CN106708059A - 一种基于通道选择的移动机器人实时运动规划方法 - Google Patents

Abstract

本发明公开了一种基于通道选择的移动机器人实时运动规划方法，主要包括三个步骤：障碍空间建模单元，基于机器人用激光传感器逆时针扫描实时检测周围障碍物信息，建立空间模型，得到机器人前进的可行通道；避障决策单元，基于机器人实时的位置和姿态，以及目标点相对于机器人的角度和姿态，选择合适的可行通道作为局部最优可行通道；避障控制单元，基于确定的局部最优可行通道，选择合适的速度与角速度来控制机器人的运动。本发明根据确定的最优可行通道，选择合适的速度和角速度控制机器人的运动，很好的把路径和速度控制结合在一起，完成实时的运动规划。

Description

一种基于通道选择的移动机器人实时运动规划方法

技术领域

本发明涉及机器人技术领域，特别涉及一种基于通道选择的移动机器人实时运动规划方法。

背景技术

路径规划的任务是寻找一条从给定起点到目标点来避开所有障碍物的运动路径，是机器人避障技术中的重要研究内容。基于传感器的局部路径规划又称为动态路径规划或者在线路径规划，它相对于全局路径规划来说，不需要知道准确的全局信息，计算量小，实时性强。

机器人在局部规划过程中，根据传感器的信息来不断地更新其内部的环境模型，从而确定出周围局部范围内的障碍物分布情况，并在此基础上规划出一条能避开所有障碍物的局部最优路径。目前比较有代表性的方法有势场法、模糊逻辑算法、遗传算法、滚动窗口法等，但还没有一个可以在任何条件下都适用的方法、也没有考虑如何有效进行速度控制的问题。所以现在非常有必要设计一种简单高效，同时能平滑地、连续地进行避障的规划与速度控制方法，把路径规划和速度控制结合在一起，完成实时的运动规划。

鉴于此，本发明人为此研制出一种基于通道选择的移动机器人实时运动规划方法，有效的解决了上述问题，本案由此产生。

发明内容

本发明提供的一种基于通道选择的移动机器人实时运动规划方法，根据确定的最优可行通道选择合适的速度和角速度控制机器人的运动，很好的把路径和速度控制结合在一起，完成实时的运动规划。

为了实现上述目的，本发明的技术方案如下：

一种基于通道选择的移动机器人实时运动规划方法，包括

包括如下步骤：

S1障碍空间建模单元，基于机器人用激光传感器逆时针扫描实时检测周围障碍物信息，建立空间模型，得到机器人前进的可行通道；

S2避障决策单元，基于机器人实时的位置和姿态，以及目标点相对于机器人的角度和姿态，选择合适的可行通道作为局部最优可行通道，定义局部最优可行通道为 对应的激光传感器扫描角度标记为可行通道距离标记为

S3避障控制单元，基于确定的局部最优可行通道选择合适的速度与角速度来控制机器人的运动；定义移动机器人正前方即激光传感器扫描角度为0°时其可行通道距离为dis_v，移动机器人沿最优可行通道运动的控制量为(v,ω)，其中v为移动机器人在其坐标系内正前方的速度标量，ω为移动机器人在其坐标系内的偏航角速度，速度控制策略如下：

其中，k_v1、k_v2、k_ω为正系数。

所述的障碍空间建模单元包括所有可行通道的搜索空间S_p的建立和对搜索空间S_p优化得出新的搜索空间

所述搜索空间S_p的建立过程为：

①将机器人形状简化为半径为r_robot的圆；

②机器人用激光传感器来感知可行通道信息；在机器人坐标系内，逆时针对激光扫描点标记为l₁,l₂,…,l_i,…,l_N，得到遍历的激光扫描数据，其中l_i以扫描角和对应的测量距离d_i来表示，假设角度扫描间隔为则

③对划分为M-1等份，既有M个方向，角度间隔则为在每个等分线线上，定义可行通道

p_j＝(γ_j,dis_j)

其中，p_j对应的角度dis_j为其对应方向上平移机器人不会碰撞到障碍物的最大安全距离，它是由上述遍历的激光扫描数据映射到γ_j方向上的测量距离再减去r_robot得到；

逆时针对可行通道标记为p₁,p₂,...,p_j,...,p_M，即定义搜索空间S_p＝{p₁,p₂,...p_j...,p_M}。

上述优化得出新的所述搜索空间的建立过程为：

①定义窗口面积Λ：为在机器人坐标系范围内，通过离散的激光雷达数据计算机器人可行区域的面积，其计算算法为：

a.初始化面积Λ＝0；

b.遍历所有的激光扫描数据，并进行累加：

②定义动态窗口长度w_len：

d_win＝k_w·Λ·cos(ψ_target)

其中，k_w为一正系数常量，ψ_target为在机器人坐标系内目标点相对于机器人的方向角度，cos(·)为三角余弦函数，w_min为定义的最短窗口长度；

③对于任意p_j∈S_p，若满足dis_j≥w_len，则将它加入新的搜索空间集合在机器人坐标系内，逆时针对搜索空间内的可行通道标记为其对应的角度标记为对应的可行通道距离标记为

所述局部最优可行通道为的建立过程为：

目标点相对于机器人的角度为ψ_target，直线距离为d_target；如果目标点在机器人搜索空间的可行通道内，此时为ψ_target，设为ψ_target角度下的如果在ψ_target方向的可行通道距离大于机器人与目标点的直线距离d_target，则直接将目标点方向的可行通道作为此时机器人直接进入趋向目标模式；如果目标点在机器人搜索空间的可行通道外，则的建立过程如下：

①引入距离增益g_dis：

式中，k_dis为一正的距离增益系数；

②引入目标增益g_tar：

式中，k_tar为一正的目标增益系数，ψ_target是目标点相对于机器人的角度，abs(·)为绝对值函数；

③引入平滑增益g_smth：

式中，k_smth为一正的平滑增益系数；

④综合考虑上述各因素，得到最优可行通道

定义最优可行通道对应的角度为可行通道距离为

当机器人进入趋向目标模式时，增加限速约束，限速约束速度为：

v_protect＝k_protect·d_target

其中，k_protect为一正系数，d_target为目标点相对于机器人的直线距离。

采用上述方案后，本发明根据确定的最优可行通道选择合适的速度和角速度控制机器人的运动，很好的把路径和速度控制结合在一起，完成实时的运动规划。

附图说明

图1是本实施例激光扫描数据下的机器人通道概念图；

图2是本实施例最优可行通道的示意图。

具体实施方式

为了进一步解释本发明的技术方案，下面通过具体实施例来对本发明进行详细阐述。

结合图1-2所示，是本发明揭示的一种基于通道选择的移动机器人实时运动规划方法，包括如下步骤：

S1障碍空间建模单元，基于机器人用激光传感器逆时针扫描实时检测周围障碍物信息，建立空间模型，得到机器人前进的可行通道。障碍空间建模单元包括所有可行通道的搜索空间S_p的建立和对搜索空间S_p优化得出新的搜索空间

优选的，上述搜索空间S_p的建立过程为：

①将机器人形状简化为半径为r_robot的圆；

②机器人用激光传感器来感知可行通道信息；在机器人坐标系内，逆时针对激光扫描点标记为l₁,l₂,…,l_i,…,l_N，得到遍历的激光扫描数据，其中l_i以扫描角和对应的测量距离d_i来表示，假设角度扫描间隔为则

③对划分为M-1等份，既有M个方向，角度间隔则为在每个等分线线上，定义可行通道

p_j＝(γ_j,dis_j)

其中，p_j对应的角度dis_j为其对应方向上平移机器人不会碰撞到障碍物的最大安全距离，它是由上述遍历的激光扫描数据映射到γj方向上的测量距离再减去r_robot得到；

逆时针对可行通道标记为p₁,p₂,...,p_j,...,p_M，即定义搜索空间S_p＝{p₁,p₂,...p_j...,p_M}。

优选的，上述优化得出新的所述搜索空间的建立过程为：

①定义窗口面积Λ：为在机器人坐标系范围内，通过离散的激光雷达数据计算机器人可行区域的面积，其计算算法为：

c.初始化面积Λ＝0；

d.遍历所有的激光扫描数据，并进行累加：

②定义动态窗口长度w_len：

d_win＝k_w·Λ·cos(ψ_target)

其中，k_w为一正系数常量，ψ_target为在机器人坐标系内目标点相对于机器人的方向角度，cos(·)为三角余弦函数，w_min为定义的最短窗口长度；

③对于任意p_j∈S_p，若满足dis_j≥w_len，则将它加入新的搜索空间集合在机器人坐标系内，逆时针对搜索空间内的可行通道标记为其对应的角度标记为对应的可行通道距离标记为

S2避障决策单元，基于机器人实时的位置和姿态，以及目标点相对于机器人的角度和姿态，选择合适的可行通道作为局部最优可行通道，定义局部最优可行通道为 对应的激光传感器扫描角度标记为可行通道距离标记为

优选的，局部最优可行通道为的建立过程为：

目标点相对于机器人的角度为ψ_target，直线距离为d_target；如果目标点在机器人搜索空间的可行通道内，此时为ψ_target，设为ψ_target角度下的如果在ψ_target方向的可行通道距离大于机器人与目标点的直线距离d_target，则直接将目标点方向的可行通道作为此时机器人直接进入趋向目标模式；如果目标点在机器人搜索空间的可行通道外，则的建立过程如下：

①基于搜索空间内各方向的最大通行距离来说，某方向的越大，机器人沿着这个方向行进的安全性就越高。因此引入距离增益g_dis：

式中，k_dis为一正的距离增益系数；

②与目标方向的偏差值越小，到达目标的可能性越大。因此引入目标增益g_tar：

式中，k_tar为一正的目标增益系数，ψ_target是目标点相对于机器人的角度，abs(·)为绝对值函数；

③为了确保机器人的形式轨迹尽量平滑，转向尽量平稳。因此引入平滑增益g_smth：

式中，k_smth为一正的平滑增益系数；

④综合考虑上述各因素，通过启发式选择安全距离最大、目标可达最可靠和平滑性最佳的可行通道，得到最优可行通道

定义目标通道对应的角度为可行通道距离为

S3避障控制单元，基于确定的局部最优可行通道选择合适的速度与角速度来控制机器人的运动；定义移动机器人正前方即激光传感器扫描角度为0°时其可行通道距离为dis_v，移动机器人沿最优可行通道运动的控制量为(v,ω)，其中v为移动机器人在其坐标系内正前方的速度标量，ω为移动机器人在其坐标系内的偏航角速度，速度控制策略如下：

其中，k_v1、k_v2、k_ω为正系数。

当机器人进入趋向目标模式时，增加限速约束，限速约束速度为：

v_protect＝k_protect·d_target

其中，k_protect为一正系数，d_target为目标点相对于机器人的直线距离。

本实施例具体的路径规划中避障决策和速度控制过程如下：

Step 1：对系统参数r_robot，k_w，w_min，k_dis，k_tar，k_smth，k_v1，k_v2，k_ω进行初始化，可将k_dis、k_tar和k_smth分别设为0.1、0.75和0.15，设置机器人初始位置和目标点。

Step 2：遍历所有方向上的激光扫描数据信息并计算各方向上的可行通道距离dis_j，计算窗口长度w_len，并按w_len对搜索空间S_p进行优化得到新的

Step 3：目标点相对于机器人的角度为ψ_target，距离为d_target。当目标点在机器人的可行通道内，即在ψ_target方向的通道安全距离大于机器人与目标点的直线距离，则直接将目标点方向的可行通道作为此时机器人进入趋向目标模式。当目标点不在机器人的可行通道内，则综合考虑距离增益g_dis、目标增益g_tar和平滑增益g_smth，启发式选择安全距离最大、平滑性最佳、目标可达最可靠的可行通道作为最优可行通道

Step 4：计算得到移动机器人的速度和角速度控制量为(v,ω)，控制机器人转动以避开障碍物。如果机器人进入趋向目标模式，则加入限速约束。

重复Step 2-Step 4直到机器人达到目标点。

以上仅为本发明的较佳实施例，并非对本发明的保护范围的限定。凡依本案的设计思路所做的等同变化，均落入本案的保护范围。

Claims (6)

1.一种基于通道选择的移动机器人实时运动规划方法，其特征在于，包括如下步骤：

S1障碍空间建模单元，基于机器人用激光传感器逆时针扫描实时检测周围障碍物信息，建立空间模型，得到机器人前进的可行通道；

S2避障决策单元，基于机器人实时的位置和姿态，以及目标点相对于机器人的角度和姿态，选择合适的可行通道作为局部最优可行通道，定义局部最优可行通道为对应的激光传感器扫描角度标记为可行通道距离标记为

S3避障控制单元，基于确定的局部最优可行通道选择合适的速度与角速度来控制机器人的运动；定义移动机器人正前方即激光传感器扫描角度为0°时其可行通道距离为dis_v，移动机器人沿最优可行通道运动的控制量为(v,ω)，其中v为移动机器人在其坐标系内正前方的速度标量，ω为移动机器人在其坐标系内的偏航角速度，速度控制策略如下：

$\left[\begin{array}{c}v\\ \mathrm{\ω}\end{array}\right]=\left[\begin{array}{c}{k}_{v1}\·{\mathrm{dis}}_v-k_{v2}\·abs\left(\widehat{\mathrm{\γ}}\right)\\ k_{\mathrm{\ω}}\·\widehat{\mathrm{\γ}}\end{array}\right]$

其中，k_v1、k_v2、k_ω为正系数。

2.如权利要求1所述的一种基于通道选择的移动机器人实时运动规划方法，其特征在于：所述的障碍空间建模单元包括所有可行通道的搜索空间S_p的建立和对搜索空间S_p优化得出新的搜索空间

3.如权利要求2所述的一种基于通道选择的移动机器人实时运动规划方法，其特征在于，所述搜索空间S_p的建立过程为：

①将机器人形状简化为半径为r_robot的圆；

②机器人用激光传感器来感知可行通道信息；在机器人坐标系内，逆时针对激光扫描点标记为l₁,l₂,…,l_i,…,l_N，得到遍历的激光扫描数据，其中l_i以扫描角和对应的测量距离d_i来表示，假设角度扫描间隔为则

③对划分为M-1等份，既有M个方向，角度间隔则为在每个等分线线上，定义可行通道

p_j＝(γ_j,dis_j)

其中，p_j对应的角度dis_j为其对应方向上平移机器人不会碰撞到障碍物的最大安全距离，它是由上述遍历的激光扫描数据映射到γj方向上的测量距离再减去r_robot得到；

逆时针对可行通道标记为p₁,p₂,...,p_j,...,p_M，即定义搜索空间S_p＝{p₁,p₂,...p_j...,p_M}。

4.如权利要求3所述的一种基于通道选择的移动机器人实时运动规划方法，其特征在于，优化得出新的所述搜索空间的建立过程为：

①定义窗口面积Λ：为在机器人坐标系范围内，通过离散的激光雷达数据计算机器人可行区域的面积，其计算算法为：

a.初始化面积Λ＝0；

b.遍历所有的激光扫描数据，并进行累加：

②定义动态窗口长度w_len：

d_win＝k_w·Λ·cos(ψ_target)

$w_{len}=\left\{\begin{array}{c}{d}_{win},d_{win}\&GreaterEqual;w_{\min }\\ w_{\min },d_{win}<w_{\min }\end{array}\right.$

其中，k_w为一正系数常量，ψ_target为在机器人坐标系内目标点相对于机器人的方向角度，cos(·)为三角余弦函数，w_min为定义的最短窗口长度；

③对于任意p_j∈S_p，若满足dis_j≥w_len，则将它加入新的搜索空间集合在机器人坐标系内，逆时针对搜索空间内的可行通道标记为其对应的角度标记为对应的可行通道距离标记为

5.如权利要求4所述的一种基于通道选择的移动机器人实时运动规划方法，其特征在于，所述局部最优可行通道为的建立过程为：

目标点相对于机器人的角度为ψ_target，直线距离为d_target；如果目标点在机器人搜索空间的可行通道内，此时为ψ_target，设为ψ_target角度下的如果在ψ_target方向的可行通道距离大于机器人与目标点的直线距离d_target，则直接将目标点方向的可行通道作为此时机器人直接进入趋向目标模式；如果目标点在机器人搜索空间的可行通道外，则的建立过程如下：

①引入距离增益g_dis：

$g_{dis}=k_{dis}\&CenterDot;{\mathrm{dis}}_k^{*}$

式中，k_dis为一正的距离增益系数；

②引入目标增益g_tar： $g_{tar}=-k_{tar}\&CenterDot;abs({\mathrm{\&psi;}}_{t\arg et}-{\mathrm{\&gamma;}}_k^{*})$

式中，k_tar为一正的目标增益系数，ψ_target是目标点相对于机器人的角度，abs(·)为绝对值函数；

③引入平滑增益g_smth： $g_{smth}=-k_{smth}\&CenterDot;abs\left({\mathrm{\&gamma;}}_k^{*}\right)$

式中，k_smth为一正的平滑增益系数；

④综合考虑上述各因素，得到最优可行通道

$\hat{p}=\arg max(g_{dis}+g_{tar}+g_{smth})$

定义局部最优可行通道对应的角度为可行通道距离为

6.如权利要求5所述的一种基于通道选择的移动机器人实时运动规划方法，其特征在于：

增加限速约束，当机器人进入趋向目标模式时，速度为：

v_protect＝k_protect·d_target

其中，k_protect为一正系数，d_target为目标点相对于机器人的直线距离。