CN108469264B - 一种基于角度分析的自动吸尘机器人最优路径规划方法 - Google Patents

Abstract

公开一种基于角度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，以及安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：(1)设置数据链表L₀；(2)所述的自动吸尘机器人检测到障碍物时，记录当前位置坐标，存入数据链表L₀；(3)求取数据链表L₀的中心点O，以及中心点O到数据链表L0中的点P_i的方向角α，并存入数据链表L₁；(4)将数据链表L₁按照从小到大的顺序进行重新排列；(5)计算数据链表L₁中的相邻元素之间的夹角β_j=α_j+1‑α_j，并提取最大值，记为β_m，因此新的清扫方向为θ=(α_m+1+α_m)/2。

Description

一种基于角度分析的自动吸尘机器人最优路径规划方法

技术领域

本发明涉及一种基于角度分析的自动吸尘机器人最优路径规划方法，属于智能家用电器控制技术领域。

背景技术

随着人们生活节奏的加快，以及要求生活内容越来越丰富，促使智能家电走进了我们的生活。其中，自动吸尘机器人给了我们很大的帮助。家庭的清洁工作非常繁重，并且非常频繁。自动吸尘机器人可以对家庭地板自动进行清扫。它利用自身携带的可充电电池给各种电器供电，其中吸尘电机在自动吸尘机器人内部形成足够的真空，通过条形吸口将地面的垃圾吸入内部的灰尘盒，而驱动电机和驱动轮可以实现自动吸尘机器人的自由行走。自动吸尘机器人通过自身的行走过程就实现了对地面的清洁。

因为目前自动吸尘机器人还不具备非常精确的定位和规划能力，因此其清扫路径的效率就成为非常亟待解决的课题。目前常用的策略是随机的路径，自动吸尘机器人在地面随机行走，放弃任何规划方法，这种策略导致很低的清扫效率。为了进行速度控制，自动吸尘机器人在驱动电机上都带有编码器，可以计算相对移动距离和旋转角度，从而实现位置计算，虽然存在计算误差，机械间隙和打滑等因素导致累计误差，但是在有限的时间范围内，其定位数据还有具有一定的利用价值。那么从近期自动吸尘机器人记录的位置数据上，是可以分析出清扫路径的情况，从而为接下来的最优清扫路径规划提供依据。

发明内容

本发明的目的是为了克服现有技术中的不足之处，采用对历史位置数据的分析，获取最可能没有进行清扫的方向，从而获得最优的清扫路径，同时不增加任何硬件成本。

本发明解决其技术问题所采用的技术方案是：

一种基于角度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，还包括一个支撑轮，以及安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器通过分别设置两个所述的驱动轮的速度和方向来实现所述的自动吸尘机器人的自由运动，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y），所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：

(1)、设置数据链表L₀={P_i(x_i,y_i)}，其中，i=0，1，2......N-1，x_i和y_i为坐标值，N为数据链表L₀的长度，数据链表L₀为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；

(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L₀，然后进入步骤(3)；

(3)、求取数据链表L₀的中心点O(x_o，y_o)，计算中心点O到数据链表L₀中的点P_i(x_i,y_i)的方向角α，并存入数据链表L₁{α_j}，其中，j=0，1，2......N-1；

(4)、采用冒泡法将数据链表L₁{α_j}按照从小到大的顺序进行重新排列，即α_j<α_j+1；

(5)、计算数据链表L₁中的相邻元素之间的夹角β_j=α_j+1-α_j，而β_N-1=2π-(α_N-1-α₀)，并比较大小，提取最大值，记为β_m，对应数据链表L₁{α_j}的方向角为α_m+1和α_m,因此新的清扫方向为θ=(α_m+1+α_m)/2；如果m=N-1，则新的清扫方向为θ=α_N-1+β_N-1/2。

在步骤(2)中，当前位置的坐标（x，y）存入数据链表L₀，按照如下步骤：

令P_i(x_i,y_i)=P_i-1(x_i-1,y_i-1) ，i=1,2,3.....N-1;

然后P₀(x₀,y₀)=(x，y)，完成链表操作。

在步骤(3)中，数据链表L₀的中心点O(x_o，y_o)的坐标计算方法为：

搜索数据链表L₀中坐标数据的最大最小值：x_max，x_min，y_max，y_min；

计算x_o=

，y_o=

。

在步骤(3)中，计算中心点O到数据链表L₀中点P_i(x_i,y_i)的方向角α的方法为：

当(x_i-x_o)>0并且(y_i-y_o)>0，则α=

；

当(x_i-x_o)<0并且(y_i-y_o)>0，则α=π-

;

当(x_i-x_o)<0并且(y_i-y_o)<0，则α=π+

；

当(x_i-x_o)>0并且(y_i-y_o)<0，则α=2π-

。

实施本发明的积极效果是：1、选择最优的清扫路径，提高清扫效率；2、工作方式可靠，易于实现，不增加系统成本。

附图说明

图1是自动吸尘机器人的结构示意图；

图2是最优路径规划方法。

具体实施方式

现结合附图对本发明作进一步说明：

参照图1，一种自动吸尘机器人的随机路径规划方法，所述的自动吸尘机器人包括两个驱动轮1、与所述驱动轮1连接的两个驱动电机2，所述的驱动电机2上安装编码器，还包括一个支撑轮3，所述的支撑轮3起到支撑的作用，不用于驱动。其中，所述驱动电机2和编码器与控制器连接。所述的控制器通过分别设置两个所述的驱动轮1的速度和方向来实现所述自动吸尘机器人的自由运动，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y）。由于机械间隙，计算误差以及地面打滑等因素，坐标（x，y）会存在累计误差，也就是说，随着时间的推移，误差会越来越大，但是在一段时间之内，坐标（x，y）还是具有利用价值。

还包括安装在所述的自动吸尘机器人前部的障碍物检测装置，同样与所述控制器连接。所述的障碍物检测装置可以采用超声波、红外或者是激光雷达等传感器或者两种或者多种传感器的集合。

所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：

(1)、设置数据链表L₀={P_i(x_i,y_i)}，其中，i=0，1，2......N-1，x_i和y_i为坐标值，N为数据链表L₀的长度，数据链表L₀为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；

数据链表L₀的长度N不宜过大，否则误差太大导致规划效果变差。

(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L₀，然后进入步骤(3)；

在步骤(2)中，当前位置的坐标（x，y）存入数据链表L₀，按照如下步骤：

令P_i(x_i,y_i)=P_i-1(x_i-1,y_i-1) ，i=1,2,3.....N-1;

然后P₀(x₀,y₀)=(x，y)，完成链表操作。

(3)、求取数据链表L₀的中心点O(x_o，y_o)，计算中心点O到数据链表L₀中的点P_i(x_i,y_i)的方向角α，并存入数据链表L₁{α_j}，其中，j=0，1，2......N-1；

在步骤(3)中，数据链表L₀的中心点O(x_o，y_o)的坐标计算方法为：

搜索数据链表L₀中坐标数据的最大最小值：x_max，x_min，y_max，y_min；

计算x_o=

，y_o=

。

在步骤(3)中，计算中心点O到数据链表L₀中点P_i(x_i,y_i)的方向角α的方法为：

当(x_i-x_o)>0并且(y_i-y_o)>0，则α=

；

当(x_i-x_o)<0并且(y_i-y_o)>0，则α=π-

;

当(x_i-x_o)<0并且(y_i-y_o)<0，则α=π+

；

当(x_i-x_o)>0并且(y_i-y_o)<0，则α=2π-

。

根据四个象限的情况进行，分别计算。

(4)、采用冒泡法将数据链表L₁{α_j}按照从小到大的顺序进行重新排列，即α_j<α_j+1；

具体步骤为：

如果α_j>α_j+1，则令temp=α_j，α_j=α_j+1，α_j+1=temp，其中temp为暂存变量，否则无操作；从j=0到j=N-2循环执行比较和互换操作;

重复上述过程N-1次，完成排序过程。

(5)、计算数据链表L₁中的相邻元素之间的夹角β_j=α_j+1-α_j，而β_N-1=2π-(α_N-1-α₀)，并比较大小，提取最大值，记为β_m，对应数据链表L₁{α_j}的方向角为α_m+1和α_m,因此新的清扫方向为θ=(α_m+1+α_m)/2；如果m=N-1，则新的清扫方向为θ=α_N-1+β_N-1/2。

如图2所示，选择夹角最大的方向，并取中心线作为新的清扫方向。

综上所述，自动吸尘机器人通过对历史数据的分析，选择最可能未清扫区域作为接一步的清扫方向，从而增加进入未清扫区域的概率，减少路径重复，从而有效提高清扫效率。同时，该方案同样适合于自动吸尘机器人寻找充电座的路径规划。

Claims (3)

1.一种基于角度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，还包括一个支撑轮，以及安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器通过分别设置两个所述的驱动轮的速度和方向来实现所述的自动吸尘机器人的自由运动，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y），其特征在于：所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：

(1)、设置数据链表L₀={P_i(x_i,y_i)}，其中，i=0，1，2......N-1，x_i和y_i为坐标值，N为数据链表L₀的长度，数据链表L₀为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；

(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L₀，然后进入步骤(3)；

(3)、求取数据链表L₀的中心点O(x_o，y_o)：搜索数据链表L₀中坐标数据的最大最小值：x_max，x_min，y_max，y_min，然后计算x_o=

，y_o=

；计算中心点O到数据链表L₀中的点P_i(x_i,y_i)的方向角α，并存入数据链表L₁{α_j}，其中，j=0，1，2......N-1；

(4)、采用冒泡法将数据链表L₁{α_j}按照从小到大的顺序进行重新排列，即α_j<α_j+1；

(5)、计算数据链表L₁中的相邻元素之间的夹角β_j=α_j+1-α_j，而β_N-1=2π-(α_N-1-α₀)，并比较大小，提取最大值，记为β_m，对应数据链表L₁{α_j}的方向角为α_m+1和α_m,因此新的清扫方向为θ=(α_m+1+α_m)/2；如果m=N-1，则新的清扫方向为θ=α_N-1+β_N-1/2。

2.根据权利要求1所述的一种基于角度分析的自动吸尘机器人最优路径规划方法，其特征在于：在步骤(2)中，当前位置的坐标（x，y）存入数据链表L₀，按照如下步骤：

令P_i(x_i,y_i)=P_i-1(x_i-1,y_i-1) ，i=1,2,3.....N-1;

然后P₀(x₀,y₀)=(x，y)，完成链表操作。

3.根据权利要求1所述的一种基于角度分析的自动吸尘机器人最优路径规划方法，其特征在于：在步骤(3)中，计算中心点O到数据链表L₀中点P_i(x_i,y_i)的方向角α的方法为：

当(x_i-x_o)>0并且(y_i-y_o)>0，则α=

；

当(x_i-x_o)<0并且(y_i-y_o)>0，则α=π-

;

当(x_i-x_o)<0并且(y_i-y_o)<0，则α=π+

；

当(x_i-x_o)>0并且(y_i-y_o)<0，则α=2π-

。

Images