CN107450561A - 移动机器人的自主路径规划与避障系统及其使用方法 - Google Patents

移动机器人的自主路径规划与避障系统及其使用方法 Download PDF

Info

Publication number
CN107450561A
CN107450561A CN201710838633.3A CN201710838633A CN107450561A CN 107450561 A CN107450561 A CN 107450561A CN 201710838633 A CN201710838633 A CN 201710838633A CN 107450561 A CN107450561 A CN 107450561A
Authority
CN
China
Prior art keywords
mobile robot
mobile
msub
gps
module
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.)
Pending
Application number
CN201710838633.3A
Other languages
English (en)
Inventor
蔡磊
张利伟
雷进辉
张琛
李国厚
罗培恩
孙才华
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.)
Henan Institute of Science and Technology
Original Assignee
Henan Institute of Science and Technology
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 Henan Institute of Science and Technology filed Critical Henan Institute of Science and Technology
Priority to CN201710838633.3A priority Critical patent/CN107450561A/zh
Publication of CN107450561A publication Critical patent/CN107450561A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar

Abstract

本发明公开了一种移动机器人的自主路径规划与避障系统及其使用方法，包括移动机器人、PC机、GPS定位模块、激光雷达模块、电子罗盘模块和里程计模块。GPS定位模块获取移动机器人所在处的位置信息。电子罗盘模块获取移动机器人的相对方位，里程计模块将获取机器人的移动距离，利用航位推算法不需外界环境信息，由PC机推断移动机器人所处的位姿信息。随着时间的推进固定间隔进行GPS位置校正。PC机解算出移动机器人当前位姿属性，结合GPS定位模块获得的位置信息实现机器人的位置信息获取。激光雷达对前方进行实时扫描，PC机将激光雷达返回的信息通过Slam算法构图，以Slam构图与GPS定位为基础，当重新观察到相匹配的特征时机器人的位姿和地图特征位置被更新。

Description

移动机器人的自主路径规划与避障系统及其使用方法
技术领域
本发明涉及机器人控制技术领域，特别涉及一种移动机器人的自主路径规划与避障系统及其使用方法。
背景技术
移动机器人，是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。是目前科学技术发展最活跃的领域之一。它集中了传感器技术、信息处理、电子工程、计算机工程、自动化控制工程以及人工智能等多学科的研究成果。在有些特殊地区，例如无人区的巡逻工作，如果派遣人危险性极高。而自主移动机器人则可以代替人来完成巡逻工作。
随着移动机器人的使用领域逐渐拓宽，不仅在工业、农业、医疗、服务等行业中得到广泛的应用，而且在城市安全、国防和空间探测领域等有害与危险场合得到很好的应用。因此，移动机器人技术已经得到世界各国的普遍关注。
但传统的移动机器人需要人去操控的缺点使传统移动机器人很难得以推广与运用，并且传统的移动机器人有维护成本高，人工成本高的劣势。不能自主也限制了传统移动机器人的活动范围，由于通讯距离的局限性使传统机器人的使用领域也具有了局限性。
发明内容
本发明提出一种移动机器人的自主路径规划与避障系统及其使用方法，解决了现有技术中移动机器人自主性差，人工成本高的问题。
为解决上述技术问题，本发明的技术方案是这样实现的：
一种移动机器人的自主路径规划与避障系统，包括移动机器人、PC机、GPS定位模块、激光雷达模块、电子罗盘模块和里程计模块；GPS定位模块、激光雷达模块、电子罗盘模块和里程计模块均安装在移动机器人上，GPS定位模块用于获取移动机器人所处的位置信息并传输至PC机内，电子罗盘模块用于获取移动机器人的相对方位并传输至PC机内；里程计模块获取移动机器人的移动距离并传输至PC机内；激光雷达模块用于对移动机器人前方实时扫描并将扫描信息传输至PC机内，PC机将接收到的信息进行融合处理并发送控制命令给移动机器人，移动机器人根据控制指令进行移动。
为增加本发明的准确性，在移动机器人上还设置有GPS信号加强组件，GPS信号加强组件包括GPS天线、竖杆、旋转电机Ⅰ、伸缩杆和旋转电机Ⅱ，旋转电机Ⅰ安装在移动机器人上，且旋转电机Ⅰ的输出轴上固定有转盘，在转盘上固定有旋转电机Ⅱ，旋转电机Ⅱ的输出轴与竖杆连接，竖杆的上部垂直插入连接套筒内，且在竖杆顶部安装有齿轮；伸缩杆水平插入连接套筒内，且在伸缩杆上设置有齿条，齿条与齿轮相啮合；GPS天线的一端固定在伸缩杆上，GPS天线的另一端固定在转盘上。
一种移动机器人的自主路径规划与避障系统的使用方法，步骤如下：S1，设定移动机器人的移动目标点位置信息；
S2，PC机从GPS定位模块处获取移动机器人的当前位置信息；
S3，PC机将当前位置与Slam地图存储器内的地图信息进行比对，判断所处区域是否存在Slam地图；若存在Slam地图则进行步骤S4；否则，进行步骤S10；
S4，PC机以目标点相对于当前位置的方向作为移动机器人的移动指引方向，并给定移动机器人相对于水平轴的移动夹角θa；
移动夹角θa的计算公式为：
其中，Ya为目标点的纵坐标值，Yo为当前位置的纵坐标值，Xa为目标点的横坐标值，Xo为当前位置的横坐标值；
S5，PC机接收激光雷达模块的检测信息，判断移动机器人行进方向是否出现障碍物，若没有障碍物，则继续前进；若有障碍物，则进行步骤S6；
S6，PC机将Slam地图分割成等距的正方形，并以移动机器人当前位置和目标点的连线作为切线，将Slam地图分为两个独立区域，分别为左区和右区；
S7，设定移动机器人先行驶右区后行驶左区，并对每个正方形的阈值进行初始化；
S8，获取避障路线；
S8.1，PC机对初始化后Slam地图中的障碍物的边缘进行做圆，圆的半径为移动机器人的长度的一半；
S8.2，从步骤S8.1中获取各圆之间的不相交点的位置信息；
S8.3，将步骤S8.2中的不相交点形成的连线作为移动机器人的避障指引线；PC机使移动机器人以避障指引线为界，先从地图右区进行移动，若移动过程中，地图右区出现封闭，PC机使移动机器人返回并从地图左区进行移动，反之则继续前进，直至绕过障碍物并向目标点进一步前进；
S9，重复步骤S5-步骤S8直至移动机器人到达目标点；
S10，通过ROSGMapping构建Slam地图；
S11，从构建的Slam地图中获取特征点；
S11.1，将Slam地图分割为等大小的正方形图块；
S11.2，计算每个正方形区域的复杂度Q，计算公式为：
其中，a为正方形区域横坐标轴的起点，b为正方形区域横坐标轴的终点，Δθ为角度变化量，ya′为下一个状态的y坐标值，ya为当前状态的y坐标值，xa′为下一个状态的x坐标值，xa为当前状态的x坐标值；
S11.3，将步骤S11.2中得到的各图块的复杂度进行排序，并将复杂度较大的图块标记为特征图块，特征图块内的点为特征点；
S12，将Slam地图进行栅格化处理；
S13，根据步骤S12中的地图，对移动机器人起点开始周围方格的移动消耗进行计算，计算公式为：F＝G+H；
其中，G为从当前起点到附近点的移动消耗，H为从附近点到终点的移动消耗；
以移动机器人当前位置为起点，将周围的8个非障碍物点存入可操作列表。遍历可操作列表。
以当前列表中的点作为起点，搜索附近的8个点，如果存在障碍物的点或者被存入无法操作列表的点则忽略，将剩余点存入可操作列表，将当前起点作为该点的父节点，并将该点F，G，H值更新。
如果它已经在可操作列表中，对比由起点到该点的G值是否小于该点G值，如果起点到该点G值较小，把它的父节点设置为当前方格，并重新计算它的G和F值。
遍历以上过程，直到将目标点存入可操作列表。此时通过父节点向上递推得到的路径就是最短路径。
S14，从步骤S13中选取移动消耗最小值，则移动消耗最小值对应的路径作为移动机器人的目标路径；
S15，移动机器人按照目标路径进行移动，当移动至第一个特征点时，PC机获取当前GPS信息并与特征点所对应的GPS信息进行比对；若误差小于预定误差，则移动机器人直接使用GPS信号为基准并按照目标路径进行巡航到达目标点；若误差大于预定误差，则进行下一步对目标路径进行修正；
S16，移动机器人以Slam地图为基准，并将Slam地图中存储的特征点的GPS信息代替GPS定位模块中的信息，以当前位置为新起点，并重复步骤S12-S15重新规划目标路径，直至到达目标点。
本发明中的避障系统是通过GPS定位模块获取移动机器人所在处的位置信息。电子罗盘模块获取移动机器人的相对方位，里程计模块将获取机器人的移动距离，利用航位推算法不需外界环境信息，由PC机推断移动机器人所处的位姿信息。随着时间的推进固定间隔进行GPS位置校正。PC机解算出移动机器人当前位姿属性，结合GPS定位模块获得的位置信息实现机器人的位置信息获取。激光雷达对前方进行实时扫描，PC机将激光雷达返回的信息通过Slam算法构图，以Slam构图与GPS定位为基础，当重新观察到相匹配的特征时机器人的位姿和地图特征位置被更新。同时激光雷达也能起到避障的功能。且本发明通过传感器的信息融合，使机器人的定位精度得到了提升；弥补了传统的惯性导航系统和GPS导航系统的部分缺点，使机器人能够适应更加复杂的环境条件。同时系统的自主性使机器人能够更好的解放劳动力，提高工作效率。
附图说明
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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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。
图1为本发明GPS信号加强组件的结构示意图。
图2为本发明避障时GMapping初始Slam地图。
图3为本发明避障时安全距离示意图。
图4为本发明构建的网状GPS与Slam相结合的Slam-GPS地图。
图5为本发明栅格化后的Slam-GPS地图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供了一种移动机器人的自主路径规划与避障系统，包括移动机器人、PC机、GPS定位模块、激光雷达模块、电子罗盘模块和里程计模块；GPS定位模块、激光雷达模块、电子罗盘模块和里程计模块均安装在移动机器人上，GPS定位模块用于获取移动机器人所处的位置信息并传输至PC机内，电子罗盘模块用于获取移动机器人的相对方位并传输至PC机内；里程计模块获取移动机器人的移动距离并传输至PC机内；激光雷达模块用于对移动机器人前方实时扫描并将扫描信息传输至PC机内，PC机将接收到的信息进行融合处理并发送控制命令给移动机器人，移动机器人根据控制指令进行移动。
为增加本发明的准确性，在移动机器人上还设置有GPS信号加强组件，GPS信号加强组件包括GPS天线1、竖杆2、旋转电机Ⅰ3、伸缩杆4和旋转电机Ⅱ5，旋转电机Ⅰ3安装在移动机器人上，且旋转电机Ⅰ3的输出轴上固定有转盘，在转盘上固定有旋转电机Ⅱ5，旋转电机Ⅱ5的输出轴与竖杆2连接，竖杆2的上部垂直插入连接套筒内，且在竖杆2顶部安装有齿轮；伸缩杆4水平插入连接套筒内，且在伸缩杆4上设置有齿条，齿条与齿轮相啮合；GPS天线1的一端固定在伸缩杆4上，GPS天线1的另一端固定在转盘上。
由于GPS全球卫星定位系统中的工作卫星运行在赤道附近，所以当天线朝向卫星时定位精度增加。当移动机器人朝向发生改变时，电子罗盘数据将同时发生改变，根据电子罗盘数值改变值，根据以下公式对旋转电机Ⅰ3进行控制。
ΔE＝k·ΔX；
其中E为旋转电机Ⅰ控制改变量，k为电子数值改变常数，X为电子罗盘数值变化量。旋转电机Ⅰ转动后带动转盘旋转，使GPS天线1始终指向赤道方向。旋转电机Ⅱ5根据返回的GPS信号强度，对GPS天线1的垂直角度进行调整。最终使GPS信号始终处于优化状态。
在上述系统的基础上，本发明提供一种移动机器人的自主路径规划与避障系统的使用方法，步骤如下：S1，设定移动机器人的移动目标点位置信息；
S2，PC机从GPS定位模块处获取移动机器人的当前位置信息；
S3，PC机将当前位置与Slam地图存储器内的地图信息进行比对，判断所处区域是否存在Slam地图；若存在Slam地图则进行步骤S4；否则，进行步骤S10；
S4，PC机以目标点相对于当前位置的方向作为移动机器人的移动指引方向，并给定移动机器人相对于水平轴的移动夹角θa；
移动夹角θa的计算公式为：
其中，Ya为目标点的纵坐标值，Yo为当前位置的纵坐标值，Xa为目标点的横坐标值，Xo为当前位置的横坐标值；
S5，PC机接收激光雷达模块的检测信息，判断移动机器人行进方向是否出现障碍物，若没有障碍物，则继续前进；若有障碍物，则进行步骤S6；
S6，PC机将Slam地图分割成等距的正方形，并以移动机器人当前位置和目标点的连线作为切线，将Slam地图分为两个独立区域，分别为左区和右区；
S7，设定移动机器人先行驶右区后行驶左区，并对每个正方形的阈值进行初始化；
S8，获取避障路线；
S8.1，PC机对初始化后Slam地图中的障碍物的边缘进行做圆，圆的半径为移动机器人的长度的一半；
S8.2，从步骤S8.1中获取各圆之间的不相交点的位置信息；
S8.3，将步骤S8.2中的不相交点形成的连线作为移动机器人的避障指引线；PC机使移动机器人以避障指引线为界，先从地图右区进行移动，若移动过程中，地图右区出现封闭，PC机使移动机器人返回并从地图左区进行移动，反之则继续前进，直至绕过障碍物并向目标点进一步前进；
S9，重复步骤S5-步骤S8直至移动机器人到达目标点；
S10，通过ROSGMapping构建Slam地图；
S11，从构建的Slam地图中获取特征点；
S11.1，将Slam地图分割为等大小的正方形图块；
S11.2，计算每个正方形区域的复杂度Q，计算公式为：
其中，a为正方形区域横坐标轴的起点，b为正方形区域横坐标轴的终点，Δθ为角度变化量，ya′为下一个状态的y坐标值，ya为当前状态的y坐标值，xa′为下一个状态的x坐标值，xa为当前状态的x坐标值；
S11.3，将步骤S11.2中得到的各图块的复杂度进行排序，并将复杂度较大的图块标记为特征图块，特征图块内的点为特征点；
S12，将Slam地图进行栅格化处理；
S13，根据步骤S12中的地图，对移动机器人起点开始周围方格的移动消耗进行计算，计算公式为：F＝G+H；
其中，G为从当前起点到附近点的移动消耗，H为从附近点到终点的移动消耗；
以移动机器人当前位置为起点，将周围的8个非障碍物点存入可操作列表。遍历可操作列表。
以当前列表中的点作为起点，搜索附近的8个点，如果存在障碍物的点或者被存入无法操作列表的点则忽略，将剩余点存入可操作列表，将当前起点作为该点的父节点，并将该点F，G，H值更新。
如果它已经在可操作列表中，对比由起点到该点的G值是否小于该点G值，如果起点到该点G值较小，把它的父节点设置为当前方格，并重新计算它的G和F值。
遍历以上过程，直到将目标点存入可操作列表。此时通过父节点向上递推得到的路径就是最短路径。
S14，从步骤S13中选取移动消耗最小值，则移动消耗最小值对应的路径作为移动机器人的目标路径；
S15，移动机器人按照目标路径进行移动，当移动至第一个特征点时，PC机获取当前GPS信息并与特征点所对应的GPS信息进行比对；若误差小于预定误差，则移动机器人直接使用GPS信号为基准并按照目标路径进行巡航到达目标点；若误差大于预定误差，则进行下一步对目标路径进行修正；
S16，移动机器人以Slam地图为基准，并将Slam地图中存储的特征点的GPS信息代替GPS定位模块中的信息，以当前位置为新起点，并重复步骤S12-S15重新规划目标路径，直至到达目标点。
下面以一个事例进行具体说明。
当已有Slam构图的区域，结合Slam构图与激光雷达避障，真正的实现机器人自主路径规划。而没有Slam构图的区域则优先进行避障探索与构图。
当处于已有Slam构图区域时，将使用激光雷达进行位姿解算，增加位姿信息的精度。减弱甚至消除位置误差。过程如下：
如图2所示，导航开始时，机器人位于O点，目标点位于B点。
第一步移动机器人以点B的GPS信息相对移动机器人的方向作为指引，移动机器人移动的方向相对于x轴的角度始终为θa。
Slam实时进行构图，对前方扇形环境进行感知。当移动机器人行进方向出现障碍物时，PC机将根据已知Slam地图环境构图进行计算。
首先将地图分割为等距正方形，以移动机器人与目标点做切线，移动机器人左方和右方将被分为两个独立的区域，先右后左，对每个正方形取阈值初始化为0。
根据图3所示，机器人对地图进行处理，对于障碍物的边缘以W长度为半径做圆，半径的具体大小为实际机器人一半的半径，而做出的圆的未相交的点连成的线就是机器人的安全避开范围，机器人避障将不会移动进入圆圈范围，机器人避开障碍并且向右方移动，若出现死路，地图右区块出现封闭，那么机器人折返向左方进行探索。过程与向右方探索相同。直到机器人成功绕开障碍并向目标点进一步前进。
对于巡航类任务，采取人为干预法进行初步信息采集。具体步骤如下：
首先，在无环境干扰时，确定GPS信号准确度较高时，由人跟进进行Slam地图构建的过程。有效的避免了Slam地图出现与实际情况不符的误差出现。同时，机器人在Slam的过程中使用GPS传感器模块的数据对地图进行合成，使地图成为Slam-GPS地图。
如图4所示，网状GPS表格与Slam地图相结合。
当地图构建完成之后，PC机将寻找出特征点。特征点是机器人在进行GPS与Slam地图信息比对时用到的点。将Slam地图分割为等大小的正方形图块。每个图块均有复杂度Q。Q的计算公式如下:
对于图块中没有障碍物的情况，复杂度Q为0，当图块中边缘越复杂，根据公式其复杂度越高。机器人在完成地图构建后对复杂度Q进行排序，对于复杂度较大的图块，将其标记为特征图块，其中的点为特征点。之后将地图进行栅格化处理，如图5所示。
接着根据地图5进行路径规划，对机器人附近所有可行路径进行计算，按照F＝G+H的公式计算对从O为起点的机器人附近8个格子内的移动消耗F。并逐层递进，计算出每一条路径的F值并取有较小F值的路径为最短路进行下一步巡航工作。
巡航工作开始，根据环境中是否有影响GPS信号因素分为两种具体情况。方式一，当环境中不存在影响GPS信号因素的情况。首先机器人移动至首个特征点时，对当前的GPS信息和特征点中所存的GPS数据进行比对，如果其误差小于预定误差，则认为环境中不存在影响GPS信号的因素，否则认为环境中存在影响GPS信号的因素，无干扰因素时直接使用GPS信号为基准，地图信息只用作比对GPS信息是否准确，按照规划好的路线进行巡航工作。
方式二，当机器人巡航时，环境中存在对GPS信号的干扰因素时，机器人以Slam地图为基准，Slam地图中保存的对应点的GPS信息取代GPS模块中的信息。机器人开始导航，同方式一，先对地图进行栅格化，后进行路径规划，选取移动消耗最低的路径为目标路径，执行巡航任务。在巡航过程中，使用特征点比对来调整巡航中出现的误差。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种移动机器人的自主路径规划与避障系统，其特征在于：包括移动机器人、PC机、GPS定位模块、激光雷达模块、电子罗盘模块和里程计模块；GPS定位模块、激光雷达模块、电子罗盘模块和里程计模块均安装在移动机器人上，GPS定位模块用于获取移动机器人所处的位置信息并传输至PC机内，电子罗盘模块用于获取移动机器人的相对方位并传输至PC机内；里程计模块获取移动机器人的移动距离并传输至PC机内；激光雷达模块用于对移动机器人前方实时扫描并将扫描信息传输至PC机内，PC机将接收到的信息进行融合处理并发送控制命令给移动机器人，移动机器人根据控制指令进行移动。
2.根据权利要求1所述的移动机器人的自主路径规划与避障系统，其特征在于：在移动机器人上还设置有GPS信号加强组件，GPS信号加强组件包括GPS天线(1)、竖杆(2)、旋转电机Ⅰ(3)、伸缩杆(4)和旋转电机Ⅱ(5)，旋转电机Ⅰ(3)安装在移动机器人上，且旋转电机Ⅰ(3)的输出轴上固定有转盘，在转盘上固定有旋转电机Ⅱ(5)，旋转电机Ⅱ(5)的输出轴与竖杆(2)连接，竖杆(2)的上部垂直插入连接套筒内，且在竖杆(2)顶部安装有齿轮；伸缩杆(4)水平插入连接套筒内，且在伸缩杆(4)上设置有齿条，齿条与齿轮相啮合；GPS天线(1)的一端固定在伸缩杆(4)上，GPS天线(1)的另一端固定在转盘上。
3.根据权利要求1或2所述的移动机器人的自主路径规划与避障系统的使用方法，其特征在于，步骤如下：S1，设定移动机器人的移动目标点位置信息；
S2，PC机从GPS定位模块处获取移动机器人的当前位置信息；
S3，PC机将当前位置与Slam地图存储器内的地图信息进行比对，判断所处区域是否存在Slam地图；若存在Slam地图则进行步骤S4；否则，进行步骤S10；
S4，PC机以目标点相对于当前位置的方向作为移动机器人的移动指引方向，并给定移动机器人相对于水平轴的移动夹角θa；移动夹角θa的计算公式为：
<mrow> <msub> <mi>&amp;theta;</mi> <mi>a</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>a</mi> </msub> <mo>-</mo> <msub> <mi>Y</mi> <mi>o</mi> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mi>a</mi> </msub> <mo>-</mo> <msub> <mi>X</mi> <mi>o</mi> </msub> <mo>)</mo> </mrow> </mfrac> <mfrac> <mi>&amp;pi;</mi> <mn>2</mn> </mfrac> <mo>;</mo> </mrow>
其中，Ya为目标点的纵坐标值，Yo为当前位置的纵坐标值，Xa为目标点的横坐标值，Xo为当前位置的横坐标值；
S5，PC机接收激光雷达模块的检测信息，判断移动机器人行进方向是否出现障碍物，若没有障碍物，则继续前进；若有障碍物，则进行步骤S6；
S6，PC机将Slam地图分割成等距的正方形，并以移动机器人当前位置和目标点的连线作为切线，将Slam地图分为两个独立区域，分别为左区和右区；
S7，设定移动机器人先行驶右区后行驶左区，并对每个正方形的阈值进行初始化；
S8，获取避障路线；
S9，重复步骤S5-步骤S8直至移动机器人到达目标点；
S10，通过ROSGMapping构建Slam地图；
S11，从构建的Slam地图中获取特征点；
S12，将Slam地图进行栅格化处理；
S13，根据步骤S12中的地图，对移动机器人从起点开始周围方格的移动消耗进行计算，计算公式为：F＝G+H；
其中，G为从当前起点到附近点的移动消耗，H为从附近点到终点的移动消耗；
S14，从步骤S13中选取移动消耗最小值，则移动消耗最小值对应的路径作为移动机器人的目标路径；
S15，移动机器人按照目标路径进行移动，当移动至第一个特征点时，PC机获取当前GPS信息并与特征点所对应的GPS信息进行比对；若误差小于预定误差，则移动机器人直接使用GPS信号为基准并按照目标路径进行巡航到达目标点；若误差大于预定误差，则进行下一步对目标路径进行修正；
S16，移动机器人以Slam地图为基准，并将Slam地图中存储的特征点的GPS信息代替GPS定位模块中的信息，以当前位置为新起点，并重复步骤S12-S15重新规划目标路径，直至到达目标点。
4.根据权利要求3所述的移动机器人的自主路径规划与避障方法，其特征在于，在步骤S8中，具体步骤为：
S8.1，PC机对初始化后Slam地图中的障碍物的边缘进行做圆，圆的半径为移动机器人的长度的一半；
S8.2，从步骤S8.1中获取各圆之间的不相交点的位置信息；
S8.3，将步骤S8.2中的不相交点形成的连线作为移动机器人的避障指引线；PC机使移动机器人以避障指引线为界，先从地图右区进行移动，若移动过程中，地图右区出现封闭，PC机使移动机器人返回并从地图左区进行移动，反之则继续前进，直至绕过障碍物并向目标点进一步前进。
5.根据权利要求3所述的移动机器人的自主路径规划与避障方法，其特征在于，在步骤S11中，具体步骤为：S11.1，将Slam地图分割为等大小的正方形图块；
S11.2，计算每个正方形区域的复杂度Q，计算公式为：
<mrow> <mi>Q</mi> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <mi>a</mi> <mi>b</mi> </msubsup> <mi>&amp;Delta;</mi> <mi>&amp;theta;</mi> <mi>d</mi> <mi>x</mi> <mo>;</mo> </mrow>
<mrow> <mi>&amp;Delta;</mi> <mi>&amp;theta;</mi> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <msub> <mi>y</mi> <msup> <mi>a</mi> <mo>&amp;prime;</mo> </msup> </msub> <mo>-</mo> <msub> <mi>y</mi> <mi>a</mi> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>x</mi> <msup> <mi>a</mi> <mo>&amp;prime;</mo> </msup> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>a</mi> </msub> <mo>)</mo> </mrow> </mfrac> <mo>;</mo> </mrow>
其中，a为正方形区域横坐标轴的起点，b为正方形区域横坐标轴的终点，Δθ为角度变化量，ya，为下一个状态的y坐标值，ya为当前状态的y坐标值，xa′为下一个状态的x坐标值，xa为当前状态的x坐标值；
S11.3，将步骤S11.2中得到的各图块的复杂度进行排序，并将复杂度较大的图块标记为特征图块，特征图块内的点为特征点。
CN201710838633.3A 2017-09-18 2017-09-18 移动机器人的自主路径规划与避障系统及其使用方法 Pending CN107450561A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710838633.3A CN107450561A (zh) 2017-09-18 2017-09-18 移动机器人的自主路径规划与避障系统及其使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710838633.3A CN107450561A (zh) 2017-09-18 2017-09-18 移动机器人的自主路径规划与避障系统及其使用方法

Publications (1)

Publication Number Publication Date
CN107450561A true CN107450561A (zh) 2017-12-08

Family

ID=60496633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710838633.3A Pending CN107450561A (zh) 2017-09-18 2017-09-18 移动机器人的自主路径规划与避障系统及其使用方法

Country Status (1)

Country Link
CN (1) CN107450561A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108196550A (zh) * 2018-02-08 2018-06-22 广东工业大学 一种自动导向小车及其自动控制方法
CN108762248A (zh) * 2018-04-26 2018-11-06 北京深数科技有限公司 移动机器人及其导航方法
CN108762255A (zh) * 2018-05-03 2018-11-06 南京理工大学 一种室内智能移动机器人及控制方法
CN108958238A (zh) * 2018-06-01 2018-12-07 哈尔滨理工大学 一种基于协变代价函数的机器人点到区路径规划方法
CN109024352A (zh) * 2018-08-23 2018-12-18 上海圭目机器人有限公司 一种智能交通锥的自动摆放和回收方法及智能交通锥机器人
CN109250808A (zh) * 2018-10-25 2019-01-22 罗德斌 一种环保的污水处理机器人
CN109374069A (zh) * 2018-12-18 2019-02-22 华南农业大学 畜禽养殖场即时环境信息的空间分布监测系统及监测方法
CN109996134A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 一种音响机器人的控制方法及装置
CN110495819A (zh) * 2019-07-24 2019-11-26 华为技术有限公司 机器人的控制方法、机器人、终端、服务器及控制系统
CN110652256A (zh) * 2018-06-28 2020-01-07 松下知识产权经营株式会社 移动机器人以及控制方法
CN111290403A (zh) * 2020-03-23 2020-06-16 内蒙古工业大学 搬运自动导引运输车的运输方法和搬运自动导引运输车
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
CN112965481A (zh) * 2021-02-01 2021-06-15 成都信息工程大学 基于点云地图的果园作业机器人无人驾驶方法
CN114415661A (zh) * 2021-12-15 2022-04-29 中国农业大学 基于压缩三维空间点云的平面激光slam与导航方法
WO2022143465A1 (zh) * 2020-12-31 2022-07-07 华为技术有限公司 一种机器人的位置校正方法以及相关设备
CN116592888A (zh) * 2023-05-08 2023-08-15 五八智能科技(杭州)有限公司 一种巡逻机器人全局定位的方法、系统、装置和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100601960B1 (ko) * 2004-08-05 2006-07-14 삼성전자주식회사 로봇의 위치 추적 및 지도 작성 방법
CN104848851A (zh) * 2015-05-29 2015-08-19 山东鲁能智能技术有限公司 基于多传感器数据融合构图的变电站巡检机器人及其方法
CN105652876A (zh) * 2016-03-29 2016-06-08 北京工业大学 基于数组地图的移动机器人室内路径规划方法
CN105823478A (zh) * 2016-03-14 2016-08-03 武汉卓拔科技有限公司 一种自主避障导航信息共享和使用方法
CN106227220A (zh) * 2016-09-28 2016-12-14 关健生 基于分布式框架的自主导航巡检机器人
CN106918830A (zh) * 2017-03-23 2017-07-04 安科机器人有限公司 一种基于多导航模块的定位方法及移动机器人

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100601960B1 (ko) * 2004-08-05 2006-07-14 삼성전자주식회사 로봇의 위치 추적 및 지도 작성 방법
CN104848851A (zh) * 2015-05-29 2015-08-19 山东鲁能智能技术有限公司 基于多传感器数据融合构图的变电站巡检机器人及其方法
CN105823478A (zh) * 2016-03-14 2016-08-03 武汉卓拔科技有限公司 一种自主避障导航信息共享和使用方法
CN105652876A (zh) * 2016-03-29 2016-06-08 北京工业大学 基于数组地图的移动机器人室内路径规划方法
CN106227220A (zh) * 2016-09-28 2016-12-14 关健生 基于分布式框架的自主导航巡检机器人
CN106918830A (zh) * 2017-03-23 2017-07-04 安科机器人有限公司 一种基于多导航模块的定位方法及移动机器人

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘罡: "基于可视切线图的未知环境建模新方法研究", 《高技术通讯》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109996134A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 一种音响机器人的控制方法及装置
CN108196550A (zh) * 2018-02-08 2018-06-22 广东工业大学 一种自动导向小车及其自动控制方法
CN108762248A (zh) * 2018-04-26 2018-11-06 北京深数科技有限公司 移动机器人及其导航方法
CN108762255A (zh) * 2018-05-03 2018-11-06 南京理工大学 一种室内智能移动机器人及控制方法
CN108958238A (zh) * 2018-06-01 2018-12-07 哈尔滨理工大学 一种基于协变代价函数的机器人点到区路径规划方法
CN108958238B (zh) * 2018-06-01 2021-05-07 哈尔滨理工大学 一种基于协变代价函数的机器人点到区路径规划方法
CN110652256A (zh) * 2018-06-28 2020-01-07 松下知识产权经营株式会社 移动机器人以及控制方法
CN109024352B (zh) * 2018-08-23 2021-03-30 上海圭目机器人有限公司 一种智能交通锥的自动摆放和回收方法及智能交通锥机器人
CN109024352A (zh) * 2018-08-23 2018-12-18 上海圭目机器人有限公司 一种智能交通锥的自动摆放和回收方法及智能交通锥机器人
CN109250808A (zh) * 2018-10-25 2019-01-22 罗德斌 一种环保的污水处理机器人
CN109374069A (zh) * 2018-12-18 2019-02-22 华南农业大学 畜禽养殖场即时环境信息的空间分布监测系统及监测方法
CN110495819B (zh) * 2019-07-24 2021-05-18 华为技术有限公司 机器人的控制方法、机器人、终端、服务器及控制系统
WO2021013230A1 (zh) * 2019-07-24 2021-01-28 华为技术有限公司 机器人的控制方法、机器人、终端、服务器及控制系统
CN110495819A (zh) * 2019-07-24 2019-11-26 华为技术有限公司 机器人的控制方法、机器人、终端、服务器及控制系统
CN111290403A (zh) * 2020-03-23 2020-06-16 内蒙古工业大学 搬运自动导引运输车的运输方法和搬运自动导引运输车
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
WO2022143465A1 (zh) * 2020-12-31 2022-07-07 华为技术有限公司 一种机器人的位置校正方法以及相关设备
CN112965481A (zh) * 2021-02-01 2021-06-15 成都信息工程大学 基于点云地图的果园作业机器人无人驾驶方法
CN114415661A (zh) * 2021-12-15 2022-04-29 中国农业大学 基于压缩三维空间点云的平面激光slam与导航方法
CN114415661B (zh) * 2021-12-15 2023-09-22 中国农业大学 基于压缩三维空间点云的平面激光slam与导航方法
CN116592888A (zh) * 2023-05-08 2023-08-15 五八智能科技(杭州)有限公司 一种巡逻机器人全局定位的方法、系统、装置和介质

Similar Documents

Publication Publication Date Title
CN107450561A (zh) 移动机器人的自主路径规划与避障系统及其使用方法
Li et al. Openstreetmap-based autonomous navigation for the four wheel-legged robot via 3d-lidar and ccd camera
Gao et al. Review of wheeled mobile robots’ navigation problems and application prospects in agriculture
Zhang et al. 2d lidar-based slam and path planning for indoor rescue using mobile robots
Lugo-Cárdenas et al. Dubins path generation for a fixed wing UAV
CN103926925B (zh) 一种基于改进的vfh算法的定位与避障方法及机器人
CN107643752A (zh) 基于行人轨迹预测的全向移动机器人路径规划算法
CN107272008A (zh) 一种带惯性补偿的agv激光导航系统
CN109900273B (zh) 一种室外移动机器人导引方法及导引系统
CN108052107A (zh) 一种融合磁条、磁钉和惯导的agv室内外复合导航系统及方法
CN108362288B (zh) 一种基于无迹卡尔曼滤波的偏振光slam方法
CN103207634A (zh) 一种智能车辆中差分gps与惯性导航数据融合的系统和方法
CN104914865A (zh) 变电站巡检机器人定位导航系统及方法
Barton Controller development and implementation for path planning and following in an autonomous urban vehicle
CN105278533A (zh) 一种全向移动平台导航方法
CN112435496B (zh) 基于多传感器的车辆船舶智能导航控制预警装置及方法
CN107607093A (zh) 一种基于无人艇的湖泊动态库容的监测方法及装置
CN109813306A (zh) 一种无人车规划轨迹卫星定位数据可信度计算方法
CN110398252A (zh) 路径搜索装置、驾驶控制装置以及自动行驶装置
Zheng et al. An optimization-based UWB-IMU fusion framework for UGV
Rahok et al. Navigation using an environmental magnetic field for outdoor autonomous mobile robots
CN114906131A (zh) 自动驾驶车辆的召唤控制方法、系统及可读存储介质
CN115540858A (zh) 高精度的井下车辆定位方法及其系统
CN116337045A (zh) 一种基于karto和teb的高速建图导航方法
CN114879660A (zh) 一种基于目标驱动的机器人环境感知方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171208