CN110174108A - 一种仿人的基于拓扑地图的agv自主定位导航方法 - Google Patents

Abstract

本发明公开了一种仿人的基于拓扑地图的AGV自主定位导航方法，包括如下步骤：S1、基于给定的机器人活动区域创建拓扑地图，所述拓扑地图包括代表所述活动区域中关键点的端点，以及连接所述端点的代表可行走路径的边，所述端点包含可供机器人通过自身传感器检测到的特征信息；S2、基于所述拓扑地图进行机器人的定位和导航，以从当前位置移动到目标点。本发明的AGV自主定位导航方法，能够克服传统机器人自主定位导航技术在建图与定位导航中遇到的问题，有效降低建图与定位导航的难度和复杂度，提高导航可靠性。

Description

一种仿人的基于拓扑地图的AGV自主定位导航方法

技术领域

本发明涉及机器人自主定位技术领域，具体涉及一种仿人的基于拓扑地图的AGV自主定位导航方法。

背景技术

自主定位是指利用移动机器人上车载传感器的感知信息估计机器人在给定环境中的位姿，而自主导航是指移动机器人根据自身位姿、目的地位置、周边环境信息规划合理的路径，并在移动过程中实时调整和优化，避让障碍物，到达目的地执行任务。移动机器人的自主定位导航技术是用来解决机器人行走的问题，是智能机器人应用的基础。

目前，常用的机器人自主定位导航方法主要分为有标记和无标记两类，其中有标记方法需要预先在机器人的行走空间中部署具有特定信息的标记或发送特定信号的设备，机器人在行走过程中采用传感器检测这些标记或设备发出的信号以确定机器人位姿。典型的有标记定位导航算法包括二维码、磁钉、RFID、UWB等定位方法，具体而言:

1、二维码定位方法：如专利《基于二维码导引与可见光定位的室内AGV导航方法及系统》(公布号CN107943051A)。二维码定位方法是在地上或特定位置预先固定大量二维码，机器人采用相机拍摄二维码，每个被拍摄到的二维码能提供给机器人唯一而准确的位置信息。

2、磁钉定位方法：如专利《磁钉的定位方法、磁钉定位导航误差修正方法及定位装置》(公布号CN108151766A)。磁钉定位方法预先在特定位置铺设磁钉，机器人在行走时采用磁传感器检测磁钉，并以此计算机器人位置。

3、RFID定位方法：如专利《一种基于RFID的精准定位系统及方法》(CN108229605A)。RFID定位方法在特定位置预先安装多个RFID标签，每个RFID标签具有唯一的标识符，即唯一的ID，机器人接收多个RFID发射出来的信息，采用类似于GPS的方法计算自己的位置。

4、UWB定位方法：如专利《一种基于超宽带UWB的AGV导航定位装置》(公布号CN107702721A)。通过在特定位置部署多个无线基站发送超宽带无线脉冲信息，机器人分析接收到的无线电波信号的特征参数，然后根据特定算法计算自己的位置。

此外，还有采用诸如磁条，色带，蓝牙等其他类型标记提供定位信息的方法。

而目前无标记定位导航算法主要包括激光SLAM和视觉两类：

1、激光定位方法：如专利《一种激光slam导航的临时障碍物处理方法》(公布号CN108303986A)。激光SLAM定位首先建立机器人运行环境的二维轮廓地图，而在机器人行走过程中则通过测量周边环境的轮廓距离与地图作匹配以计算得到机器人自身的位置。

2、视觉定位方法：如专利《一种基于kinect视觉的AGV导航方法》(公布号CN108534788A)。视觉定位方法首先建立机器人运行环境的三维地图，该地图中可能包含机器人运行空间中视觉特征点、几何特征、纹理特征等信息，而在机器人行走过程中则通过相机实时采集图像数据信息，通过与地图信息的匹配以计算得到机器人自身的位置。

综上，无论是有标记或是无标记的自主定位导航技术，其原理是类似的，就是：

1)预先建立一张描述机器人行走环境的地图，该地图必须详细的覆盖机器人行走区域的每个位置的信息；

2)在行走过程中的每一个时刻(即机器人控制周期)，机器人根据实时采集到的信息确定自己在地图的位置，该位置误差通常必须控制在厘米级；

3)机器人再根据这个位置信息，以一定的规则(比如循固定的路径，循最短路径)，同时考虑路径上或环境中的障碍物信息，确定本时刻自身的移动方向及移动速度。

而上述技术存在着以下的缺点：

1)有标记类方法往往需要部署大量额外的标记，增加系统部署成本与所需时间。

2)上述方法对建图要求很高，必须预先建立精确的机器人运行环境地图，且该地图能满足机器实时定位的精度需求(达到厘米)，如果机器人工作区域达到上万平方米，建图工作将十分耗费时间和精力。

3)机器人在运行过程中每一个控制周期都需要进行一次计算，在每一个计算周期都要求获得厘米级精度的定位值，计算复杂度与负荷极大，对于传感器与算法的精度要求也很高，系统的容错性很差，一但位姿计算出错，往往难以恢复。这对于机器人所使用的传感器性能，处理器性能，算法性能均提出了很高的要求，极大的限制了自主定位导航技术在实际场景中的有效应用。

与之相比，人类的自主定位导航具有以下优点：

1)人类到一个地方去不需要非常精准的(达到厘米级)和覆盖全部区域的地图，人类只需要知道一些关键点的信息，比如在哪个路口左转，在哪个标记牌下右转，到达第几层，进入哪个房间等等，其他时候只要顺路走，不撞墙就可以了。

2)人类自主定位使用的传感器(双眼)并不能精确测量空间距离(特别是对于几米以外的东西)，即便如此，人类却能够从容行走，灵活穿越狭窄的过道到达目的地。而机器人自主定位传感器的定位精度往往都要做到厘米级才能确保其能正确计算自己在地图中的位置，行走到达目的地。

以上两点，说明人类的定位导航方式具有目前机器人自主定位导航方法所无法比拟的优势。

发明内容

本发明的目的在于以人类的定位导航方式为借鉴，提出一种仿人的基于拓扑地图的AGV自主定位导航方法，以克服传统机器人自主定位导航技术在建图与定位导航中遇到的问题。

为实现上述目的，本发明采用了如下技术方案：

一种仿人的基于拓扑地图的AGV自主定位导航方法，包括如下步骤：

S1、基于给定的机器人活动区域创建拓扑地图，所述拓扑地图包括代表所述活动区域中关键点的端点，以及连接所述端点的代表可行走路径的边，所述端点包含可供机器人通过自身传感器检测到的特征信息；

S2、基于所述拓扑地图进行机器人的定位和导航，以从当前位置移动到目标点。

进一步的，所述关键点包括多条路径相交处的路口、有明显标记处和/或转弯处，以及机器人移动的目标点。

进一步的，所述多条路径相交处的路口包括机器人在该处需要选择往哪条路径移动的路口。

进一步的，所述有明显标记处包括可通过机器人自身传感器检测到的具有高识别性和/或唯一性的地点。

进一步的，所述转弯处包括机器人需要调整移动方向的位置。

进一步的，所述端点的特征信息当且仅当机器人移动到该端点附近预设距离内时才能通过机器人自身的传感器检测到。

进一步的，所述代表可行走路径的边具备从第一端点指向第二端点的方向性。

可选的，所述拓扑地图采用有向图的形式保存。

进一步的，步骤S2具体包括：

S21.根据机器人当前位置与目标点的位置，采用最短路径算法在所述拓扑地图中生成一条由一串互相间隔的端点与边组成的路径链L＝P₀-E₁-V₁-E₂-V₂-E₃-V₃-E₄…P_d，其中，V₁，V₂，V₃…表示端点，E₁，E₂，E₃，E₄…表示边，P₀为机器人当前位置，P_d为目标点位置；

S22.以预设控制周期为间隔对机器人在路径链L上的移动进行导航。

进一步的，S22具体包括，在机器人移动过程中任意一次控制时刻t_k，执行以下操作：

S221.判断上一控制时刻t_k-1机器人位于拓扑地图中的位置，若位于某条边E_n，n∈{1,2,3..}，则进入步骤S223，若位于某个端点上，进入步骤S225；

S223.查询路径链L上边E_n的下一个端点V_NEXT，机器人通过传感器检测周边环境，与保存在拓扑地图中的V_NEXT端点的特征信息进行匹配，如果匹配成功，则更新机器人位置为V_NEXT，进入步骤S225，如果匹配不成功，则进入步骤S224；

S224.机器人继续沿边E_n直走，如果路径上出现障碍物，则采用绕障或停障方法通过障碍物，本次控制时刻t_k的导航结束；

S225.若机器人当前位于端点V_m，m∈{1,2,3..}处，如果V_m是目标点P_d，则本次导航结束，否则查询路径链L上端点V_m的下一条边E_NEXT，进入步骤S226；

S226.根据端点V_m的特征信息建立一个局部空间坐标系，判断机器人当前位置与边E_NEXT的位置关系，如果机器人已到达E_NEXT入口，进入步骤S227，否则进入步骤S228；

S227.更新机器人位置为E_NEXT，本次控制时刻t_k的导航结束；

S228.根据步骤S226中计算得到的机器人当前位置与边E_NEXT的位置关系，调整机器人的移动角度与速度，本次控制时刻t_k的导航结束。

本发明的AGV自主定位导航方法，预先对机器人行走的区域建立拓扑地图，拓扑地图上的端点表示机器人行走区域内的关键点(如路口、有明显标记处、转弯处、移动目标点等等)，拓扑地图上的边表示关键位置之间有路径可以行走，拓扑地图与实际物理空间不需要存在严格的比例关系，只是物理空间的一种抽象，也不需要记录下每个关键点的实际物理位置。在机器人实际行走过程中，根据自身位置与移动目标点采用最短路径方法生成一条路径链，机器人沿该条路径链行走，遇到关键点处进行定位与方向调整，而在边上则沿路径直走，避让路上的障碍物，如此即可抵达移动目标点。

本发明的AGV自主定位导航方法相比现有技术具有如下有益效果：

1)本发明所使用的拓扑地图，只需对关键点附近的特征信息进行详细的采集，而对于关键点之间的路径无需进行详细的建图，而传统的自主定位方法需要对机器人整个运行区域进行严密而准确的建图，精度需要达到厘米级，因此，本发明可以有效的降低建图工作的难度与复杂度。

2)本发明所用的方法使机器人在自主定位导航运行过程中，只需在关键点处作精准的定位计算，其余路径上机器人只需确保直走顺利通过即可，因此，本发明极大的降低了定位导航实时计算的复杂度，减小了对于软硬件性能的需求。

3)传统的定位导航方法需要时时刻刻获取机器人自己所处的精确位置(精确到厘米级)，一旦出现较大幅度的偏差，定位就会丢失且无法恢复，系统鲁棒性不够。而本发明对拟人的定位导航方法的运用，使机器人在路径上行走时，只需通过路径即可，无需关注自身的具体位置，因此，在大部分区域本发明方法是不需要精准定位的，这大幅降低了定位丢失的可能性，提升了自主定位导航的可靠性。

附图说明

图1为本发明的AGV自主定位导航方法实施例的流程示意简图。

图2为本发明的AGV自主定位导航方法实施例中基于拓扑地图的导航流程示意图。

具体实施方式

为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。

如图1所示，本发明实施例提供了一种仿人的基于拓扑地图的AGV自主定位导航方法，其包括创建拓扑地图及基于该拓扑地图进行机器人导航两个步骤。下面进行具体说明。

其中，所述的创建拓扑地图，是指将机器人实际的行走区域采用拓扑地图抽象化表示出来。

所述的拓扑地图包括端点，表示行走区域中的关键点，该关键点包括多条路径相交处的路口，有明显标记处，转弯处，以及机器人移动的目标点。

其中，所述的多条路径相交处的路口是指机器人在该处需要选择往哪条路径行走的路口。

其中，所述的有明显标记处是指可通过传感器检测到的具有较高识别性，唯一性的地点。比如对于视觉传感器来说，门牌，路牌等都属于有明显标记处。

其中，所述的转弯处是指机器人需要调整方向的位置。

其中，所述的机器人移动的目标点是指机器人移动需要到达的地方，比如是操作的工位点。

其中，所述的拓扑地图端点中还必须保存该端点特征的信息，使机器人移动到该端点附近位置时能够通过自身的传感器检测到该特征信息，以确认到达特征点。并且利用该端点的特征信息，机器人能够准确进入下一条路径中。

比如采用激光雷达作为传感器的机器人，可以预先扫描关键点附近的轮廓地图，建立一张局部的激光地图，同时记录下该关键点连接的各条边(路径)入口在地图中的位置。这样，机器人只要行驶到关键点附近即可进行轮廓匹配定位，并向下条路径入口移动。

比如采用视觉方法的机器人，可以预先扫描关键点附近的视觉特征点建立地图，同时记录下该关键点连接的各条边(路径)入口在地图中的位置。这样，机器人只要行驶到关键点附近即可进行特征点匹配定位，并向下条路径入口移动。

比如二维码定位方式的机器人，可以预先在关键点附近布置二维码，建立一个局部地图，同时记录下该关键点连接的各条边(路径)入口在该局部地图中的位置，这样，机器人只要行驶到关键点附近即可扫描二维码获得其在局部地图的位置，并向下条路径入口移动。

不限于上述三种基于不同传感器保存端点特征信息的方法，其它本领域工程技术人员容易想到的端点特征信息的保存方法，亦属于本发明专利保护的范围。

所述的拓扑地图还包括边，边表示关键位置之间有可以行走的路径，机器人只要直走就可以通过该路径。所述的边是有方向的，如果从A到时B有路径可走，则在拓扑地图中有条A指向B的边，反之亦然。

不失一般性，所述的拓扑地图可以采用有向图的形式保存。

其中，所述的基于该拓扑地图进行机器人导航是指机器人在实际运行中使用上述的拓扑地图进行定位导航行走的步骤。

所述的自主定位导航算法步骤如下所述：

首先，机器人在接到移动到某个位置的任务后，根据机器人当前的位置与机器人移动目标点的位置，采用最短路径方法在拓扑地图中生成一条可行的路径链L，该路径链由一串互相间隔的端点与边组成，不失一般性，可以表示为V₁-E₁-V₂-E₂-V₃-E₃……其中，V₁，V₂，V₃，……表示端点，E₁，E₂，E₃，……表示边，而该路径链的起点为当前小车位置，终点为小车移动的目标位置。

之后，预设控制周期为间隔对机器人在路径链L上的移动进行导航。具体包括在机器人移动过程中任意一次控制时刻t_k，执行以下操作：

步骤1.判断上一时刻t_k-1机器人位于拓扑图中何处，不失一般性，如位于某条边E_n，n∈{1,2,3..}，则进入步骤2，否则位于某个端点上，进入步骤4。

步骤2.查询路径链L上边E_n的下一个端点，不失一般性，这个端点表示为V_NEXT。机器人通过传感器检测周边环境，与保存在拓扑地图中的V_NEXT端点的特征信息进行匹配，如果匹配成功，则更新机器人位置为V_NEXT，，进入步骤4，如果匹配不成功，则进入步骤3。

步骤3.下达控制指令，让机器人继续沿路径直走，如果路径上出现障碍物，则采用绕障或停障方法通过障碍物，本次导航计算结束。

步骤4.不失一般性，假设步骤1或2中判断得到机器人当前位于关键点V_m，m∈{1,2,3..}处，如果V_m是最终目标点，则本次导航结束，否则查询路径链L上端点V_m的下一条边为E_NEXT，进入步骤5。

步骤5.根据端点V_m特征信息建立一个局部空间坐标系，判断机器人当前位置与路径E_NEXT的位置关系，如果机器人已到达E_NEXT入口，进入步骤6，否则进入步骤7。

步骤6.更新机器位置为E_NEXT，本次导航计算结束。

步骤7.根据步骤5中计算得到的机器人与路径E_NEXT的位置关系，调整机器人移动角度与速度，本次导航计算结束。

需要说明的是，上述步骤3中所述的机器人继续沿路径直走亦可采用里程计，激光里程计，视觉里程计等信息辅助直线行走，使机器人直线行走效果更佳，这些本领域工程技术人员容易想到的改进，亦属本发明专利保护的范围。

以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种仿人的基于拓扑地图的AGV自主定位导航方法，其特征在于，包括如下步骤：

S1、基于给定的机器人活动区域创建拓扑地图，所述拓扑地图包括代表所述活动区域中关键点的端点，以及连接所述端点的代表可行走路径的边，所述端点包含可供机器人通过自身传感器检测到的特征信息；

S2、基于所述拓扑地图进行机器人的定位和导航，以从当前位置移动到目标点。

2.如权利要求1所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，所述关键点包括多条路径相交处的路口、有明显标记处和/或转弯处，以及机器人移动的目标点。

3.如权利要求2所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，所述多条路径相交处的路口包括机器人在该处需要选择往哪条路径移动的路口。

4.如权利要求2所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，所述有明显标记处包括可通过机器人自身传感器检测到的具有高识别性和/或唯一性的地点。

5.如权利要求2所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，所述转弯处包括机器人需要调整移动方向的位置。

6.如权利要求1所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，所述端点的特征信息当且仅当机器人移动到该端点附近预设距离内时才能通过机器人自身的传感器检测到。

7.如权利要求1所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，所述代表可行走路径的边具备从第一端点指向第二端点的方向性。

8.如权利要求1所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，所述拓扑地图采用有向图的形式保存。

9.如权利要求1-8任一项所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，步骤S2具体包括：

S21.根据机器人当前位置与目标点的位置，采用最短路径算法在所述拓扑地图中生成一条由一串互相间隔的端点与边组成的路径链L＝P₀-E₁-V₁-E₂-V₂-E₃-V₃-E₄…P_d，其中，V₁，V₂，V₃…表示端点，E₁，E₂，E₃，E₄…表示边，P₀为机器人当前位置，P_d为目标点位置；

S22.以预设控制周期为间隔对机器人在路径链L上的移动进行导航。

10.如权利要求9所述的基于拓扑地图的AGV自主定位导航方法，其特征在于，步骤S22具体包括，在机器人移动过程中任意一次控制时刻t_k，执行以下操作：

S221.判断上一控制时刻t_k-1机器人位于拓扑地图中的位置，若位于某条边E_n，n∈{1,2,3..}，则进入步骤S223，若位于某个端点上，进入步骤S225；

S223.查询路径链L上边E_n的下一个端点V_NEXT，机器人通过传感器检测周边环境，与保存在拓扑地图中的V_NEXT端点的特征信息进行匹配，如果匹配成功，则更新机器人位置为V_NEXT，进入步骤S225，如果匹配不成功，则进入步骤S224；

S224.机器人继续沿边E_n直走，如果路径上出现障碍物，则采用绕障或停障方法通过障碍物，本次控制时刻t_k的导航结束；

S225.若机器人当前位于端点V_m，m∈{1,2,3..}处，如果V_m是目标点P_d，则本次导航结束，否则查询路径链L上端点V_m的下一条边E_NEXT，进入步骤S226；

S226.根据端点V_m的特征信息建立一个局部空间坐标系，判断机器人当前位置与边E_NEXT的位置关系，如果机器人已到达E_NEXT入口，进入步骤S227，否则进入步骤S228；

S227.更新机器人位置为E_NEXT，本次控制时刻t_k的导航结束；

S228.根据步骤S226中计算得到的机器人当前位置与边E_NEXT的位置关系，调整机器人的移动角度与速度，本次控制时刻t_k的导航结束。