CN107894766A - 用于室内装修机器人的路径规划方法 - Google Patents

Abstract

本发明提供了一种用于室内装修机器人的路径规划方法，包括以下步骤：S1、进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；S2、进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。本发明的有益效果是：通过减少工作点的数量来减少机器人的调整时间，提高机器人工作效率。

Description

用于室内装修机器人的路径规划方法

技术领域

本发明涉及路径规划方法，尤其涉及一种用于室内装修机器人的路径规划方法。

背景技术

在传统的室内装修中，各种工序靠工人完成。在某些装修工艺如墙面打磨、面漆喷涂，如果靠人工来工作，则会大大的损耗工人的健康，并且，由于人口老龄化的加剧，使技术人口缺失。因此通过机器人的实现装修工艺将会是必然的趋势。在装修机器人的墙面处理过程中，有一项关键技术就是机器人的路径规划。机器人在进行墙面处理工作中需要进行工作位置的调整。在处理整个墙面的过程中，如果没有合理的工作路径规划就会增加工作时间，降低工作效率。因此，在机器人工作中就面临以下问题：如图1所示，在尺寸固定的墙面上，如何提高机器人工作效率。

发明内容

为了解决现有技术中的问题，本发明提供了一种用于室内装修机器人的路径规划方法。

本发明提供了一种用于室内装修机器人的路径规划方法，包括以下步骤：

S1、进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；

S2、进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。

作为本发明的进一步改进，步骤S1包括：将工作目标区域划分为均匀的网格，并且在每个网格中心布置工作点，每个工作点的工作区域近似为一个圆形区域，将覆盖集合中的冗余工作点完全去除。

作为本发明的进一步改进，以离散点为依据来判断冗余工作点，包括以下步骤：

A、将工作点的工作区域内部均匀分布密集点，形成密集点阵；

B、若由点p_i生成密集点阵内所有点至少被其邻居工作点工作空间所覆盖，则工作点为冗余工作点，可以去除；

C、密集点阵生成规则：在圆内以圆心为生成点，在圆内等间隔分布各个点。

作为本发明的进一步改进，步骤S1中空白墙面的最小覆盖集算法为：

输入：矩形目标区域，机器人工作半径r₁，

网格尺寸集合S_g＝{l₁,l₂,...,l_n}；

输出：工作区域的最小覆盖集；

S11、构造目标区域；

S12、以网格尺寸l_i为变量进行目标区域离散化，用圆对工作区域进行完全覆盖，进行网格空间建立；

S13、构造圆形离散点阵；

S14、顺序搜索，对所有工作点进行搜索，判断冗余工作点；

S15、删除冗余工作点；

S16、重复步骤S14至S15直到工作点集无冗余工作点，得到相对于网格尺寸l_i的最小覆盖集S_fi；

S17、重复步骤S12至S16步，得到关于不同网格尺寸的所有最小覆盖集S_f＝{S_f1,S_f2,...S_fn}，从中选出最优覆盖集S_B＝min{S_f}。

作为本发明的进一步改进，步骤S1中具有障碍的墙面区域的最小覆盖集算法为：

定义障碍边界：将目标区域内的门框、窗框标记为障碍边界，作为点阵构造的约束条件，将点阵中不属于目标区域的点去掉，其算法与空白墙面相同。

作为本发明的进一步改进，步骤S2包括以下子步骤：

(1)、将已经得到最小覆盖集S_f进行分类，其分类准则为：以x坐标值为分类标准，将覆盖集分为多个工作区，即其中其中，SBxk为x值均为xk的点的集合；

(2)、简化算法，标记各个工作区，建立新的距离矩阵D＝[d_ij]_w×w，w为工作区的数量，d_ij表示工作区i与j之间的距离，各个工作区的位置用特征点表示：其中为工作区的中点；

(3)、构造端点集合其中为第k个工作区的两个端点；

(4)、通过遗传算法得到关于特征点的最优路径后，将路径转化为包括最小覆盖集中的所有点的路径。

作为本发明的进一步改进，步骤S2包括以下子步骤：

输入：最小覆盖集S_B；

输出：优化路径；

S21、对最小覆盖集进行分类构造特征点集合

S22、构造端点集合

S23、建立距离矩阵D；

S24、建立初始族群；

S25、交叉操作；

S26、变异操作；

S27、得到关于特征点最优路径序列X'；

S28、将属于特征点的各个区域进行连接，从X'中选第一个区域，选取第一个区域中y轴数值最小的点作为路径中的第一点；

S29、按照以下规则将各个区域连接在一起：确定路径中的第一个点后，将端点集合中的所有点相连；将分别属于两个相邻工作区域距离最近的两个端点连接，最终形成一条仅仅包含各工作区域端点的完整路径X”；

S210、将属于各个工作区的所有点加入到路径X”内，并且按照每个工作区域内的线段走向排列每个工作区域内的各个工作点，最终形成具有最小覆盖集S_f中所有点的完整路径X_b，其中

本发明的有益效果是：通过减少工作点的数量来减少机器人的调整时间，提高机器人工作效率。

附图说明

图1是机器人工作区域示意图。

图2是本发明一种用于室内装修机器人的路径规划方法的机器人示意图。

图3是本发明一种用于室内装修机器人的路径规划方法的工作点的工作区域示意图。

图4是本发明一种用于室内装修机器人的路径规划方法的用于复杂区域的最小覆盖区域求解示意图。

图5是本发明一种用于室内装修机器人的路径规划方法的用于复杂区域的基于遗传算法的路径规划图。

具体实施方式

下面结合附图说明及具体实施方式对本发明进一步说明。

如图2至图5，一种用于室内装修机器人的路径规划方法，包括：

(一)最小覆盖点集算法设计

(1)目标区域：装修机器人计划工作的目标墙面区域；

(2)工作半径r：机械臂在墙面上的有效工作半径；

(3)工作点：机器人机械臂基座停留位置，即机器人工作半径中心；

(4)工作点集：在矩形区域工作点所构成的点集合；

(5)邻居工作点集：距离工作点的距离为2r的工作点集合；

(6)覆盖集合：可以将目标区域完全覆盖的工作点集合；

(7)冗余工作点：去除此工作点，并不会影响对整体工作区域的覆盖；

(8)目标区域离散化：将目标区域分割为边长值为一定大小的。

方形网格，在每个网格中心部署工作点以构成具有多个冗余点的覆盖集。离散化的点集建立可以使算法针对不同的网格大小，筛选出最优解。

将工作目标区域划分为均匀的网格，并且在每个网格中心布置工作点，机器人每个工作点的工作区域近似为一个半径r＝0.6m的圆形区域，将覆盖集合中的冗余工作完全去除，并且尽可能的减少工作点的数量即可。为快速的精准的去除冗余工作点，本发明提出以离散点为依据来判断冗余点的方法：

(1)将工作点工作区域内部均匀分布密集点，形成密集点阵，如图3所示。

(2)若由点p_i生成密集点阵内所有点至少被其邻居工作点工作空间所覆盖，则工作点为冗余工作点，可以去除。

(3)密集点阵生成规则：如图3所示，在圆内以圆心为生成点，在圆内等间隔分布各个点。为防止判断过程中忽略边缘点，造成判断错误，本文在圆周上也均布有密集点。当密集点的密度很大的时，可以将误差降低，增加算法的正确性。

算法逻辑如下：

本发明根据空白墙面与具有障碍的墙面区域进行了不同的算法设计。

空白墙面的算法：

输入：矩形目标区域，机器人工作半径r₁，网格尺寸集合

S_g＝{l₁,l₂,...,l_n}；

输出：工作区域最小覆盖集。

1、构造目标区域；

2、以网格尺寸l_i为变量进行目标区域离散化，用r＝0.6m的圆对工作区域进行完全覆盖，进行网格空间建立。

3、构造如图3所示离散点阵；

4、顺序搜索，对所有工作点进行搜索，判断冗余工作点；

5、删除冗余工作点；

6、重复4至5直到工作点集无冗余工作点，得到相对于网格尺寸l_i的最小覆盖集S_fi。

7、重复2至6步，得到关于不同网格尺寸的所有最小覆盖集S_f＝{S_f1,S_f2,...S_fn}，从中选出最优覆盖集S_B＝min{S_f}；

室内装修过程中，目标区域多为具有障碍物的区域，例如带有门窗的墙面。在规划此目标区域时，我们就不得不考虑门窗的存在对算法的影响。为简化算法，本文提出定义：障碍边界：将目标区域内的门框、窗框标记为障碍边界，作为点阵构造的约束条件。算法逻辑如上文一样，只需将点阵中不属于目标区域的点去掉即可。

(二)路径规划算法

最小覆盖点集的路径规划问题可以简化为TSP问题。问题描述：找到一条最短的路径，遍历所有最小覆盖集中S_B所有工作点，或者搜索整数子集的一个排列X＝{v₁,v₂,...,v_n}，使得取最小值，其中d(v_i,v_i+1)为相邻工作点的欧氏距离。

本发明利用带有约束的遗传算法解决路径规划问题，其中算法参数如下所示：

编码：采用遍历最小覆盖集中的各个工作点序列进行编码；

适应度函数f：选用路径长度的倒数，即f＝1/T_d；

交叉方式：PMX部分匹配交叉，交叉概率p_c＝0.1；

变异算子：倒变位移算子，变异概率p_m＝0.2；

初始种群大小：30；

最大代数：500；

本发明提出了以下优化方案：

(1)将已经得到最小覆盖集S_f进行分类，其分类准则为：以x坐标值为分类标准，将覆盖集分为多个工作区，即其中其中，SBxk为x值均为xk的点的集合。此操作可以将工作区域归类，减少机器人的水平方向的移动从而减少调整时间；

(2)简化算法，标记各个工作区，建立新的距离矩阵D＝[d_ij]_w×w，w为工作区的数量，d_ij表示工作区i与j之间的距离，各个工作区的位置用特征点表示：其中为工作区的中点；

(3)构造端点集合其中为第k个工作区的两个端点；

(4)通过遗传算法得到关于特征点的最优路径后，将路径转化为包括最小覆盖集中的所有点的路径。

经过以上的优化以后，算法逻辑描述如下所示：

输入：最小覆盖集S_B；

输出：优化路径；

1.对最小覆盖集进行分类构造特征点集合

2.构造端点集合

3.建立距离矩阵D；

4.建立初始族群；

5.交叉操作；

6.变异操作；

7.得到关于特征点最优路径序列X'；

8.将属于特征点的各个区域进行连接，从X'中选第一个区域，选取第一个区域中y轴数值最小的点作为路径中的第一点；

9.按照以下规则将各个区域连接在一起：确定路径中的第一个点后，将端点集合中的所有点相连。将分别属于两个相邻工作区域距离最近的两个端点连接，最终形成一条仅仅包含各工作区域端点的完整路径X”；

10.将属于各个工作区的所有点加入到路径X”内，并且按照每个工作区域内的线段走向排列每个工作区域内的各个工作点，最终形成具有最小覆盖集S_f中所有点的完整路径X_b，其中

本发明提供的一种用于室内装修机器人(如图2所示)的路径规划方法，提供了基于墙面最小覆盖点的路径规划算法，经过算法优化后的路径，机器人可以减少工作时间，提高工作效率。

本发明提供的一种用于室内装修机器人的路径规划方法具有以下优点：

1、可靠性高，可以得到相对最优解，提高工作效率；

2、可以应用于装修中的工作规划，工作区的规划。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种用于室内装修机器人的路径规划方法，其特征在于，包括以下步骤：

S1、进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；

S2、进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。

2.根据权利要求1所述的用于室内装修机器人的路径规划方法，其特征在于，步骤S1包括：将工作目标区域划分为均匀的网格，并且在每个网格中心布置工作点，每个工作点的工作区域近似为一个圆形区域，将覆盖集合中的冗余工作点完全去除。

3.根据权利要求2所述的用于室内装修机器人的路径规划方法，其特征在于：以离散点为依据来判断冗余工作点，包括以下步骤：

A、将工作点的工作区域内部均匀分布密集点，形成密集点阵；

B、若由点p_i生成密集点阵内所有点至少被其邻居工作点工作空间所覆盖，则工作点为冗余工作点，可以去除；

C、密集点阵生成规则：在圆内以圆心为生成点，在圆内等间隔分布各个点。

4.根据权利要求1所述的用于室内装修机器人的路径规划方法，其特征在于，步骤S1中空白墙面的最小覆盖集算法为：

输入：矩形目标区域，机器人工作半径r₁，

网格尺寸集合S_g＝{l₁,l₂,...,l_n}；

输出：工作区域的最小覆盖集；

S11、构造目标区域；

S12、以网格尺寸l_i为变量进行目标区域离散化，用圆对工作区域进行完全覆盖，进行网格空间建立；

S13、构造圆形离散点阵；

S14、顺序搜索，对所有工作点进行搜索，判断冗余工作点；

S15、删除冗余工作点；

S16、重复步骤S14至S15直到工作点集无冗余工作点，得到相对于网格尺寸l_i的最小覆盖集S_fi；

S17、重复步骤S12至S16步，得到关于不同网格尺寸的所有最小覆盖集S_f＝{S_f1,S_f2,...S_fn}，从中选出最优覆盖集S_B＝min{S_f}。

5.根据权利要求4所述的用于室内装修机器人的路径规划方法，其特征在于：步骤S1中具有障碍的墙面区域的最小覆盖集算法为：

定义障碍边界：将目标区域内的门框、窗框标记为障碍边界，作为点阵构造的约束条件，将点阵中不属于目标区域的点去掉，其算法与空白墙面相同。

6.根据权利要求1所述的用于室内装修机器人的路径规划方法，其特征在于，步骤S2包括以下子步骤：

(1)、将已经得到最小覆盖集S_f进行分类，其分类准则为：以x坐标值为分类标准，将覆盖集分为多个工作区，即其中其中，SBxk为x值均为xk的点的集合；

(2)、简化算法，标记各个工作区，建立新的距离矩阵D＝[d_ij]_w×w，w为工作区的数量，d_ij表示工作区i与j之间的距离，各个工作区的位置用特征点表示：其中为工作区的中点；

(3)、构造端点集合其中为第k个工作区的两个端点；

(4)、通过遗传算法得到关于特征点的最优路径后，将路径转化为包括最小覆盖集中的所有点的路径。

7.根据权利要求1所述的用于室内装修机器人的路径规划方法，其特征在于，步骤S2包括以下子步骤：

输入：最小覆盖集S_B；

输出：优化路径；

S21、对最小覆盖集进行分类构造特征点集合

S22、构造端点集合

S23、建立距离矩阵D；

S24、建立初始族群；

S25、交叉操作；

S26、变异操作；

S27、得到关于特征点最优路径序列X'；

S28、将属于特征点的各个区域进行连接，从X'中选第一个区域，选取第一个区域中y轴数值最小的点作为路径中的第一点；

S29、按照以下规则将各个区域连接在一起：确定路径中的第一个点后，将端点集合中的所有点相连；将分别属于两个相邻工作区域距离最近的两个端点连接，最终形成一条仅仅包含各工作区域端点的完整路径X”；

S210、将属于各个工作区的所有点加入到路径X”内，并且按照每个工作区域内的线段走向排列每个工作区域内的各个工作点，最终形成具有最小覆盖集S_f中所有点的完整路径X_b，其中