CN107544502A - 一种已知环境下的移动机器人规划方法 - Google Patents
一种已知环境下的移动机器人规划方法 Download PDFInfo
- Publication number
- CN107544502A CN107544502A CN201710874359.5A CN201710874359A CN107544502A CN 107544502 A CN107544502 A CN 107544502A CN 201710874359 A CN201710874359 A CN 201710874359A CN 107544502 A CN107544502 A CN 107544502A
- Authority
- CN
- China
- Prior art keywords
- grid
- mobile robot
- known environment
- terminal
- path
- 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
Links
Abstract
本发明属于智能化机器人领域,其公开了一种已知环境下的移动机器人路径规划方法,该方法包括以下步骤:(1)依据所述最小分割值对已知环境的二维地图进行不均匀分割,以得到已知环境的非均匀栅格地图;(2)根据移动机器人在所述非均匀栅格地图内的位置、起点及终点构建已知环境的数学模型;(3)采用改进的人工势能场算法搜索移动机器人的目标位置;(5)根据得到的目标位置、所述起点及所述终点获得避开障碍物的从所述起点到所述终点的路径,路径规划结束。本发明通过对已知环境的二维地图进行不均匀分割来减小环境存储信息量,提高了计算效率及路径规划效率,灵活性较高。
Description
技术领域
本发明属于智能化机器人领域,更具体地,涉及一种已知环境下的移动机器人规划方法。
背景技术
随着计算机技术的发展,移动机器人技术也得到了快速的进步。由于移动机器人具有自主、高效和便捷等特点,其在工业、农业、商业等许多领域发挥着越来越重要的作用。其中,路径规划方法作为移动机器人的核心技术直接影响了机器人的工作效率和工作精确度,其是机器人执行各种任务的基础,反映了机器人在运动过程中与周围环境的交互能力。移动机器人路径规划方法是指在给定环境下,通过计算得到一条从起点到终点的最短路径,使得移动机器人可以安全、无碰撞地通过所有障碍。
目前,本领域相关人员已经做了一些研究。通常,在环境信息已知的情况下,路径规划方法主要涉及两个核心部分:环境建模及路径搜索。在环境建模方面,栅格法因其准确的定位和简单的计算被普遍应用。栅格法对环境进行均匀分割,将环境的二维地图转换成二维栅格,但对于一些较为复杂的环境,需要存储的环境信息量大和计算量大,该方法适用性较差。路径搜索算法中,A*算法是路径规划技术中求解最短路径最有效的直接搜索方法,但存在搜索效率低,节点存储量大等缺陷。传统的人工势能场算法在路径规划技中较为普遍,但是在移动过程中,容易陷入局部最优解而产生的自锁、局部振荡等问题,从而影响移动机器人的正常工作。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种已知环境下的移动机器人路径规划方法,其基于现有路径规划方法的特点,研究及设计了一种能够减小环境信息存储量的已知环境下的移动机器人路径规划方法。所述移动机器人路径规划方法采用四叉树分割法构建已知环境的非均匀栅格地图,解决了在复杂环境下使用传统的均匀分割方式引起的环境存储信息量大,计算繁琐耗时,路径规划效率低等问题。此外,所述移动机器人路径规划方法采用改进的人工势能场算法来引导移动机器人进行路径搜索,解决了传统的人工势能场算法引起的移动机器人陷入局部最优值以及不能达到终点等问题。
为实现上述目的,本发明提供了一种已知环境下的移动机器人路径规划方法,该移动机器人路径规划方法包括以下步骤:
(1)根据移动机器人的尺寸确定最小分割值,再依据所述最小分割值对已知环境的二维地图进行不均匀分割,以得到已知环境的非均匀栅格地图;
(2)根据移动机器人在所述非均匀栅格地图内的位置、起点及终点构建已知环境的数学模型;
(3)判断所述移动机器人当前所在栅格是否为所述终点所在的栅格,若是,则转至步骤(5);否则,则判断与当前栅格相连通的空白栅格是否是所述终点所在栅格,若是,则转至步骤(5);否则,将与当前栅格相连通的空白栅格作为候选栅格,利用传统的人工势能场算法计算所述候选栅格在势能场作用下受到的合力,同时计算所述移动机器人的起点到终点的单位向量,接着计算得到的合力分别在所述单位向量上的分力,比较得到的分力的大小以得到最大分力对应的栅格,最大分力对应的栅格的几何中心即为所述移动机器人下一步的目标位置,引导所述移动机器人到所述目标位置;
(4)重复步骤(3),直至所述移动机器人所在的栅格为所述终点所在的栅格;
(5)根据得到的目标位置、所述起点及所述终点获得避开障碍物的从所述起点到所述终点的路径,路径规划结束。
进一步地,所述最小分割值大于等于所述移动机器人长度的两倍。
进一步地,步骤(1)中,对已知环境的二维地图的不均匀分割直到最新的栅格尺寸小于所述最小分割值时结束。
进一步地,已知环境的二维地图的不均匀分割是采用四叉树分割法进行的。
进一步地,步骤(3)中,根据二维地图中两个相邻栅格共有一条边或一个点来确定与当前栅格相连通的栅格。
进一步地,所述单位向量是根据所述起点及所述终点在已知环境的二维地图内的坐标计算获得的。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的已知环境下的移动机器人路径规划方法主要具有以下有益效果:
1.根据移动机器人的尺寸确定最小分割值,再依据所述最小分割值对已知环境的二维地图进行不均匀分割,如此减小了环境信息存储量,提高了计算效率及路径规划效率;
2.采用传统的人工势能场计算所述候选栅格在势能场作用下受到的合力,并通过求解合力对应的分力中的最大分力对应的栅格来确定下一步的目标位置,即通过改进的人工势能场算法来搜索目标位置,如此解决了传统的人造势能场算法引起的移动机器人陷入局部最优值以及不能达到终点等问题,提高了适用性;
3.所述移动机器人路径规划方法简单,易于实施,灵活性较高,有利于推广应用。
附图说明
图1是本发明较佳实施方式提供的已知环境下的移动机器人路径规划方法的流程示意图;
图2是采用图1中的已知环境下的移动机器人路径规划方法涉及的对已知环境的二维地图进行不均匀分割的示意图;
图3是图2中的对已知环境的二维地图进行不均匀分割时第一次分割的示意图;
图4是采用图1中的已知环境下的移动机器人路径规划方法涉及的构建当前栅格的连通性的示意图;
图5是采用图1中的已知环境下的移动机器人路径规划方法涉及的利用改进的人工势能场算法引导移动机器人路径搜索的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1,本发明较佳实施方式提供的已知环境下的移动机器人路径规划方法,所述移动机器人路径规划方法采用四叉树分割法构建已知环境的非均匀栅格地图,解决了在复杂环境下使用传统的均匀分割方式引起的环境存储信息量大,计算繁琐耗时,路径规划效率低等问题。此外,所述移动机器人路径规划方法采用改进的人工势能场算法来引导移动机器人进行路径搜索,解决了传统的人工势能场算法引起的移动机器人陷入局部最优值以及不能达到终点等问题。
所述的已知环境下的移动机器人路径规划方法主要包括以下步骤:
步骤一,根据移动机器人的尺寸确定最小分割值,再依据所述最小分割值对已知环境的二维地图进行不均匀分割,以得到已知环境的非均匀栅格地图。步骤一具体包括以下步骤:
(11)根据所述移动机器人的尺寸确定最小分割值,所述最小分割值大于等于所述移动机器人长度的两倍。所述最小分割值是为了保证较少的环境信息存储空间,较高的计算效率及尽可能大的移动机器人的工作空间(移动机器人可移动区域的范围)。
(12)采用四叉树分割法对已知环境的二维地图进行不均匀分割,直到最新栅格的尺寸小于等于所述最小分割值,由此得到已知环境的非均匀栅格地图。本实施方式中,栅格为正方形,栅格的尺寸小于等于所述最小分割值,即所述栅格的边长小于等于所述最小分割值。
请参阅图2及图3,本实施方式中,对已知环境的二维地图的第一次分割时,对整个已知环境的二维地图分别沿着X、Y方向进行二等分,以将已知环境的二维地图分割成四份,如此分割得到的四个栅格分别为栅格1、栅格2、栅格3及栅格4,将栅格1、栅格2、栅格3及栅格4依次加入空白的集合N中,之后,对得到的新的栅格进行判断,若得到混合栅格,则判断该混合栅格的尺寸是否小于或者等于所述最小分割值,是则结束,否则继续进行分割直到得到的最新栅格的尺寸小等于所述最小分割值。其中,得到的空白栅格放入空白的集合F,障碍物栅格放入集合O;栅格1、栅格2、栅格3及栅格4均为混合栅格,即当前栅格的一部分为障碍物。
步骤二,根据移动机器人在所述非均匀栅格地图内的位置、起点及终点构建已知环境的数学模型。
步骤三,判断所述移动机器人当前所在栅格是否为终点所在的栅格,若是,则转至步骤五;否则,则确定与当前栅格相连通的空白栅格是否是终点所在栅格,若是,则引导所述移动机器人到终点,转至步骤五;否则,将与当前栅格相连通的空白栅格作为候选栅格,利用传统的人工势能算法计算所述候选栅格在势能场作用下所受到的合力,同时计算所述移动机器人的起点到终点的单位向量,接着计算得到的合力分别在所述单位向量上的分力,比较得到的分力的大小以得到最大分力对应的栅格,最大分力对应的栅格的几何中心即为所述移动机器人下一步的目标位置,引导所述移动机器人到所述目标位置。
请参阅图4及图5,本实施方式中,首先,判断所述移动机器人当前所在栅格1是否为终点所在栅格,发现栅格1不是终点所在的栅格,故需要寻找所述移动机器人下一步的目标位置;接着,根据二维地图中两个相邻栅格共有一条边或者一个点来构建各个栅格之间的连通性(即通过构建的连通性,一个栅格可以找到与其相连通的栅格,以便进行下一步的路径搜索),并根据得到的连通性得到与栅格1相连通的栅格2、栅格3及栅格4;之后,分别判断栅格2、栅格3及栅格4是否为终点所在的栅格,结果栅格2、栅格3及栅格4均非终点所在的栅格,可以作为候选栅格来寻找目标栅格;接着,利用传统的人工势能场的方法计算当栅格2,栅格3和栅格4在势能场作用下受的合力分别为Ft2,Ft3和Ft4;之后,根据起点和终点在已知环境的二维地图内的坐标计算从起点到终点的单位向量利用公式(1)计算Ft2,Ft3和Ft4在单位向量上的分力Fc2,Fc3和Fc4,之后,比较Fc2,Fc3和Fc4的大小(包含正负号),得到最大的分力对应的栅格为栅格2,故栅格2的几何中心即为所述移动机器人下一步的目标位置,引导所述移动机器人向下一步的目标位置前进。
式中,Ft为候选栅格在势能场作用下受到的合力,Fc为候选栅格在势能场作用下受到的合力在单位向量上的分量。
步骤四,重复步骤三,直至所述移动机器人所在的栅格为所述终点所在的栅格。
步骤五,根据得到的路目标位置、所述起点及所述终点获得避开障碍物的从所述起点到所述终点的路径,路径规划结束。
本发明提供的已知环境下的移动机器人路径规划方法,其采用四叉树分割法构建已知环境的非均匀栅格地图,解决了在复杂环境下使用传统的均匀分割方式引起的环境存储信息量大,计算繁琐耗时,路径规划效率低等问题。此外,所述移动机器人路径规划方法采用改进的人工势能场算法来引导移动机器人进行路径搜索,解决了传统的人工势能场算法引起的移动机器人陷入局部最优值以及不能达到终点等问题。
本领域的技术人员容易理解,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种已知环境下的移动机器人路径规划方法,其特征在于:
(1)根据移动机器人的尺寸确定最小分割值,再依据所述最小分割值对已知环境的二维地图进行不均匀分割,以得到已知环境的非均匀栅格地图;
(2)根据移动机器人在所述非均匀栅格地图内的位置、起点及终点构建已知环境的数学模型;
(3)判断所述移动机器人当前所在栅格是否为所述终点所在的栅格,若是,则转至步骤(5);否则,则判断与当前栅格相连通的空白栅格是否是所述终点所在栅格,若是,则转至步骤(5);否则,将与当前栅格相连通的空白栅格作为候选栅格,利用传统的人工势能场算法计算所述候选栅格在势能场作用下受到的合力,同时计算所述移动机器人的起点到终点的单位向量,接着计算得到的合力分别在所述单位向量上的分力,比较得到的分力的大小以得到最大分力对应的栅格,最大分力对应的栅格的几何中心即为所述移动机器人下一步的目标位置,引导所述移动机器人到所述目标位置;
(4)重复步骤(3),直至所述移动机器人所在的栅格为所述终点所在的栅格;
(5)根据得到的目标位置、所述起点及所述终点获得避开障碍物的从所述起点到所述终点的路径,路径规划结束。
2.如权利要求1所述的已知环境下的移动机器人路径规划方法,其特征在于:所述最小分割值大于等于所述移动机器人长度的两倍。
3.如权利要求1所述的已知环境下的移动机器人路径规划方法,其特征在于:步骤(1)中,对已知环境的二维地图的不均匀分割直到最新的栅格尺寸小于所述最小分割值时结束。
4.如权利要求1-3任一项所述的已知环境下的移动机器人路径规划方法,其特征在于:已知环境的二维地图的不均匀分割是采用四叉树分割法进行的。
5.如权利要求1-3任一项所述的已知环境下的移动机器人路径规划方法,其特征在于:步骤(3)中,根据二维地图中两个相邻栅格共有一条边或一个点来确定与当前栅格相连通的栅格。
6.如权利要求1-3任一项所述的已知环境下的移动机器人路径规划方法,其特征在于:所述单位向量是根据所述起点及所述终点在已知环境的二维地图内的坐标计算获得的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710874359.5A CN107544502A (zh) | 2017-09-25 | 2017-09-25 | 一种已知环境下的移动机器人规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710874359.5A CN107544502A (zh) | 2017-09-25 | 2017-09-25 | 一种已知环境下的移动机器人规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107544502A true CN107544502A (zh) | 2018-01-05 |
Family
ID=60964294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710874359.5A Pending CN107544502A (zh) | 2017-09-25 | 2017-09-25 | 一种已知环境下的移动机器人规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107544502A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445878A (zh) * | 2018-02-28 | 2018-08-24 | 北京奇虎科技有限公司 | 一种用于扫地机器人的障碍物处理方法和扫地机器人 |
CN108582072A (zh) * | 2018-04-28 | 2018-09-28 | 北京邮电大学 | 一种基于改进图规划算法的空间机械臂任务规划方法 |
CN110991105A (zh) * | 2019-11-21 | 2020-04-10 | 佛山科学技术学院 | 一种绳牵引并联机器人势能场的建立方法 |
CN112857385A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 |
CN114489038A (zh) * | 2021-12-08 | 2022-05-13 | 农芯(南京)智慧农业研究院有限公司 | 一种基于强化学习的农林用车辆的导航控制方法 |
CN114532898A (zh) * | 2020-11-24 | 2022-05-27 | 追创科技(苏州)有限公司 | 机器人的建图方法、机器人、存储介质、电子装置 |
US11662726B2 (en) | 2019-10-17 | 2023-05-30 | Nokia Solutions And Networks Oy | Controlling movement of a device |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
CN105320133A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种应用于扫地机器人的改进势场栅格法 |
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
CN106094834A (zh) * | 2016-07-19 | 2016-11-09 | 芜湖哈特机器人产业技术研究院有限公司 | 基于已知环境下的移动机器人路径规划方法 |
CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
CN108508900A (zh) * | 2018-05-10 | 2018-09-07 | 同济大学 | 一种壁面移动机器人墙壁检测路径自主规划方法 |
-
2017
- 2017-09-25 CN CN201710874359.5A patent/CN107544502A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
CN105320133A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种应用于扫地机器人的改进势场栅格法 |
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
CN106094834A (zh) * | 2016-07-19 | 2016-11-09 | 芜湖哈特机器人产业技术研究院有限公司 | 基于已知环境下的移动机器人路径规划方法 |
CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
CN108508900A (zh) * | 2018-05-10 | 2018-09-07 | 同济大学 | 一种壁面移动机器人墙壁检测路径自主规划方法 |
Non-Patent Citations (6)
Title |
---|
LIU B,等: "Real-time path planning in emergency using non-uniform safety fields", 《IEEE》 * |
YANG Y,等: "An improved artificial potential field algorithm based on nonuniform cell decomposition", 《2017 6TH INTERNATIONAL CONFERENCE ON MEASUREMENT, INSTRUMENTATION AND AUTOMATION (ICMIA 2017),ATLANTIS PRESS》 * |
中国自动化学会: "《首届全国机器人学术讨论会论文集》", 31 December 1987 * |
刘杰: "基于环境地图的机器人全局路径规划的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
张彦琴,等: "《智能汽车运输系统》", 30 April 2011 * |
郭利进,等: "基于四叉树的自适应栅格地图创建算法", 《控制与决策》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445878A (zh) * | 2018-02-28 | 2018-08-24 | 北京奇虎科技有限公司 | 一种用于扫地机器人的障碍物处理方法和扫地机器人 |
CN108445878B (zh) * | 2018-02-28 | 2022-04-01 | 北京奇虎科技有限公司 | 一种用于扫地机器人的障碍物处理方法和扫地机器人 |
CN108582072A (zh) * | 2018-04-28 | 2018-09-28 | 北京邮电大学 | 一种基于改进图规划算法的空间机械臂任务规划方法 |
US11662726B2 (en) | 2019-10-17 | 2023-05-30 | Nokia Solutions And Networks Oy | Controlling movement of a device |
CN110991105A (zh) * | 2019-11-21 | 2020-04-10 | 佛山科学技术学院 | 一种绳牵引并联机器人势能场的建立方法 |
CN114532898A (zh) * | 2020-11-24 | 2022-05-27 | 追创科技(苏州)有限公司 | 机器人的建图方法、机器人、存储介质、电子装置 |
CN112857385A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 |
CN112857385B (zh) * | 2021-01-18 | 2022-09-27 | 北京理工大学 | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 |
CN114489038A (zh) * | 2021-12-08 | 2022-05-13 | 农芯(南京)智慧农业研究院有限公司 | 一种基于强化学习的农林用车辆的导航控制方法 |
CN114489038B (zh) * | 2021-12-08 | 2024-02-27 | 农芯(南京)智慧农业研究院有限公司 | 一种基于强化学习的农林用车辆的导航控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107544502A (zh) | 一种已知环境下的移动机器人规划方法 | |
CN112034836B (zh) | 一种改进a*算法的移动机器人路径规划方法 | |
CN110487279B (zh) | 一种基于改进a*算法的路径规划方法 | |
CN109059924A (zh) | 基于a*算法的伴随机器人增量路径规划方法及系统 | |
CN110006429A (zh) | 一种基于深度优化的无人船航迹规划方法 | |
CN113189988B (zh) | 一种基于Harris算法与RRT算法复合的自主路径规划方法 | |
CN112229419B (zh) | 一种动态路径规划导航方法及系统 | |
CN108981716A (zh) | 一种适用于内陆和近海无人船的路径规划方法 | |
CN103529843A (zh) | Lambda*路径规划算法 | |
CN110196602A (zh) | 目标导向集中优化的快速水下机器人三维路径规划方法 | |
CN110488839A (zh) | 一种基于切线交叉法的足式机器人路径规划方法及装置 | |
Liu et al. | Warehouse-oriented optimal path planning for autonomous mobile fire-fighting robots | |
CN115903818A (zh) | 一种变电站巡检机器人路径规划方法 | |
CN109855640B (zh) | 一种基于自由空间与人工蜂群算法的路径规划方法 | |
CN114485611A (zh) | 基于北斗网格码的三维空间最短路径规划方法和装置 | |
CN112902971B (zh) | 基于高斯采样和目标偏向引导的快速扩展随机树算法的机器人运动轨迹计算方法、电子设备及存储介质 | |
CN109781126A (zh) | 一种基于矢量法的全局静态路径规划方法 | |
CN109798899A (zh) | 一种面向海底未知地形搜索的树扩散启发式路径规划方法 | |
CN105698796A (zh) | 一种多机器人调度系统的路径搜索方法 | |
CN109855622A (zh) | 用于移动机器人的路径搜索方法及设备 | |
CN114509085B (zh) | 一种结合栅格和拓扑地图的快速路径搜索方法 | |
CN114577217B (zh) | 基于冯洛诺伊图的路径规划方法、装置、设备及存储介质 | |
CN114323047A (zh) | 一种基于多边形分解的全覆盖路径规划算法 | |
CN114995391B (zh) | 一种改进a*算法的4阶b样条曲线路径规划方法 | |
Jiang et al. | Research on path planning for mobile robots based on improved A-star algorithm |
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: 20180105 |