CN108731678A - 机器人全局路径规划方法 - Google Patents
机器人全局路径规划方法 Download PDFInfo
- Publication number
- CN108731678A CN108731678A CN201710253824.3A CN201710253824A CN108731678A CN 108731678 A CN108731678 A CN 108731678A CN 201710253824 A CN201710253824 A CN 201710253824A CN 108731678 A CN108731678 A CN 108731678A
- Authority
- CN
- China
- Prior art keywords
- grid
- node
- path planning
- planning method
- robot
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人全局路径规划方法,该方法包括环境建模、路径规划,该方法通过二维空间进行环境建模,且通过基于切比雪夫距离的算法实现路径规划。本发明通过二维建模和相关算法,能够有效且准确地规划机器人的路径,运算量小,运算速度快,能够满足机器人实时进行路径规划的需要。
Description
技术领域
本发明属于机器人的技术领域,特别涉及机器人移动的路径规划方法。
背景技术
机器人是自动执行工作的机器装置。它既可以接受人类指挥,又可以运行预先编排的程序,也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类工作的工作,例如生产业、建筑业,或是危险的工作。随时技术水平的提高,机器人的智能化越来越高,已经逐步进入到人们的日常工作和生活领域。
全路径规划是指机器人在具有障碍物的环境内,按照一种或多种性能指标,寻找一条从起始点到目标点的最优无碰撞路径。针对目前已有的路径规划算法,根据机器人所处的具体环境选择合适的算法,使得机器人在环境中能够稳定运行变得至关重要。针对已知地图的全局路径规划,其基本问题是环境建模和搜索运动路径。
对于机器人来说,一个重要的任务是模拟人的行走,以实现动态地为人们提供各种服务。传统的方式是通过传感器感知环境及物体,从而计算出移动路线。但是仅靠传感器探测与实时规划路线,机器人可能达到不了终点,因此,人们提出了全局路径规划的概念,全局路径规划首先要建立环境模型,然后搜索路径、规划路线。全局路径规划方法有可视图法、自由空间法、环境地图法和栅格法,其中,环境建模是对机器人实际的工作环境进行抽象转换成算法可以识别的空间。根据构型空间理论,取机器人能自由活动并考虑安全阈值后的最小矩形空间作为栅格单元,将机器人的工作空间划分为栅格。这样可以根据机器人及实验场地大小选择合适的栅格尺寸,既保证了栅格数目不会过量,又提高了精度。目前栅格法以基于势场的栅格法为主,然而上述栅格法需要进行三维运算,运算数据量很大,效率低,且具有一定的误差,难以满足机器人路径实时规划的需要。
发明内容
针对上述问题,本发明的目的在于提供一种机器人全局路径规划方法,该方法能够有效且准确地规划机器人的路径,运算量小,运算速度快,能够满足机器人实时进行路径规划的需要。
为实现上述目的,本发明的技术方案为:
一种机器人全局路径规划方法,该方法包括环境建模、路径规划,其特征在于该方法通过二维空间进行环境建模,且通过基于切比雪夫距离的算法实现路径规划。
进一步,所述二维空间是将机器人的工作空间取为二维空间,无障碍物的栅格称为自由栅格,含有障碍物的栅格成为障碍栅格,为保证安全性,不满一个栅格的均按一个栅格处理;对于二维空间中划分的栅格采用直角坐标系法来进行标识,通过这种方式进行环境建模。
更进一步,所示环境模型建立后,对栅格环境模型进行信息编码:障碍栅格信息记为1;自由栅格信息记为0,然后用整型二维数组来存储环境模型信息,形成信息模型。
进一步,通过算法对环境中的节点进行搜索,使得从初始节点到目标节点的估价函数最小或接近最小。
更进一步,所述估价函数定义如下:
f(n)=g(n)+h(n)
其中f(n)是初始节点经过节点n到达目标节点的估价函数,g(n)是初始节点到节点n的实际代价,h(n)是节点n到目标节点最理想路径的估计代价。
进一步,所述算法中涉及两个队列:OPEN队列和CLOSED队列,OPEN队列保存了所有没有访问的节点,该队列中估价值最小的节点将被父节点优先访问,CLOSED队列中保存了已经访问过的节点,选取最后访问的节点向周围节点试探,将可以移动且估价值最小的节点放入CLOSED队列。
更进一步,所述具体规划流程如下:
1)把起始栅格添加到OPEN列表中;
2)计算路径;具体包括如下步骤:
a)寻找开启列表中f值最低的栅格,将它作为当前栅格;
b)把它切换到CLOSED列表;
c)对相邻的8个栅格均做如下处理:
如果它在CLOSED列表中或存在障碍,忽略它;否则执行如下操作:
如果它在OPEN列表中,对新的路径求取g值;如果g值变小,则把该栅格的父节点改成当前栅格,并且重新计算该栅格的g和f值;
如果它不在OPEN列表中,把它添加进去。把当前栅格作为这一栅格的父节点。记录这一栅格的f,g和h值。
d)退出,当:
把目标栅格添加进了CLOSED列表,此时路径规划完成;
CLOSED列表中没有目标栅格,OPEN列表变空,此时规划路径不存在。
3)保存路径。从目标栅格开始,沿着每一栅格的父节点移动直到回到起始栅格。
由此得到所搜索到的路径。
更进一步,采用切比雪夫距离将二个点之间的距离定义为其各坐标数值差的绝对值的最大值,其切比雪夫距离为
Max(|x2-x1|,|y2-y1|)
采用此距离求取h(n),公式为:
h(n)=A×Max(dx,dy)
其中,dx,dy分别是当前节点n与目标点的x,y方向的坐标差的绝对值,系数A默认取1(可以调整)。采用此距离求取h(n)可以保证满足h(n)≤h*(n),进而保证求得路径的最优性,而且求取较为简单,只需比较两坐标差值绝对值的大小,大大减小了运算量,提高了运算效率。
本发明所实现的机器人全局路径规划方法,通过二维建模和相关算法,能够有效且准确地规划机器人的路径,运算量小,运算速度快,能够满足机器人实时进行路径规划的需要。
附图说明
图1为本发明所实施的环境模型图。
图2为本发明所实施的关键点检测流程图。
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。
本发明所实现的机器人全局路径规划方法,该方法包括环境建模、路径规划,该方法通过二维空间进行环境建模,且通过基于切比雪夫距离的算法实现路径规划。
具体地说,机器人的工作空间取为二维空间,无障碍物的栅格称为自由栅格,含有障碍物的栅格成为障碍栅格,为保证安全性,不满一个栅格的均按一个栅格处理。栅格划分后的环境模型如图1所示,绿色栅格表示自由栅格,红色栅格表示障碍栅格。
对于二维空间中划分的栅格采用直角坐标系法来进行标识,如图1中标注的直角坐标系。栅格对应坐标单位长度,于是任意栅格与直角坐标(X,Y)一一对应。环境模型建立后,对栅格环境模型进行信息编码:障碍栅格信息记为1;自由栅格信息记为0。然后用整型二维数组来存储环境模型信息,形成信息模型。这样便可以得到一幅完整的电子地图。
针对该环境模型,进行距离的计算和路径规划。算法的具体流程见图2所示。
通过算法对环境中的节点进行搜索,使得从初始节点到目标节点的估价函数最小或接近最小。估价函数f(n)有多种形式。通常估计某个节点的价值,需要考虑已付出的代价和将要付出的代价。因此,针对环境中的节点n,估价函数定义如下:
f(n)=g(n)+h(n)
其中f(n)是初始节点经过节点n到达目标节点的估价函数,g(n)是初始节点到节点n的实际代价,h(n)是节点n到目标节点最理想路径的估计代价。估价函数的选取对于规划出的路径的优劣有着至关重要的影响。上述算法中涉及两个队列:OPEN队列和CLOSED队列。OPEN队列保存了所有没有访问的节点,该队列中估价值最小的节点将被父节点优先访问。CLOSED队列中保存了已经访问过的节点,选取最后访问的节点向周围节点试探,将可以移动且估价值最小的节点放入CLOSED队列。具体路径规划流程如下:
1)把起始栅格添加到OPEN列表中。
2)计算路径重复如下的工作:
a)寻找开启列表中f值最低的栅格,将它作为当前栅格。
b)把当前栅格切换到CLOSED列表。
c)对相邻的8个栅格均做如下处理:
如果它在CLOSED列表中或存在障碍,忽略它。否则如下:
如果它在OPEN列表中,对新的路径求取g值。如果g值变小,则把该栅格的父节点改成当前栅格,并且重新计算该栅格的g和f值。
如果它不在OPEN列表中,把它添加进去。把当前栅格作为这一栅格的父节点。记录这一栅格的f,g和h值。
d)退出,当:
把目标栅格添加进了CLOSED列表,此时路径规划完成。
CLOSED列表中没有目标栅格,OPEN列表变空,此时规划路径不存在。
3)保存路径。从目标栅格开始,沿着每一栅格的父节点移动直到回到起始栅格,由此得到所搜索到的路径。
算法规划出的路径优劣主要受估价函数的影响,为了方便各估价函数性能比较,设定栅格评定长度为10个单位,水平或者垂直移动一个栅格长度为10,沿对角线移动一个栅格长度为14,近似满足实际比例要求。
数学上,切比雪夫距离(Chebyshev Distance)或是L∞度量是向量空间中的一种度量,二个点之间的距离定义为其各坐标数值差的绝对值的最大值。以(x1,y1)和(x2,y2)二点为例,其切比雪夫距离为
Max(|x2-x1|,|y2-y1|)
采用此距离求取h(n),公式为:
h(n)=A×Max(dx,dy)
其中,dx,dy分别是当前节点n与目标点的x,y方向的坐标差的绝对值。系数A默认取1(可以调整)。采用此距离求取h(n)可以保证满足h(n)≤h*(n),进而保证求得路径的最优性,而且求取较为简单,只需比较两坐标差值绝对值的大小,大大减小了运算量,提高了运算效率。
由此,本发明所实现的方法,通过二维建模和相关算法,能够有效且准确地规划机器人的路径,运算量小,运算速度快,能够满足机器人实时进行路径规划的需要。
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 (9)
1.一种机器人全局路径规划方法,该方法包括环境建模、路径规划,其特征在于该方法通过二维空间进行环境建模,且通过基于切比雪夫距离的算法实现路径规划。
2.如权利要求1所述的机器人全局路径规划方法,其特征在于所述二维空间是将机器人的工作空间取为二维空间,无障碍物的栅格称为自由栅格,含有障碍物的栅格成为障碍栅格,为保证安全性,不满一个栅格的均按一个栅格处理;对于二维空间中划分的栅格采用直角坐标系法来进行标识,通过这种方式进行环境建模。
3.如权利要求2所述的机器人全局路径规划方法,其特征在于所示环境模型建立后,对栅格环境模型进行信息编码:障碍栅格信息记为1;自由栅格信息记为0,然后用整型二维数组来存储环境模型信息,形成信息模型。
4.如权利要求1所述的机器人全局路径规划方法,其特征在于通过算法对环境中的节点进行搜索,使得从初始节点到目标节点的估价函数最小或接近最小。
5.如权利要求4所述的机器人全局路径规划方法,其特征在于所述估价函数定义如下:
f(n)=g(n)+h(n)
其中f(n)是初始节点经过节点n到达目标节点的估价函数,g(n)是初始节点到节点n的实际代价,h(n)是节点n到目标节点最理想路径的估计代价。
6.如权利要求5所述的机器人全局路径规划方法,其特征在于所述算法中涉及两个队列:OPEN队列和CLOSED队列,OPEN队列保存了所有没有访问的节点,该队列中估价值最小的节点将被父节点优先访问,CLOSED队列中保存了已经访问过的节点,选取最后访问的节点向周围节点试探,将可以移动且估价值最小的节点放入CLOSED队列。
7.如权利要求1所述的机器人全局路径规划方法,其特征在于所述路径具体规划流程如下:
1)把起始栅格添加到OPEN列表中;
2)计算路径;
3)保存路径,从目标栅格开始,沿着每一栅格的父节点移动直到回到起始栅格,由此得到所搜索到的路径。
8.如权利要求7所述的机器人全局路径规划方法,其特征在于步骤2)中,具体包括如下步骤:
a)寻找开启列表中f值最低的栅格,将它作为当前栅格;
b)把它切换到CLOSED列表;
c)对相邻的8个栅格均做如下处理:
如果它在CLOSED列表中或存在障碍,忽略它;否则执行如下操作:
如果它在OPEN列表中,对新的路径求取g值;如果g值变小,则把该栅格的父节点改成当前栅格,并且重新计算该栅格的g和f值;
如果它不在OPEN列表中,把它添加进去。把当前栅格作为这一栅格的父节点。记录这一栅格的f,g和h值。
d)退出,当:
把目标栅格添加进了CLOSED列表,此时路径规划完成。
9.如权利要求8所述的机器人全局路径规划方法,其特征在于,采用切比雪夫距离将二个点之间的距离定义为其各坐标数值差的绝对值的最大值,其切比雪夫距离为
Max(|x2-x1|,|y2-y1|)
采用此距离求取h(n),公式为:
h(n)=A×Max(dx,dy)
其中,dx,dy分别是当前节点n与目标点的x,y方向的坐标差的绝对值,系数A默认取1(可以调整)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710253824.3A CN108731678A (zh) | 2017-04-18 | 2017-04-18 | 机器人全局路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710253824.3A CN108731678A (zh) | 2017-04-18 | 2017-04-18 | 机器人全局路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108731678A true CN108731678A (zh) | 2018-11-02 |
Family
ID=63925170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710253824.3A Pending CN108731678A (zh) | 2017-04-18 | 2017-04-18 | 机器人全局路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108731678A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110645991A (zh) * | 2019-10-30 | 2020-01-03 | 深圳市银星智能科技股份有限公司 | 一种基于节点调节的路径规划方法、装置及服务器 |
CN112197778A (zh) * | 2020-09-08 | 2021-01-08 | 南京理工大学 | 基于改进a*算法的轮式机场巡界机器人路径规划方法 |
CN112741688A (zh) * | 2020-12-11 | 2021-05-04 | 北京信息科技大学 | 一种用于微创手术软体操作器的路径规划方法 |
CN115164914A (zh) * | 2022-07-11 | 2022-10-11 | 北京中航世科电子技术有限公司 | 一种单兵作战用导航方法、系统、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226581A (zh) * | 2013-04-02 | 2013-07-31 | 浙江大学 | 一种基于方向寻优的启发式最短路径搜索方法 |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
US9476723B1 (en) * | 2015-02-20 | 2016-10-25 | Amazon Technologies, Inc. | Hierarchical processing and caching of path solutions |
CN106441303A (zh) * | 2016-09-30 | 2017-02-22 | 哈尔滨工程大学 | 一种基于可搜索连续邻域a*算法的路径规划方法 |
-
2017
- 2017-04-18 CN CN201710253824.3A patent/CN108731678A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226581A (zh) * | 2013-04-02 | 2013-07-31 | 浙江大学 | 一种基于方向寻优的启发式最短路径搜索方法 |
US9476723B1 (en) * | 2015-02-20 | 2016-10-25 | Amazon Technologies, Inc. | Hierarchical processing and caching of path solutions |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
CN106441303A (zh) * | 2016-09-30 | 2017-02-22 | 哈尔滨工程大学 | 一种基于可搜索连续邻域a*算法的路径规划方法 |
Non-Patent Citations (1)
Title |
---|
黄诚杰: "智能AGV系统设计及路径规划算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110645991A (zh) * | 2019-10-30 | 2020-01-03 | 深圳市银星智能科技股份有限公司 | 一种基于节点调节的路径规划方法、装置及服务器 |
CN112197778A (zh) * | 2020-09-08 | 2021-01-08 | 南京理工大学 | 基于改进a*算法的轮式机场巡界机器人路径规划方法 |
CN112741688A (zh) * | 2020-12-11 | 2021-05-04 | 北京信息科技大学 | 一种用于微创手术软体操作器的路径规划方法 |
CN112741688B (zh) * | 2020-12-11 | 2023-09-29 | 北京信息科技大学 | 一种用于微创手术软体操作器的路径规划方法 |
CN115164914A (zh) * | 2022-07-11 | 2022-10-11 | 北京中航世科电子技术有限公司 | 一种单兵作战用导航方法、系统、电子设备及介质 |
CN115164914B (zh) * | 2022-07-11 | 2023-10-03 | 北京中航世科电子技术有限公司 | 一种单兵作战用导航方法、系统、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wallar et al. | Reactive motion planning for unmanned aerial surveillance of risk-sensitive areas | |
CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
CN110989352B (zh) | 一种基于蒙特卡洛树搜索算法的群体机器人协同搜索方法 | |
CN108731678A (zh) | 机器人全局路径规划方法 | |
CN105116902A (zh) | 一种移动机器人避障导航的方法和系统 | |
Deng et al. | Multi-obstacle path planning and optimization for mobile robot | |
CN108241369B (zh) | 机器人躲避静态障碍的方法及装置 | |
Ioannidis et al. | A path planning method based on cellular automata for cooperative robots | |
Chen et al. | An enhanced dynamic Delaunay triangulation-based path planning algorithm for autonomous mobile robot navigation | |
CN106931978B (zh) | 自动构建路网的室内地图生成的方法 | |
CN111830986B (zh) | 一种用于双足机器人的三维路径规划方法 | |
Yuan et al. | Path-planning-enabled semiflocking control for multitarget monitoring in mobile sensor networks | |
Chen et al. | Trajectory optimization of LiDAR SLAM based on local pose graph | |
Li et al. | Searching for optimal off-line exploration paths in grid environments for a robot with limited visibility | |
Wang et al. | Application of A* algorithm in intelligent vehicle path planning | |
Nam et al. | Optimal placement of multiple visual sensors considering space coverage and cost constraints | |
CN114740849B (zh) | 基于行人步行决策规则的移动机器人自主导航方法及装置 | |
Tiwari et al. | New fusion algorithm provides an alternative approach to robotic path planning | |
Zhi et al. | Research on path planning of mobile robot based on A* algorithm | |
Kostavelis et al. | Path tracing on polar depth maps for robot navigation | |
Alija | Analysis of Dijkstra’s and A* algorithm to find the shortest path | |
CN114353814A (zh) | 基于Angle-Propagation Theta*算法改进的JPS路径优化方法 | |
Bokovoy et al. | Assessment of map construction in vSLAM | |
Lehner et al. | Exploration of large outdoor environments using multi-criteria decision making | |
Guo et al. | Autonomous navigation in dynamic environments with multi-modal perception uncertainties |
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: 20181102 |