CN108255165A - 基于邻域势场的机器人路径规划方法 - Google Patents
基于邻域势场的机器人路径规划方法 Download PDFInfo
- Publication number
- CN108255165A CN108255165A CN201611235940.4A CN201611235940A CN108255165A CN 108255165 A CN108255165 A CN 108255165A CN 201611235940 A CN201611235940 A CN 201611235940A CN 108255165 A CN108255165 A CN 108255165A
- Authority
- CN
- China
- Prior art keywords
- robot
- potential field
- neighborhood
- circle
- stress
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005381 potential energy Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 230000004888 barrier function Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明提出一种基于邻域势场的机器人路径规划方法，主要步骤包括：S1，建立算法相应的势场模型；S2，根据势场模型及所处位置的邻域势场计算机器人受力；S3，根据计算结果驱动机器人运动；S4，判断机器人是否到达目的地；S5，根据机器人当前位置及邻域势场重新计算机器人受力。本发明方案当机器人受力合力为0时，以机器人为圆心，步长为半径的圆即为机器人下一路径点范围，通过在每一个圆上取均匀的二十个点，分别计算这二十个点的势能值，比较之后得到最小值点即为机器人下一路径点，促使机器人绕过障碍物，到达目标位置。
Description
技术领域
本发明涉及机器人导航领域，具体涉及一种基于邻域势场的机器人路径规划方法。
背景技术
在过去的几十年里，机器人技术得到了迅速的发展，不仅提高了生产效率，还能够代替人类完成危险性大、重复率高的工作和任务，在工业生产领域中取得了越来越辉煌的成果。然而，随着电子信息、人工智能等相关技术的飞速发展，机器人技术逐渐向其它领域渗透，这就促使人们对机器人的要求也随之提升。
路径规划技术是服务机器人中的关键技术之一，服务机器人进行路径规划的目的就是为了在对机器人进行了定位的基础上，通过相应的算法，并遵照一定的准则引导机器人避开行驶路径中可能遇到的障碍物，顺利到达目标点位置，最终完成指定任务。路径规划是服务机器人自主导航的重要环节，研究高效率，适应性强，安全性高的路径规划算法是确保机器人完成安全高效导航任务的关键。
常用的方法是人工势场法，即通过在机器人运行空间中创建一种虚拟势场，通过机器人在势场中所产生的势能求负梯度得到的力驱使机器人运动。该方法的具体实现过程为，在机器人的工作空间中创建一个虚拟势场，则机器人在该势场中的势能由引力势能和斥力势能两部分组成，其中引力势能由目标提供，斥力势能由障碍物提供。之后分别对两部分势能求负梯度得到引力与斥力，引力指向目标方向，斥力指向远离障碍物方向。最终机器人所受到的抽象力为这两部分力的矢量和，机器人将沿着合力方向运动，在斥力作用下绕开障碍物，在引力作用下向目标点运动。参见图1，在势场中机器人的受力分析。
人工势场法存在不足，当机器人与目标之间出现一个或多个障碍物时，有可能使得机器人所受到斥力与引力在某一点合力为0，从而机器人在该点停止运行，无法进行下一步路径规划，这种情况称之为陷入局部极小值点。
发明内容
本发明目的在于克服现有技术的不足，尤其解决现有基于人工势场法的机器人路径规划方法中，当机器人与目标之间出现一个或多个障碍物时，有可能使得机器人所受到斥力与引力在某一点合力为0，从而机器人在该点停止运行，无法进行下一步路径规划，陷入局部极小值点的问题。
为解决上述技术问题，本发明提出一种基于邻域势场的机器人路径规划方法，主要步骤包括：
S1，建立算法相应的势场模型；
S2，根据势场模型及所处位置的邻域势场计算机器人受力；
S3，根据计算结果驱动机器人运动；
S4，判断机器人是否到达目的地，如没有到达则进入步骤S5，否则结束；
S5，根据机器人当前位置及邻域势场重新计算机器人受力，返回步骤S3。
本发明与现有技术相比具有以下的有益效果：
本发明方案使用机器人所处位置的邻域势场辅助计算机器人受力，确保当机器人受力势场的作用力为0时，采取当前邻域势场和的最小值作为机器人下一步的运动方向，引导机器人绕过障碍物，继续向目标点前进，避免陷入局部最小值情况。
附图说明
图1为基于人工势场的机器人路径规划方法的示意图。
图2为本发明实施例的基于邻域势场的机器人路径规划方法流程图。
图3为本发明实施例中机器人邻域势场示意图。
图4为基于人工势场的机器人路径规划方法的一个实施例的求解结果。
图5为本发明基于邻域势场的机器人路径规划方法的一个实施例的求解结果。
具体实施方式
下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。
参见图2，本发明实施例的一种基于邻域势场的机器人路径规划方法，其主要步骤包括：
S1，建立算法相应的势场模型；机器人的二维工作空间为W＝[x,y]T，障碍物与目标物对机器人所产生的势能U(W)为：
U(W)＝Ua(W)+Uo(W) (1)
其中，Ua(W)表示引力势能，Uo(W)表示斥力势能。
目标物体对机器人的引力势能函数为：
其中α为引力增益系数，ρa为机器人与目标之间的相对距离。障碍物的斥力势能函数为：
其中β为斥力增益系数，ρ0是障碍物的影响距离(通常由实际情况确定)，ρ为机器人与每个障碍物之间的最短距离，ρa＝||W-Wa||表示机器人与目标物之间的距离。
S2，根据已经建立的势场模型以及所处位置的邻域势场计算机器人的受力；
势场中机器人的合力F表示为：
F＝Fa+Fo (4)
其中，引力Fa＝-grad[Ua(W)]，斥力Fo＝-grad[Uo(W)]，grad表示求梯度。相应的引力Fa＝-αρa，斥力表达式Fo为：
当机器人与目标之间出现一个或多个障碍物时，有可能势场中机器人的合力F为0，此时参见图3，以机器人所在位置黑点为圆心，步长为半径的圆即为机器人下一路径点范围。通过在每一个圆上取均匀的二十个点，分别计算这二十个点的势能值，比较之后得到最小值点即为机器人下一路径点。
S3，根据计算结果驱动机器人运动；使用全向轮同步控制移动机器人的运动。三个全向轮的速度与移动机器人在世界坐标系下的运动速度的对应公式为：
其中，v1、v2、v3分别为三个全向轮的线速度；vX、vY分别为移动机器人在XOY坐标系下运动时X轴与Y轴上的速度分量；ω是移动机器人底盘自传时的角速度；θ为移动机器人坐标系与世界XOY坐标系之间的夹角；为两个全向轮之间的夹角。
控制过程中，首先计算出移动机器人坐标系与世界XOY坐标系之间的夹角θ，同时定义移动机器人行驶的速度并将其在世界坐标系下的X轴与Y轴进行分解；然后通过公式(6)计算得到三个全向轮的线速度v1、v2、v3；将三个全向轮各自的给定线速度发送到底层运动控制模块中实现对底盘运动的控制。
S4，判断机器人是否到达目的地，如没有到达则进入步骤S5，否则结束；根据当前机器人位置和预设的目的地进行比较，如果机器人到达目的地，则停止导航；否则进入步骤S5。
S5，根据机器人当前位置及邻域势场重新计算机器人受力，返回步骤S3。根据机器人当前的位置，重新根据公式(4)和公式(5)以及邻域势场计算机器人受力并驱动机器人往目标物体运动。
本发明的另一实施例，其中，设定引力场和斥力场的增益系数α和β均为10，障碍物影响距离ρ0为1.5，极限步数s为500(防止程序无限循环)以及移动步长R为0.05，同时确定机器人起始位置(x0,y0)为(0,0)。参见图4和图5，在机器人运动空间中设置了三个障碍物，其中一个障碍物设置在机器人运行路径正前方。图中方块为机器人初始位置，圆圈为障碍物位置，倒三角为目标点位置，空间中的曲线即为路径规划运行完之后所得机器人在运动空间中运行轨迹。
参见图4，图4为传统人工势场路径规划方法的求解结果，从图中可以看出，机器人遇到障碍物时，此时受到的合力为0，机器人停止运动，无法到达目标点；参见图5，图5是本实施例的求解结果，从图中可以看出，本发明实施例的机器人在邻域势场引导下，顺利避开障碍物，可以到达目标点。
Claims (2)
1.一种基于邻域势场的机器人路径规划方法，其特征在于，主要步骤包括：
S1，建立算法相应的势场模型；
S2，根据势场模型及所处位置的邻域势场计算机器人受力；
S3，根据计算结果驱动机器人运动；
S4，判断机器人是否到达目的地，如没有到达则进入步骤S5，否则结束；
S5，根据机器人当前位置及邻域势场重新计算机器人受力，返回步骤S3。
2.根据权利要求1所述的一种基于邻域势场的机器人路径规划方法，其特征在于，所述步骤S2中，当机器人受力合力为0时，以机器人为圆心，步长为半径的圆即为机器人下一路径点范围，通过在每一个圆上取均匀的二十个点，分别计算这二十个点的势能值，比较之后得到最小值点即为机器人下一路径点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611235940.4A CN108255165A (zh) | 2016-12-29 | 2016-12-29 | 基于邻域势场的机器人路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611235940.4A CN108255165A (zh) | 2016-12-29 | 2016-12-29 | 基于邻域势场的机器人路径规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108255165A true CN108255165A (zh) | 2018-07-06 |
Family
ID=62720199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611235940.4A Pending CN108255165A (zh) | 2016-12-29 | 2016-12-29 | 基于邻域势场的机器人路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108255165A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108827312A (zh) * | 2018-08-08 | 2018-11-16 | 清华大学 | 一种基于神经网络和人工势场的协同博弈路径规划方法 |
| CN110356405A (zh) * | 2019-07-23 | 2019-10-22 | 桂林电子科技大学 | 车辆辅助行驶方法、装置、计算机设备及可读存储介质 |
| CN112344943A (zh) * | 2020-11-20 | 2021-02-09 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
-
2016
- 2016-12-29 CN CN201611235940.4A patent/CN108255165A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108827312A (zh) * | 2018-08-08 | 2018-11-16 | 清华大学 | 一种基于神经网络和人工势场的协同博弈路径规划方法 |
| CN110356405A (zh) * | 2019-07-23 | 2019-10-22 | 桂林电子科技大学 | 车辆辅助行驶方法、装置、计算机设备及可读存储介质 |
| CN112344943A (zh) * | 2020-11-20 | 2021-02-09 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
| CN112344943B (zh) * | 2020-11-20 | 2022-09-06 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103335658B (zh) | 一种基于弧线路径生成的自主车辆避障方法 | |
| CN102520718B (zh) | 一种基于物理建模的机器人避障路径规划方法 | |
| CN108073176A (zh) | 一种改进型D*Lite车辆动态路径规划方法 | |
| CN106843235A (zh) | 一种面向无人自行车的人工势场路径规划法 | |
| CN108897321B (zh) | 基于领航跟随法的机器人队形可变编队控制方法与控制器 | |
| 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 | |
| CN108255165A (zh) | 基于邻域势场的机器人路径规划方法 | |
| CN103324196A (zh) | 基于模糊逻辑的多机器人路径规划与协调避碰方法 | |
| CN102759357A (zh) | 通信延迟下多无人机协同实时航路规划方法 | |
| Zhuge et al. | A novel dynamic obstacle avoidance algorithm based on collision time histogram | |
| CN106020197A (zh) | 一种基于势能场的机器人路径跟踪算法 | |
| Yang et al. | Smooth trajectory planning along Bezier curve for mobile robots with velocity constraints | |
| CN113242998A (zh) | 路径决定方法 | |
| CN109579835A (zh) | 一种基于惯导与差分技术的agv定位导航系统及方法 | |
| CN106155063A (zh) | 一种基于斥力势场的多机器人调度方法 | |
| CN108255166A (zh) | 一种动态势场的路径规划方法 | |
| CN103697891B (zh) | 一种工程机械及其入场路径规划装置、系统及方法 | |
| CN107992039B (zh) | 一种动态环境下的基于流场的轨迹规划方法 | |
| CN108255164A (zh) | 基于航向角势场的机器人路径规划方法 | |
| CN109556623A (zh) | 融合触须算法与切线图法的迭代式路径规划算法 | |
| CN106909160A (zh) | 一种基于双闭环pid控制的sd型agv倒车姿态角控制装置及方法 | |
| Tubaileh | Layout of flexible manufacturing systems based on kinematic constraints of the autonomous material handling system | |
| JP2021060324A (ja) | 経路設定装置、経路設定方法及び経路設定プログラム | |
| JP2018013860A (ja) | 自律移動体制御装置 | |
| Zhu et al. | Research on intelligent vehicle autonomous overtaking based on single neuron PID control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180706 |