CN106708059B - 一种基于通道选择的移动机器人实时运动规划方法 - Google Patents
一种基于通道选择的移动机器人实时运动规划方法 Download PDFInfo
- Publication number
- CN106708059B CN106708059B CN201710091461.8A CN201710091461A CN106708059B CN 106708059 B CN106708059 B CN 106708059B CN 201710091461 A CN201710091461 A CN 201710091461A CN 106708059 B CN106708059 B CN 106708059B
- Authority
- CN
- China
- Prior art keywords
- robot
- feasible
- target
- channel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000009499 grossing Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000011217 control strategy Methods 0.000 claims description 3
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 claims description 3
- 108010050014 systemin Proteins 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims 1
- 238000011897 real-time detection Methods 0.000 claims 1
- 238000013461 design Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Images
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
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
Description
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
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;
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disv,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,kv1、kv2、kω为正系数。
所述搜索空间Sp的建立过程为:
①将机器人形状简化为半径为rrobot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,…,li,…,lN,得到遍历的激光扫描数据,其中li以扫描角和对应的测量距离di来表示,假设角度扫描间隔为则
pj=(γj,disj)
逆时针对可行通道标记为p1,p2,...,pj,...,pM,即定义搜索空间Sp={p1,p2,...pj...,pM}。
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wlen:
dwin=kw·Λ·cos(ψtarget)
其中,kw为一正系数常量,ψtarget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,wmin为定义的最短窗口长度;
目标点相对于机器人的角度为ψtarget,直线距离为dtarget;如果目标点在机器人搜索空间的可行通道内,此时为ψtarget,设为ψtarget角度下的如果在ψtarget方向的可行通道距离大于机器人与目标点的直线距离dtarget,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gdis:
式中,kdis为一正的距离增益系数;
②引入目标增益gtar:
式中,ktar为一正的目标增益系数,ψtarget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gsmth:
式中,ksmth为一正的平滑增益系数;
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:
vprotect=kprotect·dtarget
其中,kprotect为一正系数,dtarget为目标点相对于机器人的直线距离。
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;
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Sp的建立和对搜索空间Sp优化得出新的搜索空间
优选的,上述搜索空间Sp的建立过程为:
①将机器人形状简化为半径为rrobot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,…,li,…,lN,得到遍历的激光扫描数据,其中li以扫描角和对应的测量距离di来表示,假设角度扫描间隔为则
pj=(γj,disj)
逆时针对可行通道标记为p1,p2,...,pj,...,pM,即定义搜索空间Sp={p1,p2,...pj...,pM}。
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wlen:
dwin=kw·Λ·cos(ψtarget)
其中,kw为一正系数常量,ψtarget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,wmin为定义的最短窗口长度;
目标点相对于机器人的角度为ψtarget,直线距离为dtarget;如果目标点在机器人搜索空间的可行通道内,此时为ψtarget,设为ψtarget角度下的如果在ψtarget方向的可行通道距离大于机器人与目标点的直线距离dtarget,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:
式中,kdis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gtar:
式中,ktar为一正的目标增益系数,ψtarget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gsmth:
式中,ksmth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
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disv,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,kv1、kv2、kω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:
vprotect=kprotect·dtarget
其中,kprotect为一正系数,dtarget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rrobot,kw,wmin,kdis,ktar,ksmth,kv1,kv2,kω进行初始化,可将kdis、ktar和ksmth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 3:目标点相对于机器人的角度为ψtarget,距离为dtarget。当目标点在机器人的可行通道内,即在ψtarget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gdis、目标增益gtar和平滑增益gsmth,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 (2)
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的周围障碍物信息,建立空间模型,得到机器人前进的可行通道;
所述搜索空间Sp的建立过程为:
①将机器人形状简化为半径为rrobot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,…,li,…,lN,得到遍历的激光扫描数据,其中li以扫描角和对应的测量距离di来表示,假设角度扫描间隔为则
pj=(γj,disj)
④逆时针对可行通道标记为p1,p2,...,pj,...,pM,即定义搜索空间Sp={p1,p2,...pj...,pM};
a.初始化面积Λ=0;
②定义动态窗口长度wlen:
dwin=kw·Λ·cos(ψtarget)
其中,kw为一正系数常量,ψtarget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,wmin为定义的最短窗口长度;
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
目标点相对于机器人的角度为ψtarget,直线距离为dtarget;如果目标点在机器人搜索空间的可行通道内,此时为ψtarget,设为ψtarget角度下的如果在ψtarget方向的可行通道距离大于机器人与目标点的直线距离dtarget,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gdis:
式中,kdis为一正的距离增益系数;
②引入目标增益gtar:
式中,ktar为一正的目标增益系数,ψtarget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gsmth:
式中,ksmth为一正的平滑增益系数;
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disv,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,kv1、kv2、kω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:
增加限速约束,当机器人进入趋向目标模式时,速度为:
vprotect=kprotect·dtarget
其中,kprotect为一正系数,dtarget为目标点相对于机器人的直线距离。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2017100600841 | 2017-01-24 | ||
CN201710060084 | 2017-01-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106708059A CN106708059A (zh) | 2017-05-24 |
CN106708059B true CN106708059B (zh) | 2020-01-17 |
Family
ID=58916929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710091461.8A Active CN106708059B (zh) | 2017-01-24 | 2017-02-21 | 一种基于通道选择的移动机器人实时运动规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106708059B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970617B (zh) * | 2017-04-06 | 2020-04-10 | 佛山科学技术学院 | 一种求解三目标机器人路径规划问题的方法 |
CN107179083A (zh) * | 2017-07-25 | 2017-09-19 | 中央民族大学 | 智能机器人路径规划方法以及系统 |
CN107184156A (zh) * | 2017-07-25 | 2017-09-22 | 中央民族大学 | 一种智能扫地机器人 |
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 |
CN108153310B (zh) * | 2017-12-22 | 2020-11-13 | 南开大学 | 一种基于人类行为模拟的移动机器人实时运动规划方法 |
CN109213151A (zh) * | 2018-08-07 | 2019-01-15 | 北京云迹科技有限公司 | 一种路径规划方法和送货机器人 |
CN109782753B (zh) * | 2018-12-18 | 2022-07-19 | 江汉大学 | 一种收拣装置的控制方法 |
CN110244743B (zh) * | 2019-07-03 | 2022-02-01 | 浙江大学 | 一种融合多传感器信息的移动机器人自主脱困方法 |
CN110908386B (zh) * | 2019-12-09 | 2020-09-01 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人车分层路径规划方法 |
CN111399513B (zh) * | 2020-03-27 | 2023-09-19 | 拉扎斯网络科技(上海)有限公司 | 机器人运动规划方法、装置、电子设备和存储介质 |
CN112965490B (zh) * | 2021-02-07 | 2024-07-19 | 京东科技信息技术有限公司 | 控制机器人的方法、装置及非瞬时性计算机可读存储介质 |
CN114367977B (zh) * | 2021-12-08 | 2024-01-23 | 沈阳工业大学 | 一种基于rto和scfo结合的下肢康复机器人的控制方法 |
CN115328211B (zh) * | 2022-10-17 | 2022-12-27 | 复亚智能科技(太仓)有限公司 | 一种无人机局部路径规划方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100843085B1 (ko) * | 2006-06-20 | 2008-07-02 | 삼성전자주식회사 | 이동 로봇의 격자지도 작성 방법 및 장치와 이를 이용한영역 분리 방법 및 장치 |
JP5589705B2 (ja) * | 2010-09-15 | 2014-09-17 | 株式会社リコー | レーザレーダ装置および車両 |
US9020641B2 (en) * | 2012-06-07 | 2015-04-28 | Samsung Electronics Co., Ltd. | Obstacle sensing module and cleaning robot including the same |
CN103412565B (zh) * | 2013-05-17 | 2016-01-27 | 浙江中控研究院有限公司 | 一种具有全局位置快速估计能力的机器人定位方法 |
CN104634328A (zh) * | 2013-11-14 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 空间测量机器人及其空间测量方法 |
CN104049634B (zh) * | 2014-07-02 | 2017-02-01 | 燕山大学 | 基于Camshift算法的智能体模糊动态避障方法 |
JP2018054290A (ja) * | 2015-01-29 | 2018-04-05 | 日立建機株式会社 | 運搬用車両の障害物検出装置 |
CN105045259B (zh) * | 2015-04-27 | 2016-04-13 | 华中科技大学 | 一种基于多传感器的助行机器人人机接口及其避障控制方法 |
CN105372662A (zh) * | 2015-12-02 | 2016-03-02 | 天津城建大学 | 具备空间绘图功能的多角度旋转超声测距系统 |
CN105843223B (zh) * | 2016-03-23 | 2018-11-20 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
CN106324619A (zh) * | 2016-10-28 | 2017-01-11 | 武汉大学 | 一种变电站巡检机器人自动避障方法 |
-
2017
- 2017-02-21 CN CN201710091461.8A patent/CN106708059B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106708059A (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106708059B (zh) | 一种基于通道选择的移动机器人实时运动规划方法 | |
CN108762264B (zh) | 基于人工势场与滚动窗口的机器人的动态避障方法 | |
CN107239076B (zh) | 基于虚拟扫描与测距匹配的agv激光slam方法 | |
CN110262508B (zh) | 应用于封闭场地无人驾驶货运车辆上的自动引导系统及方法 | |
Júnior et al. | EKF-LOAM: An adaptive fusion of LiDAR SLAM with wheel odometry and inertial data for confined spaces with few geometric features | |
CN108415413B (zh) | 一种基于圆形有用域的智能叉车局部避障路径规划方法 | |
WO2019042295A1 (zh) | 一种无人驾驶路径规划方法、系统和装置 | |
CN110032965B (zh) | 基于遥感图像的视觉定位方法 | |
CN107065887A (zh) | 全向移动机器人通道内倒行导航方法 | |
CN108759829B (zh) | 一种智能叉车的局部避障路径规划方法 | |
Ge et al. | Sensor-based path planning for nonholonomic mobile robots subject to dynamic constraints | |
CN111538331A (zh) | 一种地下无人铰接车的反应式导航方法 | |
CN110146087B (zh) | 一种基于动态规划思想的船舶路径规划方法 | |
CN111238518B (zh) | 一种基于改进rrt算法的智能农业车辆路径规划方法 | |
CN115373399A (zh) | 一种基于空地协同的地面机器人路径规划方法 | |
CN114998276B (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
CN111857142B (zh) | 一种基于强化学习的路径规划避障辅助方法 | |
CN110031015B (zh) | 一种用连续可导函数近似表示车道平面曲线的方法 | |
CN112519783B (zh) | 一种智能驾驶的自底向上平滑轨迹生成方法及系统 | |
CN117470241A (zh) | 一种用于非平坦地形下的自适应无地图导航方法及系统 | |
CN116009558A (zh) | 一种结合运动学约束的移动机器人路径规划方法 | |
Hayet et al. | A motion planner for maintaining landmark visibility with a differential drive robot | |
JP2020149095A (ja) | 倒立振子型ロボット | |
Tucker et al. | Feasible trajectory planning for minimum time manoeuvring | |
Meng et al. | A navigation framework for mobile robots with 3D LiDAR and monocular camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A real-time motion planning method for mobile robot based on channel selection Effective date of registration: 20230206 Granted publication date: 20200117 Pledgee: Bank of China Limited Xiamen hi tech Park sub branch Pledgor: XIAMEN WINJOIN TECHNOLOGY CO.,LTD. Registration number: Y2023980031849 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |