初始化标记机器人行走的初始信息素。
优选的，对于所述概率合成的模型包括：
m--可选角速度个数，α--表示信息素的权重，β--能见度的权重，--在i点的信息素，i--在模拟行走路线上第i个位置信息点，k--m个可选角速度中第k个角速度；
优选的，所述增加信息素的模型包括：
ρ--信息素的蒸发率，且0＜ρ≤1；i--在模拟行走路线上第i个位置信息点，j--所述机器人行走的方向、所述位置偏差、所述角度偏差；
优选的，所述信息素挥发的模型包括：
本发明针对环境地图已知的场景，提出了一种适用于非完整性机器人的基于改进的蚁群算法的贴边路线生成方法，即首先由已知的地图信息收缩出一条与障碍物轮廓等距的初始路线pathori，并做一定地处理，改进后的蚁群算法则根据pathori搜索出一条可以让非完整性约束机器人一次性通过的，且离墙距离较近的贴边路线pathaco。本发明相较于已有的贴边算法和蚁群算法，包括：
(1)本发明所生成的贴边路线能保证非完整性约束机器人一次性完成整个贴边过程，而不会发生与障碍物碰撞或倒车等行为，从而提高机器人行走效率，保证安全性；
(2)传统蚁群算法每次迭代均能得到一条完整路线，最后从所有路线中选取一条最优路线，而由于应用场景的特殊性，本蚁群算法并不能保证每次迭代都能得到一条从起点到终点的完整路线，一旦机器人在模拟行走过程中发生碰撞，或者走到终点，则迭代结束，并更新所走过的路线上可选角速度的信息素；
(3)传统蚁群算法信息素τi(0，1，2，..n)；
n本条模型行走路线上预选的位置信息点；一般初始化为一个定值，或者是根据“城市”间距离d进行初始化，本蚁群算法由于是给原始路线上每个点xi的可选角速度为本条模型行走路线上预选的位置信息点；赋予信息素所以初始化的时候，是由路线上的点往前和往后各搜索一段距离所形成的夹角alpha来初始化各角速度的信息素以提高机器人通过路线各点的概率，提升算法收敛速度；
(4)传统蚁群算法的信息素更新方式一般采用同步更新或者异步更新中的一种，本蚁群算法同时采用两种更新方式，机器人每通过路线一个点便立即依据机器人与路线的偏差变化趋势更新当前点上可选角速度的信息素保证其局部最优性，在走完整条路线或发生碰撞后，再依据整条路线上小车与路线的偏差和更新各点上可选角速度的信息素保证其全局最优性；
(5)传统蚁群算法的能见度ηk一般由“城市”间的距离d求取，本蚁群算法的能见度是根据当前机器人与路线的位置偏差和角度偏差实时计算得到，即能实时纠正机器人与路线的位置和角度偏差的角速度会被赋予一个较高的能见度。
在本发明还包括在拐角处行走，与直线路段行走对于算法本身来说是没有区别的，都是选取一个角速度，然后以该角速度和外部计算得到的一个速度向前走一步。只是拐角处发生碰撞的可能更高，但是只要发生碰撞，就会重新回到起点开始探索一条新的路线，同时会将刚选择的角速度的信息素减小，以便下次再走到这边拐角处的时候，尽量不要再选择这个可能发生碰撞的角速度。本发明还提供一种机器人的贴边行走系统的一个实施例，包括：地图获取单元100，获取机器人贴边行走环境的地图信息；初始路线创建单元200，与所述地图获取单元100电连接，挥发所述地图获取模块100获取的所述地图信息的空白区间，创建包括障碍物空间信息的初始路线；第一路线创建单元300，与所述初始路线创建单元200电连接，根据所述初始路线创建模块200创建的所述初始路线进行模拟行走，修正并创建机器人贴边行走的第一路线；控制单元400，与所述第一路线创建单元300电连接，控制机器人根据所述第一路线创建模块300建立的所述第一路线完成贴边行走。
具体的，在本实施例中参考图5所示；在本发明的实施例中，针对机器人贴边行走的环境地图已知的场景，提出了一种适用于非完整性机器人贴边路线生成方法，基于改进的蚁群算法实现的。首先，在机器人的控制系统中设置工作地图，由根据设置的工作地图信息收缩出一条与障碍物轮廓等距的初始路线，并做一定地处理，根据改进后的蚁群算法搜索出一条可以让非完整性约束机器人一次性通过的，且离墙距离较近的贴边路线；
在本实施例中；相较于已有的贴边算法和蚁群算法，本发明所生成的贴边路线能保证非完整性约束机器人一次性完成整个贴边过程，而不会发生与障碍物碰撞或倒车等行为，从而提高机器人行走效率，保证安全性。
优选的，所述第一路线创建模块300包括：参数初始化模块310，获取机器人在出发点的初始化参数，并根据所述初始化参数开始模拟行走；行走状态判断模块320，与所述参数初始化模块310电连接，判断机器人在当前模拟行走路线上行走是否结束；行走参数获取模块330，与所述行走状态判断模块320电连接，当机器人在所述当前模拟行走路线上行走未结束时，根据预设的规则算法获取机器人在所述当前模拟行走路线上继续行走的下一参数；信息素更新模块340，分别与所述行走状态判断模块320、所述行走参数获取模块330电连接，根据机器人行走的所述下一参数更新所述当前模拟行走路线的信息素；第一路线判断模块350，分别与所述信息素更新模块340、所述参数初始化模块310电连接，当机器人在所述当前模拟行走路线上行走结束时，判断机器人的所述当前模拟行走路线的参数信息是否满足所述第一路线的参数信息；第一路线设置模块360，与所述第一路线判断模块350电连接，当机器人的所述当前模拟行走路线的参数信息满足所述第一路线的参数信息时，将所述当前模拟行走路线设置为所述第一路线；当机器人的所述当前模拟行走路线的参数信息满足所述第一路线的参数信息时，并根据所述初始化参数开始模拟行走。
具体的，本实施例在上一实施例的基础上提供的另一个实施例，参考图6所示；机器人在实现贴边走时第一路线的生成是通过以初始路线为基础进行修正标记而生成的；首先在获取的已知环境信息即地图信息中机器人所处的起始位置，以起始位置为参考点，获取初始参数信息，包括在初始位置坐标，初始的角速度，初始模拟行走的方向，根据初始参数信息设置初始化的信息素，并以初始化的信息素开始模拟行走，在行走的路线上实时判断位置信息点是否结束，当结束后，判断本次模拟行走的路线是否满足第一路线的要求，当满足时设置为第一路线；当判断在本次行走的路线没有结束时，根据获取的路线下一位置信息点的参数信息进行行走，只要没有到达终点，则循环的判断，即迭代进行判断，直到本次行走的结束，本实施例中模拟行走的结束包括本次行走的路线到达终点，还包括与障碍物发生碰撞的情况。
在本发明中，通过初始化信息素为本次行走提供了有利的参数基础，在模拟行走过程中实时判断并获取参数信息，为下一位置信息点的行走提供参数信息，提高机器人通过路线各点的概率，提升算法收敛速度；保障为机器人模拟行走提供可靠的路线信息。
优选的，所述行走参数获取模块330包括：
速度夹角获取子模块331，获取机器人在所述当前模拟行走路线上所述当前位置信息点、上一位置信息点、下一位置信息点，以所述当前位置信息点为中心点，与所述上一位置信息点、所述下一位置信息点之间的产生行走距离建立速度夹角；能见度参数设置子模块332，与所述速度夹角获取子模块331电连接，根据所述速度夹角获取子模块331建立的所述速度夹角与所述初始路线对应的位置信息点的速度角度偏差，对所述位置信息点上的各角速度设置能见度参数信息；概率合成子模块333，与所述能见度参数设置子模块332电连接，根据所述当前位置信息点的角速度、所述能见度、所述信息素，获取所述当前位置信息点的概率合成；占比获取子模块334，根据所述合成概率进一步获取所述当前模拟行走路线上当前位置信息点上各角速度分别对应的占比；角速度获取子模块335，与所述占比获取子模块334电连接，根据所述占比获取子模块334获取的所述占比，和/或，所述预设规则获取所述当前位置信息点的角速度；角速度判断子模块336，分别与所述角速度获取子模块335电连接，判断所述当前位置信息点行走的角速度获取是否成功；角速度重设子模块337，与所述角速度判断子模块336电连接，当所述角速度获取子模块335获取的角速度失败时，将所述当前位置信息点行走的角速度设置为零；控制行走子模块338，分别与所述速度夹角获取子模块331，所述角速度获取子模块335电连接，当所述角速度获取子模块335获取的角速度成功时，在所述当前模拟行走路线上根据所述速度夹角获取子模块331获取的速度夹角和所述角速度获取子模块335获取的当前位置信息点的角速度行走至所述下一位置信息点。
具体的，本实施例在上一实施例的基础上提供的另一个实施例，参考图7所示，根据路线上每个点位置信息点xi，往前一个位置点为xi-1和往后一个位置点为xi+1各搜索一段距离所形成的夹角alphai，根据夹角alphai的大小求得当前位置信息点的角速度能见度信息素计算机器人在该位置信息点与原始路线pathori的位置偏差和角度偏差；继而根据三个参数信息角速度能见度信息素求出当前位置信息点的概率合成计算当前位置信息点上所有可选角速度的概率和Psum，在求出每个位置信息点上可选角速度的占比，产生一个零到概率和Psum范围内的随机数Prand，利用随机数Prand采用轮盘赌法随机选取一个角速度对应的如果成功选取到一个可用的角速度，继续选取下一个位置信息点角速度当没有选取成功时，将当前位置信息点的角速度根据由外部的运动控制算法计算跟踪路线的速度vi，进行模拟行走，能见度根据纠偏原则为每个角速度赋予值；包括：根据位置偏差计算能见度分量模型包括：
其中表示可选角速度，且沿逆时针旋转为正，沿顺时针旋转为负；pos_err表示位置偏差，且在路线的左边为正，在路线右边为负；pos_max表示设定的最大位置偏差，ω_max表示可选角速度中的最大角速度。由以上公式可以看出，对于会将位置偏差加大的角速度的能见度直接赋值为0。
根据角度偏差计算能见度分量模型包括：
其中表示可选角速度，且沿逆时针旋转为正，沿顺时针旋转为负；ang_err表示角度偏差，由机器人当前朝向减去路线上当前点朝向得到；ang_err表示设定的最大角度偏差，ω_max表示可选角速度中的最大角速度。由以上公式可以看出，对于会将角度偏差加大的角速度的能见度直接赋值为0。在本发明中，对于角速度的选取采用两种算法的结合实现，一是采用轮盘赌法随机，另一是采用合成概率的占比实现，当角速度都不符合上述结合的要求时，即没有选取成功时，采用将角速度设置为0，即根据线速度的大小完成模拟行走路线；这样保障角速度的选取的准确严密性，不会造成机器人在没有路障的情况下停止工作，保障行走任务顺利进行，提供了工作的效率。
优选的，所述第一路线判断模块350包括：信息素判断子模块351，根据更新后的所述当前位置点的信息素判断是否满足所述当前模拟行走路线的要求；角速度偏差判断子模块352，与所述信息素判断子模块351电连接，当所述信息素判断子模块351判断所述当前位置点的信息素满足所述当前模拟行走路线的要求时，判断更新后的所述当前模拟行走路线是否超过与所述初始路线的角速度的偏差阈值；角速度调节子模块353，与所述角速度偏差判断子模块352电连接，当所述信息素判断子模块351判断所述当前位置点的信息素不满足所述当前模拟行走路线的要求时，和/或，当所述角速度偏差判断子模块352判断更新后的所述当前模拟行走路线超过与所述初始路线的角速度的偏差阈值时，将所述当前模拟行走路线上位置信息点的角速度根据预设比例调小，结束所述当前模拟行走路线，更新所述当前模拟行走路线的信息素；行走方向判断子模块354，与所述角速度调节子模块353电连接，当所述角速度偏差判断子模块352判断更新后的所述当前模拟行走路线未超过与所述初始路线的角速度的偏差阈值时，判断机器人在所述当前模拟行走路线模拟行走的方向是否靠近所所述终点；参数对比子模块355，当判断机器人在所述当前模拟行走路线模拟行走的方向是靠近所所述终点方向时，对比机器人在所述当前模拟行走路线与上一次的模拟行走路线的参数偏差是否减小；信息素增强模块356，与所述参数对比子模块355电连接，当所述参数对比子模块355对比的参数偏差减小时，将所述当前模拟行走路线的参数的信息素增强，设置为选中信息素，控制执行第一路线设置模块360设置所述当前模拟行走路线为第一路线；其中参数偏差包括：位置偏差、角度偏差；信息素减小模块357模块，与所述参数对比子模块355电连接，当所述参数对比子模块355对比的参数偏差增大时，将所述当前模拟行走路线的参数的信息素减少，设置为挥发信息素，并根据所述初始化参数开始模拟行走。信息素的挥发，例如：位置xi，程序开始时，信息素首先初始化为1；第一蚂蚁走到xi时，此时信息素已经挥发了一部分了，比如剩下0.7，这只蚂蚁走过之后，根据位置信息来更新信息素，假设这次位置等各类偏差更小了，那么我给xi点的选中的这个角速度在0.7的基础再累加一个量，比如0.3，这个虽然xi点原来挥发了0.3，但是现在又增强了，重新回到了1，而xi点上其他的角速度因为没有被增强，就都变成了0.7。
具体的，本实施例在上一实施例的基础上提供的另一个实施例，参考图8所示，根据上一实施例中获取的角速度信息对其位置信息点的信息素进行更新，计算当前路线上(即本轮路线)的所有点上机器人与路线的偏差；当没有超过预设阈值时，判断机器人是否朝向路线的终点行进，如果是，机器人最新位置与路线的偏差同上一次位置偏差相比，是否存在减小的趋势；那么，选取的角速度有利于纠偏，给该角速度赋予较多的信息素；并更新角速度的信息素；当超过预设阈值时，将本轮路线上每个点所选取的角速度的信息素减小一个比例，结束本轮迭代，重新更新位置信息素。
在本发明中，本发明对传统蚁群算法的改进中，通过对信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
优选的，所述行走状态判断模块320包括：终点判断子模块321，判断机器人当前位置信息点是否到达所述当前模拟行走路线上的终点，当为终点时，判断机器人的所述当前模拟行走路线的参数信息是否满足所述第一路线的参数信息；和/或，障碍物判断子模块322，判断与所述当前模拟行走路线上障碍物是否发生碰撞；信息素标记子模块323，与所述障碍物判断子模块322电连接，根据所述障碍物判断子模块322判断当机器人在所述当前模拟行走路线上与障碍物发生碰撞时，机器人对所述当前模拟行走路线进行标记信息素，重新并根据所述初始化参数开始模拟行走。
具体的，本实施例在上一实施例的基础上提供的另一个实施例，参考图4所示，根据上一实施例中获取的角速度信息对其位置信息点的信息素进行更新，计算当前路线上(即本轮路线)的所有点上机器人与路线的偏差；当没有超过预设阈值时，判断机器人是否朝向路线的终点行进，如果是，机器人最新位置与路线的偏差同上一次位置偏差相比，是否存在减小的趋势；那么，选取的角速度有利于纠偏，给该角速度赋予较多的信息素；并更新角速度的信息素；当超过预设阈值时，将本轮路线上每个点所选取的角速度的信息素减小一个比例，结束本轮迭代，重新更新位置信息素。当本发明的机器人在拐角处行走时包括：与直线路段行走对于算法本身来说是没有区别的，都是选取一个角速度，然后以该角速度和外部计算得到的一个速度向前走一步。只是拐角处发生碰撞的可能更高，但是只要发生碰撞，就会重新回到起点开始探索一条新的路线，同时会将刚选择的角速度的信息素减小，以便下次再走到这边拐角处的时候，尽量不要再选择这个可能发生碰撞的角速度。在本发明中，本发明对传统蚁群算法的改进中，通过对信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
优选的，所述参数初始化模块310包括：初始位置获取子模块311，获取机器人在所述初始路线的全局坐标中的初始位置信息点；初始参数获取子模块312，与所述初始位置获取子模块电连接，根据所述初始位置信息点获取机器人模拟行走的初始化参数，并以所述初始化标记机器人行走的初始信息素。
本发明与现有技术相比，具有以下的技术效果：
1、适用于非完整性约束机器人，在蚁群算法模拟生成贴边路线时，机器人任何位置与障碍物发生碰撞，则该轮得到的路线将舍弃，可见本发明生成的路线考虑了非完整性约束机器人的运动学因素。
2、本发明只将最终能到达终点的路线作为备选的最优路线，从而确保最终得到的贴边路线，不仅能满足贴边距离的要求，也能保证机器人一次性完成贴边行走，而不发生倒车或碰撞行为，提高了贴边效率，保证了安全性。
3、本发明生成的贴边路线是在机器人进行实际贴边行走之前完成的，路线生成后机器人只需跟踪路线行走即可完成贴边，保证了贴边过程的流畅性。
4、本发明对传统蚁群算法在信息素初始化、信息素更新方式、信息素更新评价标准、能见度生成标准等方面进行了大量改进，以提高蚁群算法的收敛速度，并且适用于非完整性约束机器人的贴边场景。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种机器人的贴边行走方法，其特征在于，包括：
步骤S100获取机器人贴边行走环境的地图信息；
步骤S200根据获取的所述地图信息滤除空白区间，创建包括障碍物空间信息的初始路线；
步骤S300根据所述初始路线进行模拟行走，修正并创建机器人贴边行走的第一路线；
步骤S400控制机器人根据所述第一路线完成贴边行走。
2.根据权利要求1所述的机器人的贴边行走方法，其特征在于，所述步骤S300包括：
步骤S310获取机器人在出发点的初始化参数，并根据所述初始化参数开始模拟行走；
步骤S320判断机器人在当前模拟行走路线上行走是否结束；当未结束时，执行步骤S330；否则执行步骤S350；
步骤S330根据预设的规则算法获取机器人在所述当前模拟行走路线上继续行走的路线下一位置信息点的参数信息；
步骤S340根据机器人行走的所述路线下一位置信息点的参数信息更新所述当前模拟行走路线的信息素；并返回执行步骤S320；
步骤S350判断机器人的所述当前模拟行走路线上的位置信息点的参数信息是否满足所述第一路线的参数信息，当满足时，执行步骤S360，否则，执行步骤S310；
步骤S360将所述当前模拟行走路线设置为所述第一路线。
3.根据权利要求2所述的机器人的贴边行走方法，其特征在于，所述步骤S330包括：
步骤S331获取机器人在所述当前模拟行走路线上所述当前位置信息点、上一位置信息点、下一位置信息点，以所述当前位置信息点为中心点，与所述上一位置信息点、所述下一位置信息点之间的产生行走距离建立速度夹角；
步骤S332根据所述速度夹角与所述初始路线对应的位置信息点的速度角度之间的偏差，对所述位置信息点上的各角速度设置能见度的参数信息；
步骤S333根据当前位置信息点的角速度、所述能见度、所述信息素，获取所述当前位置信息点的概率合成；
步骤S334根据所述合成概率进一步获取所述当前模拟行走路线上当前位置信息点上各角速度分别对应的占比；
步骤S335根据所述占比，和/或，所述预设规则获取所述当前位置信息点的角速度；
步骤S336判断所述当前位置信息点行走的角速度获取是否成功，当失败时，执行步骤S337；否则，当成功时，执行步骤S338；
步骤S337将所述当前位置信息点行走的角速度设置为零；
步骤S338在所述当前模拟行走路线上根据获取的所述当前位置信息点的角速度和建立的所述速度夹角控制机器人行走至所述下一位置信息点。
4.根据权利要求2所述的机器人的贴边行走方法，其特征在于，所述步骤S350包括：
步骤S351根据更新后的所述当前位置点的信息素判断是否满足所述当前模拟行走路线的要求，当满足要求时，执行步骤S352，当未满足要求时，执行步骤S353；
步骤S352判断更新后的所述当前模拟行走路线是否超过与所述初始路线的角速度的偏差阈值，当超过时，执行步骤S353，当未超过时，执行步骤S354；
步骤S353将所述当前模拟行走路线上位置信息点的角速度根据预设比例调小，结束所述当前模拟行走路线，执行步骤S340；
步骤S354判断机器人在所述当前模拟行走路线模拟行走的方向是否靠近所述终点，当是时，执行步骤S355，否则执行步骤S356；
步骤S355对比机器人在所述当前模拟行走路线与上一次的模拟行走路线的参数偏差是否减小，当减小时，执行步骤S356，否则执行步骤S357；
其中参数偏差包括：位置偏差、角度偏差；
步骤S356将所述当前模拟行走路线的参数的信息素增强，设置为选中信息素；执行步骤S360；
步骤S357将所述当前模拟行走路线的参数的信息素减少，设置为挥发信息素，返回执行步骤S310。
5.根据权利要求2所述的机器人的贴边行走方法，其特征在于，所述步骤S320包括：
步骤S321判断机器人当前位置信息点是否到达所述当前模拟行走路线上的终点，当为终点时，执行步骤S350；
和/或，
步骤S322判断与所述当前模拟行走路线上障碍物是否发生碰撞，当发生碰撞时，执行步骤S323；
步骤S322对所述当前模拟行走路线进行标记信息素，重新返回步骤S310。
6.根据权利要求2所述的机器人的贴边行走方法，其特征在于，所述步骤S310包括：
步骤S311获取机器人在所述初始路线的全局坐标中的初始位置信息点；
步骤S312根据所述初始位置信息点获取机器人模拟行走的初始化参数，并以所述初始化标记机器人行走的初始信息素。
7.根据权利要求3所述的机器人的贴边行走方法，其特征在于，对于所述概率合成的模型包括：
m--可选角速度个数，α--表示信息素的权重，β--能见度的权重，--在i点的信息素，i--在模拟行走路线上第i个位置信息点，k--表示可选角速度列表中第k个角速度。
8.根据权利要求4所述的机器人的贴边行走方法，其特征在于，所述增加信息素的模型包括：
ρ--信息素的蒸发率，且0＜ρ≤1；i--在模拟行走路线上第i个位置信息点，j--所述机器人行走的方向、所述位置偏差、所述角度偏差。
9.根据权利要求4所述的机器人的贴边行走方法，其特征在于，所述信息素挥发的模型包括：
10.一种机器人的贴边行走系统，其特征在于，包括：
地图获取单元，获取机器人贴边行走环境的地图信息；
初始路线创建单元，与所述地图获取单元电连接，滤除所述地图获取模块获取的所述地图信息的空白区间，创建包括障碍物空间信息的初始路线；
第一路线创建单元，与所述初始路线创建单元电连接，根据所述初始路线创建模块创建的所述初始路线进行模拟行走，修正并创建机器人贴边行走的第一路线；
控制单元，与所述第一路线创建单元电连接，控制机器人根据所述第一路线创建模块建立的所述第一路线完成贴边行走。
11.根据权利要求10所述的机器人的贴边行走系统，其特征在于，所述第一路线建立模块包括：
参数初始化模块，获取机器人在出发点的初始化参数，并根据所述初始化参数开始模拟行走；
行走状态判断模块，与所述参数初始化模块电连接，判断机器人在当前模拟行走路线上行走是否结束；
行走参数获取模块，与所述行走状态判断模块电连接，当机器人在所述当前模拟行走路线上行走未结束时，根据预设的规则算法获取机器人在所述当前模拟行走路线上继续行走的下一参数；
信息素更新模块，分别与所述行走状态判断模块、所述行走参数获取模块电连接，根据机器人行走的所述下一参数更新所述当前模拟行走路线的信息素；
第一路线判断模块，分别与所述信息素更新模块、所述参数初始化模块电连接，当机器人在所述当前模拟行走路线上行走结束时，判断机器人的所述当前模拟行走路线的参数信息是否满足所述第一路线的参数信息；
第一路线设置模块，与所述第一路线判断模块电连接，当机器人的所述当前模拟行走路线的参数信息满足所述第一路线的参数信息时，将所述当前模拟行走路线设置为所述第一路线；当机器人的所述当前模拟行走路线的参数信息满足所述第一路线的参数信息时，并根据所述初始化参数开始模拟行走。
12.根据权利要求11所述的机器人的贴边行走系统，其特征在于，所述行走参数获取模块包括：
速度夹角获取子模块，获取机器人在所述当前模拟行走路线上所述当前位置信息点、上一位置信息点、下一位置信息点，以所述当前位置信息点为中心点，与所述上一位置信息点、所述下一位置信息点之间的产生行走距离建立速度夹角；
能见度参数设置子模块，与所述速度夹角获取子模块331电连接，根据所述速度夹角获取子模块建立的所述速度夹角与所述初始路线对应的位置信息点的速度角度偏差，对所述位置信息点上的各角速度设置能见度参数信息；
概率合成子模块，与所述能见度参数设置子模块电连接，根据所述当前位置信息点的角速度、所述能见度、所述信息素，获取所述当前位置信息点的概率合成；
占比获取子模块，根据所述合成概率进一步获取所述当前模拟行走路线上当前位置信息点上各角速度分别对应的占比；
角速度获取子模块，与所述占比获取子模块电连接，根据所述占比获取子模块获取的所述占比，和/或，所述预设规则获取所述当前位置信息点的角速度；
角速度判断子模块，分别与所述角速度获取子模块电连接，判断所述当前位置信息点行走的角速度获取是否成功；当获取成功时，通过角速度获取子模块进一步获取下一个位置信息点的角速度；
角速度重设子模块，与所述角速度判断子模块电连接，当所述角速度获取子模块获取的角速度失败时，将所述当前位置信息点行走的角速度设置为零；
控制行走子模块，分别与所述速度夹角获取子模块，所述角速度获取子模块电连接，当所述角速度获取子模块获取的角速度成功时，在所述当前模拟行走路线上根据所述速度夹角获取子模块获取的速度夹角和所述角速度获取子模块获取的当前位置信息点的角速度控制机器人行走至所述下一位置信息点。
13.根据权利要求11所述的机器人的贴边行走系统，其特征在于，第一路线判断模块包括：
信息素判断子模块，根据更新后的所述当前位置点的信息素判断是否满足所述当前模拟行走路线的要求；
角速度偏差判断子模块，与所述信息素判断子模块电连接，当所述信息素判断子模块判断所述当前位置点的信息素满足所述当前模拟行走路线的要求时，判断更新后的所述当前模拟行走路线是否超过与所述初始路线的角速度的偏差阈值；
角速度调节子模块，与所述角速度偏差判断子模块电连接，当所述信息素判断子模块判断所述当前位置点的信息素不满足所述当前模拟行走路线的要求时，和/或，当所述角速度偏差判断子模块判断更新后的所述当前模拟行走路线超过与所述初始路线的角速度的偏差阈值时，将所述当前模拟行走路线上位置信息点的角速度根据预设比例调小，结束所述当前模拟行走路线，更新所述当前模拟行走路线的信息素；
行走方向判断子模块，与所述角速度调节子模块电连接，当所述角速度偏差判断子模块判断更新后的所述当前模拟行走路线未超过与所述初始路线的角速度的偏差阈值时，判断机器人在所述当前模拟行走路线模拟行走的方向是否靠近所所述终点；
参数对比子模块，当判断机器人在所述当前模拟行走路线模拟行走的方向是靠近所所述终点方向时，对比机器人在所述当前模拟行走路线与上一次的模拟行走路线的参数偏差是否减小；
信息素增强模块，与所述参数对比子模块电连接，当所述参数对比子模块对比的参数偏差减小时，将所述当前模拟行走路线的参数的信息素增强，设置为选中信息素，控制执行第一路线设置模块设置所述当前模拟行走路线为第一路线；其中参数偏差包括：位置偏差、角度偏差；
信息素减小子模块，与所述参数对比子模块电连接，当所述参数对比子模块对比的参数偏差增大时，将所述当前模拟行走路线的参数的信息素减少，设置为挥发信息素，并根据所述初始化参数开始模拟行走。
14.根据权利要求11所述的机器人的贴边行走系统，其特征在于，所述行走状态判断模块包括：
终点判断子模块，判断机器人当前位置信息点是否到达所述当前模拟行走路线上的终点，当为终点时，判断机器人的所述当前模拟行走路线的参数信息是否满足所述第一路线的参数信息；
和/或，
障碍物判断子模块，判断与所述当前模拟行走路线上障碍物是否发生碰撞；
信息素标记子模块，与所述障碍物判断子模块电连接，根据所述障碍物判断子模块判断当机器人在所述当前模拟行走路线上与障碍物发生碰撞时，机器人对所述当前模拟行走路线进行标记信息素，并重新根据所述初始化参数开始模拟行走。
15.根据权利要求11所述的机器人的贴边行走系统，其特征在于，所述参数初始化模块包括：
初始位置获取子模块，获取机器人在所述初始路线的全局坐标中的初始位置信息点；
初始参数获取子模块，与所述初始位置获取子模块电连接，根据所述初始位置信息点获取机器人模拟行走的初始化参数，并以所述初始化标记机器人行走的初始信息素。
CN201610927409.7A 2016-10-20 2016-10-20 一种机器人的贴边行走方法及系统 Active CN106444768B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610927409.7A CN106444768B (zh) 2016-10-20 2016-10-20 一种机器人的贴边行走方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610927409.7A CN106444768B (zh) 2016-10-20 2016-10-20 一种机器人的贴边行走方法及系统

Publications (2)

Publication Number Publication Date
CN106444768A true CN106444768A (zh) 2017-02-22
CN106444768B CN106444768B (zh) 2019-07-09

Family

ID=58177273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610927409.7A Active CN106444768B (zh) 2016-10-20 2016-10-20 一种机器人的贴边行走方法及系统

Country Status (1)

Country Link
CN (1) CN106444768B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108839016A (zh) * 2018-06-11 2018-11-20 深圳市百创网络科技有限公司 机器人巡检方法、存储介质、计算机设备及巡检机器人
CN109753071A (zh) * 2019-01-10 2019-05-14 上海物景智能科技有限公司 一种机器人贴边行走方法及系统
CN109839936A (zh) * 2019-03-04 2019-06-04 中新智擎科技有限公司 一种大环境下的自动导航方法、机器人及存储介质
CN111006652A (zh) * 2019-12-20 2020-04-14 深圳无境智能机器人有限公司 一种机器人靠边运行的方法
CN112484718A (zh) * 2020-11-30 2021-03-12 海之韵(苏州)科技有限公司 一种基于环境地图修正的边沿导航的装置和方法
CN112650230A (zh) * 2020-12-15 2021-04-13 广东盈峰智能环卫科技有限公司 基于单线激光雷达的自适应贴边作业方法、装置及机器人
CN114305202A (zh) * 2020-09-30 2022-04-12 好样科技有限公司 一种自行走装置及其控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101278820A (zh) * 2007-04-06 2008-10-08 三星电子株式会社 沿墙机器人吸尘器和控制该沿墙机器人吸尘器的方法
CN103197677A (zh) * 2013-03-14 2013-07-10 慈溪迈思特电子科技有限公司 吸尘机器人的贴边行走算法
US8515612B2 (en) * 2008-09-03 2013-08-20 Murata Machinery, Ltd. Route planning method, route planning device and autonomous mobile device
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101278820A (zh) * 2007-04-06 2008-10-08 三星电子株式会社 沿墙机器人吸尘器和控制该沿墙机器人吸尘器的方法
US8515612B2 (en) * 2008-09-03 2013-08-20 Murata Machinery, Ltd. Route planning method, route planning device and autonomous mobile device
CN103197677A (zh) * 2013-03-14 2013-07-10 慈溪迈思特电子科技有限公司 吸尘机器人的贴边行走算法
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张琦: "移动机器人的路径规划与定位技术研究", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108839016A (zh) * 2018-06-11 2018-11-20 深圳市百创网络科技有限公司 机器人巡检方法、存储介质、计算机设备及巡检机器人
CN109753071A (zh) * 2019-01-10 2019-05-14 上海物景智能科技有限公司 一种机器人贴边行走方法及系统
CN109753071B (zh) * 2019-01-10 2022-04-22 上海物景智能科技有限公司 一种机器人贴边行走方法及系统
CN109839936A (zh) * 2019-03-04 2019-06-04 中新智擎科技有限公司 一种大环境下的自动导航方法、机器人及存储介质
CN111006652A (zh) * 2019-12-20 2020-04-14 深圳无境智能机器人有限公司 一种机器人靠边运行的方法
CN111006652B (zh) * 2019-12-20 2023-08-01 深圳市飞瑶电机科技有限公司 一种机器人靠边运行的方法
CN114305202A (zh) * 2020-09-30 2022-04-12 好样科技有限公司 一种自行走装置及其控制方法
CN112484718A (zh) * 2020-11-30 2021-03-12 海之韵(苏州)科技有限公司 一种基于环境地图修正的边沿导航的装置和方法
CN112650230A (zh) * 2020-12-15 2021-04-13 广东盈峰智能环卫科技有限公司 基于单线激光雷达的自适应贴边作业方法、装置及机器人
CN112650230B (zh) * 2020-12-15 2024-05-03 广东盈峰智能环卫科技有限公司 基于单线激光雷达的自适应贴边作业方法、装置及机器人

Also Published As

Publication number Publication date
CN106444768B (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
CN106444768A (zh) 一种机器人的贴边行走方法及系统
CN112964271B (zh) 一种面向多场景的自动驾驶规划方法及系统
CN106843235B (zh) 一种面向无人自行车的人工势场路径规划法
CN110018689B (zh) 一种基于动态窗口的多虚拟目标点全局动态路径规划算法
CN109945873A (zh) 一种用于室内移动机器人运动控制的混合路径规划方法
CN105867379A (zh) 一种机器人的运动控制方法及控制系统
Oßwald et al. Autonomous climbing of spiral staircases with humanoids
CN104714551A (zh) 一种适用于车式移动机器人的室内区域覆盖方法
CN106813667B (zh) 一种基于禁飞区约束的航路规划方法与装置
CN104062902A (zh) Delta机器人时间最优轨迹规划方法
JP2009165823A (ja) 移動ロボットの経路計画方法および装置
CN110361013A (zh) 一种用于车辆模型的路径规划系统及方法
CN112141091B (zh) 解决车位偏移和定位偏移的二次泊车方法、系统及车辆
CN111949032A (zh) 一种基于强化学习的3d避障导航系统及方法
CN110502010A (zh) 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法
CN115143964A (zh) 一种基于2.5d代价地图的四足机器人自主导航方法
CN112061116A (zh) 一种基于势能场函数逼近的强化学习方法的泊车策略
CN112015183B (zh) 一种能耗约束下在具有凹凸地形中移动机器人避障方法
Nishitani et al. Deep merging: Vehicle merging controller based on deep reinforcement learning with embedding network
CN113009912A (zh) 一种基于混合a星的低速商用无人车路径规划算法
CN113859226B (zh) 一种基于强化学习的运动规划与自动泊车方法
CN108189031A (zh) 水下机器人运动路径规划方法及系统
CN110888443A (zh) 一种移动机器人旋转避障方法及系统
CN115167425A (zh) 一种四足机器人的地图构建与路径规划方法
JP5347108B2 (ja) 自走式機器装置の走行ルート計画方法

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
TR01 Transfer of patent right

Effective date of registration: 20201214

Address after: 233399, 4 floor, building 3, industrial Acceleration Center, Wuhe County Economic Development Zone, Bengbu, Anhui.

Patentee after: WUHE ZHIKAI ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd.

Patentee after: Zeng Yuee

Address before: Room 212, 2 / F, building 1, No. 599, Gaojing Road, Qingpu District, Shanghai, 201702

Patentee before: SHANGHAI VIEW TECHNOLOGIES Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211118

Address after: 276000 intersection of Lingong road and Huawei Road, economic development zone, Mengyin County, Linyi City, Shandong Province

Patentee after: Shandong Zhonghao Plastic Industry Co.,Ltd.

Address before: 233399, 4 floor, building 3, industrial Acceleration Center, Wuhe County Economic Development Zone, Bengbu, Anhui.

Patentee before: WUHE ZHIKAI ENVIRONMENTAL PROTECTION TECHNOLOGY CO.,LTD.

Patentee before: Zeng Yuee

TR01 Transfer of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and system for edge walking of robots

Granted publication date: 20190709

Pledgee: China Postal Savings Bank Corporation Mengyin County sub branch

Pledgor: Shandong Zhonghao Plastic Industry Co.,Ltd.

Registration number: Y2024980002159

PE01 Entry into force of the registration of the contract for pledge of patent right