CN110502010A - 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 - Google Patents
一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 Download PDFInfo
- Publication number
- CN110502010A CN110502010A CN201910754589.7A CN201910754589A CN110502010A CN 110502010 A CN110502010 A CN 110502010A CN 201910754589 A CN201910754589 A CN 201910754589A CN 110502010 A CN110502010 A CN 110502010A
- Authority
- CN
- China
- Prior art keywords
- robot
- bezier
- point
- error
- navigation control
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000033001 locomotion Effects 0.000 claims abstract description 18
- 235000015170 shellfish Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,包括以下步骤:1)建立场景地图;2)基于ArUco码确定工作站在场景地图上的位置;3)设置目标点和控制点,获取贝塞尔曲线,规划机器人的运动轨迹;4)基于规划的机器人运动轨迹,进行机器人的导航控制,设有采集ArUco码前的满足条件,机器人运动轨迹的规划中加入了机器人入站轨迹和机器人出站轨迹,机器人的导航控制中包括有角速度控制和计及启停和转弯的前进速度控制。与现有技术相比,本发明只需识别粘贴在指定的工作站区域的ArUco码即可,基于贝塞尔曲线规划的路径更适用于机器人的移动,具有方便、高效、快捷、安全、可靠等优点。
Description
技术领域
本发明涉及机器人技术领域,尤其是涉及一种基于贝塞尔曲线的移动机器人室内自主导航控制方法。
背景技术
移动机器人是集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。移动机器人在不同工位之间正确合理地移动是保障机器人能够正确完成任务的基础。
目前存在的移动机器人自主导航控制方法分为:1.轨道法,例如电磁轨道、反光漆轨道、黑色漆轨道等,通过特定传感器获取轨道信息;2.视觉伺服法,通过安装在机器人上的摄像头等设备直接识别目标工作站,从而在运行过程中不断调整机器人姿态从而到达目标工作站;3.全局定位法:通过安装在场地顶部的摄像头来获取工位位置以及机器人位置,从而引导机器人能够到达目标工作站。
然而,上述方法具有如下缺点:1.轨道法,铺设成本高,轨迹单一;磁钉法:铺设成本高,轨迹单一;2.图像识别法,容易受到光照等环境因素影响,算法复杂度高,容易出错;3.全局定位法:除了要在场地上方安装另外的传感器外,还要考虑工作站被遮挡等问题;激光反射板法,同样具有铺设成本高的问题。
公开号为CN110069058A的发明公开了一种机器人室内导航控制方法,所述机器人室内导航控制方法包括以下步骤:获取室内环境地图,并根据所述室内环境地图信息创建室内环境模型;获取室内具有明显特征的景物信息作为路标,将全局路线分割成路标与路标之间的标志线;探测机器人与路标的实际位置确定机器人的位置;机器人在行走过程中,通过视觉探测传感器对标志线进行探测,并调整行进路线与标准线之间的偏差;判断行进路线上是否有障碍,若有障碍则绕开所述障碍,再根据标志线的指引按照原先的行进路线继续行进。
该机器人室内导航控制方法存在以下缺点:1、获取室内具有明显特征的景物信息作为路标,受具体环境影响,具有不确定性;2、通过直接连接路标形成机器人行走的标志线,线路笔直僵硬。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于贝塞尔曲线的移动机器人室内自主导航控制方法。
本发明的目的可以通过以下技术方案来实现:
一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,包括以下步骤:
S1:建立场景地图;
S2:基于ArUco码确定工作站在场景地图上的位置;
S3:设置目标点和控制点,获取贝塞尔曲线,规划机器人的运动轨迹;
S4:基于规划的机器人运动轨迹,进行机器人的导航控制。
进一步地,所述步骤S1具体为:采用激光雷达建立场景地图。
进一步地,所述步骤S2具体包括以下步骤:
S201:将ArUco码粘贴在工作站上;
S202:获取机器人在场景地图中的位置;
S203:通过机器人的摄像头采集ArUco码相对于机器人的位姿;
S204;基于机器人在场景地图中的位置和ArUco码相对于机器人的位姿,确定ArUco码在场景地图中的位置,即得到工作站在场景地图上的位置。
进一步地,执行所述步骤S203前控制机器人满足以下条件:
A)机器人处于停止状态;
B)机器人的摄像头以偏差小于10度的角度对准ArUco码;
C)机器人采集多个ArUco码相对于机器人的位姿结果的误差小于5厘米。
进一步地,所述步骤S3中贝塞尔曲线的表达式为:
式中,t的取值范围为0至1,为全排列,Pi为第i个点,i从0开始,P0为起始点,Pn为目标点,中间n-1个点为控制点。
进一步地,所述步骤S3中机器人运动轨迹的规划具体包括以下步骤;
S301:选出一个目标点,若遍历完所有目标点,则执行步骤S305;
S302:判断该目标点周围的β领域内是否有工作站,若是,执行步骤S303,若否,执行步骤S304;
S303:将目标点指向工作站的射线作为机器人入站轨迹,将工作站指向目标点的射线作为机器人出站轨迹;
S304:将该目标点与上一个目标点连接,若没有上一个目标点,则将该目标点与机器人的位置连接,返回步骤S301;
S305:添加控制点,获取最终的贝塞尔曲线;
S306:基于贝塞尔曲线、机器人入站轨迹和机器人出站轨迹,获取机器人的运动轨迹。
进一步地,所述步骤S4中机器人的导航控制包括角速度控制,该角速度控制具体为:选取误差项,调节PID控制器中的P和D参数,对机器人角速度进行控制。
进一步地,所述误差项的获取具体包括以下步骤:
S401:沿机器人车头p0正前方向绘制直线L1;
S402:在直线L1上选取距离机器人车头10厘米的点p1;
S403:经过p1绘制与直线L1相垂直的直线L2;
S404:取直线L2与步骤S3获取的贝塞尔曲线的交点p2;
S405:取p1与p2之间的距离作为误差项。
进一步地,由于贝塞尔曲线是由一系列的点组成的,因此并不能严格找出合适的点p2使得p1与p0的距离为10cm,故所述误差项的获取具体还包括以下步骤:
S411:沿机器人车头正前方向绘制直线L1;
S412:在直线L1上选取距离机器人车头大于10厘米的点p′1和小于10厘米的点p″1,p′1和p″1均为直线L1上距离机器人车头最接近10厘米的点;
S413:经过p′1绘制与直线L1相垂直的直线L2′,经过p″1绘制与直线L1相垂直的直线L2″;
S414:取直线L2′与步骤S3获取的贝塞尔曲线的交点p′2,取直线L2″与步骤S3获取的贝塞尔曲线的交点p″2;
S415:根据误差公式获取误差项,该误差公式的表达式为:
Error1=dis(p′1,p′2)
Error2=dis(p″1,p″2)
Error=w1·Error1+w2·Error2
式中,Error为误差项,dis(p′1,p′2)为p′1与p′2间的距离。
进一步地,所述步骤S4中机器人的导航控制包括前进速度控制,该前进速度控制通过启停速度控制器和转弯速度控制器实现,
在机器人启动过程中,V1设置为Vmax即可,这时移动机器人按照自身电机PID调节速度,快速达到指定速度。此后一直按Vmax运行。但接近目标点时,如果直接设置目标速度为0,则会出现移动机器人抖动的情况,同时由于惯性,移动机器人实际已经冲出了目标点,故所述启停速度控制器的表达式为:
式中,V1为启停控制速度,Vmax为机器人最大速度,Idxcur为机器人当前位置,Idxend为机器人的停止位置,if start为机器人启动过程,if want to stop为机器人从满足后的过程。
机器人处于贝塞尔曲线较弯曲的地方时,需要考虑到前进速度过高会导致无法完成转弯的情况,这时需要减少前进速度来保证当前转弯半径小于曲线的转弯半径,故所述转弯速度控制器的表达式为:
V2=K·W·rcur
式中,V2为转弯控制速度,K为介于0至1之间的衰减系数,W为角速度,rcur为转弯半径。
与现有技术相比,本发明具有以下优点:
(1)本发明移动机器人室内自主导航控制方法不需要对工作站环境进行改造,只需识别粘贴在指定的工作站区域的ArUco码即可,方便、高效、快捷,并且基于ArUco码点的特点,采用与之相配合的贝塞尔曲线,规划出机器人光滑的运动轨迹,更适用于机器人的移动。
(2)本发明在采集ArUco码信息前还设有满足信息采集的条件,确保ArUco码信息采集的可靠性,解决了ArUco码识别输出不稳定的问题,使得本发明方法更可靠。
(3)本发明规划的机器人的运动轨迹包括贝塞尔曲线、机器人入站轨迹和机器人出站轨迹,解决了原有导航系统,局部位置控制不精准的问题。
(4)本发明移动机器人进行导航控制中,包括角速度控制和前进速度控制,前进速度控制通过启停速度控制器和转弯速度控制器实现,考虑到并解决了机器人移动过程中进行曲线移动、启停速度和转弯速度上的问题,使得本发明更加安全可靠。
附图说明
图1为本发明实施例的总流程示意图;
图2为本发明实施例获取ArUco码在地图上的位置的流程示意图;
图3为本发明实施例采用的ArUco码的示意图;
图4为本发明实施例设计出的贝塞尔曲线示意图;
图5为本发明实施例使用贝塞尔曲线规划路径的流程示意图;
图6为本发明实施例角速度控制中获取误差项的计算原理示意图;
图7为本发明实施例机器人导航控制的流程示意图;
图8为本发明实施例获取的机器人移动路径示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本实施例首先依赖于激光导航定位技术,构建了工作环境的地图,对于不同的目的地(此次导航的终点,称之为工位),本实施例使用ArUco码以及ArUco码识别结果来确认工作站在地图上的位置。在不同工位之间自主移动,需要考虑路径规划与机器人控制问题,本实施例使用了基于贝塞尔曲线的路径规划以及PID控制器来保障机器人能够沿预定轨迹正确行驶。基于贝塞尔曲线的路径规划保障了机器人运行时刻的平滑,PID控制器保证了自主移动机器人能够完美地跟随预设贝塞尔曲线轨迹。在从非工位区域进入工作站区域,以及从工位区域驶离过程中,本实施例设计了一种方法来使得机器人可以按照正确的方向合理进出工位,从而完成导航任务。
如图1所示,本实施例为一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,在使用激光雷达建立了地图的基础上,同时利用ArUco码(aruco marker)来标记工作站的位置,然后通过移动机器人上的摄像头来确定ArUco码相对于机器人的位置,通过ros系统发布的tf树来确定ArUco码在地图上的位置,基于贝塞尔曲线规划机器人到工作站的路径,同时设计了一种PID控制器来控制机器人正确到达工作站。整体方法概括为以下步骤:
S1:使用Karto或者是cartographer建立场景地图;
S2:获取ArUco码在地图上的位置;
S3:使用内塞尔曲线规划路径;
S4:机器人导航控制。
下面对上述步骤进行详细描述:
1、获取ArUco码在地图上的位置
如图2所示,步骤S2中获取ArUco码在地图上的位置,具体为:
S201:粘贴ArUco码于工作站上;如图3所示,为本实施例使用的ArUco码。
S202:使用移动机器人二维环境下的概率定位系统(amcl)对机器人进行定位;
S203:采集ArUco码相对于机器人位姿;
为了解决ArUco码识别输出不稳定的问题,本实施例在进行步骤S203前设计如下方法来保证得到稳定的位置信息输出:
1)保证机器人在采集时是停止状态;
2)机器人采集的多个结果的误差小于一定范围;
3)机器人摄像头与ArUco码正对,角度差小于10度。
通过以上保证措施,降低ArUco码的定位误差。
S204:得到ArUco码在地图上的位置,并将其保存为固定文件与世界地图相匹配。
2、使用内塞尔曲线规划路径
使用内塞尔曲线规划路径,具体为:
先由激光雷达信息,通过自适应蒙特卡洛粒子滤波器算法(AMCL)确认机器人自身的位置,然后在3D可视化工具(rviz)导航控制界面中标出一个位置,该位置为某一工作站附近的位置,因为在界面中难以正确选中工作站,所以这里对选中点进行处理,流程如下:
1)选出下一个目标点,进入步骤2);
2)判断这一目标点周围β领域内是否有工位,如果没有,进入步骤3),如果有,将工位记录为location1,将目标点记录为location2,同时规划出location2到location1之间的直线,并记录该直线上移动机器人的行驶方向为倒车,这是入站过程。同时标记location1到location2之间的直线,车辆正向行驶,为出站过程。此时继续规划下一个点;
3)直接将该点与上一个点连接起来,如果这是第一个自己规划的点,则将该点与车的位置连接起来(此时还是直线),则返回步骤1);
当所有目标点选择完毕后,加入控制点,控制点被添加进入离自己最近的线,从而形成更加合适的贝塞尔曲线。在选择完目标点后,图中可能有多条贝塞尔曲线,他们可能相邻较近,此时如果想要添加一个控制点改变其中一条贝塞尔曲线,选择的贝塞尔曲线依据是该控制点离哪条贝塞尔曲线更近,就把这个控制点当成哪条贝塞尔曲线的新控制点,之后再改变这条贝塞尔曲线,从而形成更加合适的贝塞尔曲线。本发明基于以下两个原则加入控制点:1.控制点不能位于障碍物上;2.添加的控制点会改变贝塞尔曲线的形状,要保证新的曲线不会经过障碍物。如果有任何一点不满足,可以删除这个控制点,重新加入一个控制点。
如图4所示,贝塞尔曲线(bezier curve)的设计具体为:
贝塞尔曲线根据控制点(control point)的个数可以分为不同的阶数,其通用公式为:
式中,其中t的取值范围为0至1,通常设置为t=0:0.01:1,表示t有101个数据,套用上述公式进行计算;为全排列,Pi为第i个点,i从0开始,P0为起始点,Pn为目标点,中间n-1个点为控制点。
根据实际情况,设置的控制点可以分为3或4个等多种情况,需要根据工作站与工作站之间的路径情况而定。
如图5所示,本实施例中步骤S3中使用内塞尔曲线规划路径,具体为:
S301:在地图上点击工作站附近位置点表示进入工作站;
S302:规划从车体到工作站前方1米的贝塞尔曲线;
S303:规划从工作站前方1米位置至工作站直线,标记为入站,即将β设为1米;
S304:规划从工作站至工作站前方1米直线,标记方向为出站;
S305:规划车体到另一目标位置的贝塞尔曲线。
3、机器人导航控制
本实施例对机器人的导航控制不仅基于规划的路径,还加入了PID控制器实时对机器人的移动进行角速度控制和前进速度控制。
下面对角速度控制和前进速度控制分别进行详细介绍:
1)角速度控制
如图6所示,本发明使用了PID控制中的P和D参数。PD控制器的关键在于选取正确的误差项(ERROR),通过前方设计的贝塞尔曲线,我们设置的误差项就要根据贝塞尔曲线来选取。其基本原则是以当前位置p0为基准,沿车头方向10cm处标记出点p1,画出与车头方向垂直的线L2,寻找此线与贝塞尔曲线的交点p2。以此交点p2作为目标点,以p1与p2之间的距离作为误差项.
由于贝塞尔曲线是由一系列的点组成的,因此并不能严格找出合适的点p2使得p1与p0的距离为10cm,因此寻找沿车头方向大于10cm与小于10cm的最近的两个点:p′1和p″1,分别沿p′1和p″1获取与车头方向垂直的线L2′和L2″,取直线L2′与贝塞尔曲线的交点p′2,取直线L2″与贝塞尔曲线的交点p″2,通过误差公式获取误差项,误差公式的表达式为:
Error1=dis(p′1,p′2)
Error2=dis(p″1,p″2)
Error=w1·Error1+w2·Error2
式中,Error为误差项,dis(p′1,p′2)为p′1与p′2间的距离。
一次误差项作为PID的误差项,控制量为机器人角速度,设置角速度控制率为
W=P×(Error)+d×(Error-lastError)
式中,W为机器人角速度,P为PID控制器中的参数P,d为PID控制器中的参数d,Error为误差项,lastError为上一个控制周期的Error。
2)前进速度控制
前进速度的控制与机器人的性能有关,在启动过程中,速度设置为Vmax即可,这时移动机器人按照自身电机PID调节速度,快速达到指定速度。此后一直按Vmax运行。但接近目标点时,如果直接设置目标速度为0,则会出现移动机器人抖动的情况,同时由于惯性,移动机器人实际已经冲出了目标点。因此本发明在终止阶段设置了如下速度控制器来控制机器人的移动:
式中,V1为启停控制速度,Vmax为机器人最大速度,Idxcur为机器人当前位置,Idxend为机器人的停止位置,if start为机器人启动过程,if want to stop为机器人从满足后的过程。
此外,处于贝塞尔曲线较弯曲的地方,需要考虑到前进速度过高会导致无法完成转弯的情况,这时需要减少前进速度来保证当前转弯半径小于曲线的转弯半径rcur,即:
本实施例使用转弯速度控制器进行控制,该转弯速度控制器的表达式为:
V2=K·W·rcur
式中,V2为转弯控制速度,K为介于0至1之间的衰减系数,W为角速度,rcur为转弯半径。
如图7所示,本实施例中步骤S4中机器人导航控制,具体为:
S401:等待规划路径;
S402:控制机器人沿规划路径前进;
S403:分步控制机器人倒车入站:机器人先正向行驶到达工作站附近,等待稳定后再进入工作站;
S404:分步控制机器人前进出站:机器人先前向行驶,然后再去另一个工作地点;
S405:控制机器人沿规划路径行走。
如图8所示,为本实施例方法获取的路径。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,包括以下步骤:
S1:建立场景地图;
S2:基于ArUco码确定工作站在场景地图上的位置;
S3:设置目标点和控制点,获取贝塞尔曲线,规划机器人的运动轨迹;
S4:基于规划的机器人运动轨迹,进行机器人的导航控制。
2.根据权利要求1所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述步骤S1具体为:采用激光雷达建立场景地图。
3.根据权利要求1所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述步骤S2具体包括以下步骤:
S201:将ArUco码粘贴在工作站上;
S202:获取机器人在场景地图中的位置;
S203:通过机器人的摄像头采集ArUco码相对于机器人的位姿;
S204;基于机器人在场景地图中的位置和ArUco码相对于机器人的位姿,确定ArUco码在场景地图中的位置,即得到工作站在场景地图上的位置。
4.根据权利要求3所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,执行所述步骤S203前控制机器人满足以下条件:
A)机器人处于停止状态;
B)机器人的摄像头以偏差小于10度的角度对准ArUco码;
C)机器人采集多个ArUco码相对于机器人的位姿结果的误差小于5厘米。
5.根据权利要求1所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述步骤S3中贝塞尔曲线的表达式为:
式中,t的取值范围为0至1,为全排列,Pi为第i个点,i从0开始,P0为起始点,Pn为目标点,中间n-1个点为控制点。
6.根据权利要求1所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述步骤S3中机器人运动轨迹的规划具体包括以下步骤;
S301:选出一个目标点,若遍历完所有目标点,则执行步骤S305;
S302:判断该目标点周围的β领域内是否有工作站,若是,执行步骤S303,若否,执行步骤S304;
S303:将目标点指向工作站的射线作为机器人入站轨迹,将工作站指向目标点的射线作为机器人出站轨迹;
S304:将该目标点与上一个目标点连接,若没有上一个目标点,则将该目标点与机器人的位置连接,返回步骤S301;
S305:添加控制点,获取最终的贝塞尔曲线;
S306:基于贝塞尔曲线、机器人入站轨迹和机器人出站轨迹,获取机器人的运动轨迹。
7.根据权利要求1所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述步骤S4中机器人的导航控制包括角速度控制,该角速度控制具体为:选取误差项,调节PID控制器中的P和D参数,对机器人角速度进行控制。
8.根据权利要求7所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述误差项的获取具体包括以下步骤:
S401:沿机器人车头正前方向绘制直线L1;
S402:在直线L1上选取距离机器人车头10厘米的点p1;
S403:经过p1绘制与直线L1相垂直的直线L2;
S404:取直线L2与步骤S3获取的贝塞尔曲线的交点p2;
S405:取p1与p2之间的距离作为误差项。
9.根据权利要求8所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述误差项的获取具体包括以下步骤:
S411:沿机器人车头正前方向绘制直线L1;
S412:在直线L1上选取距离机器人车头大于10厘米的点p′1和小于10厘米的点p”1,p'1和p”1均为直线L1上距离机器人车头最接近10厘米的点;
S413:经过p'1绘制与直线L1相垂直的直线L2′,经过p”1绘制与直线L1相垂直的直线L2″;
S414:取直线L2′与步骤S3获取的贝塞尔曲线的交点p'2,取直线L2″与步骤S3获取的贝塞尔曲线的交点p″2;
S415:根据误差公式获取误差项,该误差公式的表达式为:
Error1=dis(p′1,p'2)
Error2=dis(p″1,p″2)
Error=w1·Error1+w2·Error2
式中,Error为误差项,dis(p′1,p'2)为p′1与p'2间的距离。
10.根据权利要求1所述的一种基于贝塞尔曲线的移动机器人室内自主导航控制方法,其特征在于,所述步骤S4中机器人的导航控制包括前进速度控制,该前进速度控制通过启停速度控制器和转弯速度控制器实现,
所述启停速度控制器的表达式为:
式中,V1为启停控制速度,Vmax为机器人最大速度,Idxcur为机器人当前位置,Idxend为机器人的停止位置,if start为机器人启动过程,if want to stop为机器人从满足后的过程;
所述转弯速度控制器的表达式为:
V2=K·W·rcur
式中,V2为转弯控制速度,K为介于0至1之间的衰减系数,W为角速度,rcur为转弯半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754589.7A CN110502010B (zh) | 2019-08-15 | 2019-08-15 | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754589.7A CN110502010B (zh) | 2019-08-15 | 2019-08-15 | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110502010A true CN110502010A (zh) | 2019-11-26 |
CN110502010B CN110502010B (zh) | 2021-06-04 |
Family
ID=68586477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910754589.7A Active CN110502010B (zh) | 2019-08-15 | 2019-08-15 | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110502010B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111284584A (zh) * | 2020-02-11 | 2020-06-16 | 之江实验室 | 一种双足机器人的单足支撑相步态规划方法 |
CN111640258A (zh) * | 2020-06-12 | 2020-09-08 | 北京云迹科技有限公司 | 移动设备控制方法、装置和设备 |
CN112183133A (zh) * | 2020-08-28 | 2021-01-05 | 同济大学 | 一种基于ArUco码引导的移动机器人自主充电方法 |
CN112256023A (zh) * | 2020-09-28 | 2021-01-22 | 南京理工大学 | 基于贝塞尔曲线的机场巡界机器人局部路径规划方法及系统 |
CN112631232A (zh) * | 2020-12-28 | 2021-04-09 | 北京星航机电装备有限公司 | 基于openTCS实现对自动导引车调度控制方法及系统 |
CN113008261A (zh) * | 2021-03-30 | 2021-06-22 | 上海商汤临港智能科技有限公司 | 一种导航方法、装置、电子设备及存储介质 |
CN113641159A (zh) * | 2021-08-16 | 2021-11-12 | 佛山市毕佳索智能科技有限公司 | 一种基于agv的拖车控制方法 |
CN114184198A (zh) * | 2020-09-14 | 2022-03-15 | 广州汽车集团股份有限公司 | 一种实时路径生成方法、装置及汽车 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0952554A2 (en) * | 1998-02-26 | 1999-10-27 | Canon Kabushiki Kaisha | Information processing apparatus and information processing method |
US20060015247A1 (en) * | 2004-07-07 | 2006-01-19 | The Boeing Company | Bezier curve flightpath guidance using moving waypoints |
US20090141038A1 (en) * | 2007-11-02 | 2009-06-04 | Newaskar Saket Prashant | Bezier Curves for Low Memory Embedded Graphics Systems |
CN101509781A (zh) * | 2009-03-20 | 2009-08-19 | 同济大学 | 基于单目摄像头的步行机器人定位系统 |
CN102207736A (zh) * | 2010-03-31 | 2011-10-05 | 中国科学院自动化研究所 | 基于贝塞尔曲线的机器人路径规划方法及装置 |
CN102456231A (zh) * | 2010-10-19 | 2012-05-16 | 威锋数位开发股份有限公司 | 将目标点阵字体转化成目标轮廓字体的方法及系统 |
US20120268794A1 (en) * | 2011-04-21 | 2012-10-25 | Canon Kabushiki Kaisha | Curve vectorization with preserved tangents at endpoints |
US8587609B1 (en) * | 2008-08-01 | 2013-11-19 | Marvell International Ltd. | Accuracy-adaptive and scalable vector graphics rendering |
US20140236482A1 (en) * | 2013-02-19 | 2014-08-21 | Navteq B.V. | Path curve confidence factors |
CN104268330A (zh) * | 2014-09-19 | 2015-01-07 | 华南理工大学 | 一种复杂曲线的Bezier拟合方法 |
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
WO2018126355A1 (zh) * | 2017-01-04 | 2018-07-12 | 深圳配天智能技术研究院有限公司 | 机器人运动轨迹规划方法及相关装置 |
CN108334065A (zh) * | 2017-01-20 | 2018-07-27 | 株式会社久保田 | 行驶路径生成装置及行驶路径生成程序 |
CN108805939A (zh) * | 2018-06-19 | 2018-11-13 | 河海大学常州校区 | 基于统计学特征的三目视觉系统的标定装置及方法 |
CN109333535A (zh) * | 2018-10-25 | 2019-02-15 | 同济大学 | 一种自主移动机器人的导引方法 |
CN109374003A (zh) * | 2018-11-06 | 2019-02-22 | 山东科技大学 | 一种基于ArUco码的移动机器人视觉定位与导航方法 |
US20190162541A1 (en) * | 2017-11-22 | 2019-05-30 | Lokion Interactive, LLC | Geo-location structure mapping |
EP3259559B1 (en) * | 2015-02-19 | 2019-07-17 | HERE Global B.V. | Method and apparatus for creating a clothoid road geometry |
CN110104216A (zh) * | 2019-01-28 | 2019-08-09 | 西北工业大学深圳研究院 | 一种针对运动学冗余双臂空间机器人的协同路径规划方法 |
-
2019
- 2019-08-15 CN CN201910754589.7A patent/CN110502010B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0952554A2 (en) * | 1998-02-26 | 1999-10-27 | Canon Kabushiki Kaisha | Information processing apparatus and information processing method |
US20060015247A1 (en) * | 2004-07-07 | 2006-01-19 | The Boeing Company | Bezier curve flightpath guidance using moving waypoints |
US20090141038A1 (en) * | 2007-11-02 | 2009-06-04 | Newaskar Saket Prashant | Bezier Curves for Low Memory Embedded Graphics Systems |
US8587609B1 (en) * | 2008-08-01 | 2013-11-19 | Marvell International Ltd. | Accuracy-adaptive and scalable vector graphics rendering |
CN101509781A (zh) * | 2009-03-20 | 2009-08-19 | 同济大学 | 基于单目摄像头的步行机器人定位系统 |
CN102207736A (zh) * | 2010-03-31 | 2011-10-05 | 中国科学院自动化研究所 | 基于贝塞尔曲线的机器人路径规划方法及装置 |
CN102456231A (zh) * | 2010-10-19 | 2012-05-16 | 威锋数位开发股份有限公司 | 将目标点阵字体转化成目标轮廓字体的方法及系统 |
US20120268794A1 (en) * | 2011-04-21 | 2012-10-25 | Canon Kabushiki Kaisha | Curve vectorization with preserved tangents at endpoints |
US20140236482A1 (en) * | 2013-02-19 | 2014-08-21 | Navteq B.V. | Path curve confidence factors |
CN104268330A (zh) * | 2014-09-19 | 2015-01-07 | 华南理工大学 | 一种复杂曲线的Bezier拟合方法 |
EP3259559B1 (en) * | 2015-02-19 | 2019-07-17 | HERE Global B.V. | Method and apparatus for creating a clothoid road geometry |
WO2018126355A1 (zh) * | 2017-01-04 | 2018-07-12 | 深圳配天智能技术研究院有限公司 | 机器人运动轨迹规划方法及相关装置 |
CN108334065A (zh) * | 2017-01-20 | 2018-07-27 | 株式会社久保田 | 行驶路径生成装置及行驶路径生成程序 |
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
US20190162541A1 (en) * | 2017-11-22 | 2019-05-30 | Lokion Interactive, LLC | Geo-location structure mapping |
CN108805939A (zh) * | 2018-06-19 | 2018-11-13 | 河海大学常州校区 | 基于统计学特征的三目视觉系统的标定装置及方法 |
CN109333535A (zh) * | 2018-10-25 | 2019-02-15 | 同济大学 | 一种自主移动机器人的导引方法 |
CN109374003A (zh) * | 2018-11-06 | 2019-02-22 | 山东科技大学 | 一种基于ArUco码的移动机器人视觉定位与导航方法 |
CN110104216A (zh) * | 2019-01-28 | 2019-08-09 | 西北工业大学深圳研究院 | 一种针对运动学冗余双臂空间机器人的协同路径规划方法 |
Non-Patent Citations (6)
Title |
---|
GIL JIN YANG 等: "A Practical Joint-space Trajectory Generation Method Based on Convolution in Real-time Control", 《INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS》 * |
ZHUPING WANG 等: "Collision-Free Navigation of Autonomous Vehicles Using Convex Quadratic Programming-Based Model Predictive Control", 《IEEE/ASME TRANSACTIONS ON MECHATRONICS》 * |
常运: "羽毛球机器人的目标检测与BEZIER曲线路径规划", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
李丹 等: "《计算机图形学算法与应用》", 31 October 2009, 华中科技大学出版社 * |
程久平: "Bezier曲线的降阶及误差计算方法", 《安徽工学院学报》 * |
贾林 等: "基于图像视觉伺服的移动机器人自主导航实现", 《华中科技大学学报(自然科学版)》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111284584A (zh) * | 2020-02-11 | 2020-06-16 | 之江实验室 | 一种双足机器人的单足支撑相步态规划方法 |
CN111640258A (zh) * | 2020-06-12 | 2020-09-08 | 北京云迹科技有限公司 | 移动设备控制方法、装置和设备 |
CN112183133A (zh) * | 2020-08-28 | 2021-01-05 | 同济大学 | 一种基于ArUco码引导的移动机器人自主充电方法 |
CN112183133B (zh) * | 2020-08-28 | 2022-05-31 | 同济大学 | 一种基于ArUco码引导的移动机器人自主充电方法 |
CN114184198A (zh) * | 2020-09-14 | 2022-03-15 | 广州汽车集团股份有限公司 | 一种实时路径生成方法、装置及汽车 |
CN114184198B (zh) * | 2020-09-14 | 2024-03-01 | 广州汽车集团股份有限公司 | 一种实时路径生成方法、装置及汽车 |
CN112256023A (zh) * | 2020-09-28 | 2021-01-22 | 南京理工大学 | 基于贝塞尔曲线的机场巡界机器人局部路径规划方法及系统 |
CN112256023B (zh) * | 2020-09-28 | 2022-08-19 | 南京理工大学 | 基于贝塞尔曲线的机场巡界机器人局部路径规划方法及系统 |
CN112631232B (zh) * | 2020-12-28 | 2022-04-22 | 北京星航机电装备有限公司 | 基于openTCS实现对自动导引车调度控制方法及系统 |
CN112631232A (zh) * | 2020-12-28 | 2021-04-09 | 北京星航机电装备有限公司 | 基于openTCS实现对自动导引车调度控制方法及系统 |
CN113008261A (zh) * | 2021-03-30 | 2021-06-22 | 上海商汤临港智能科技有限公司 | 一种导航方法、装置、电子设备及存储介质 |
CN113641159A (zh) * | 2021-08-16 | 2021-11-12 | 佛山市毕佳索智能科技有限公司 | 一种基于agv的拖车控制方法 |
CN113641159B (zh) * | 2021-08-16 | 2024-04-12 | 佛山市毕佳索智能科技有限公司 | 一种基于agv的拖车控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110502010B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502010A (zh) | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 | |
CN109720340B (zh) | 一种基于视觉识别的自动泊车系统及方法 | |
Schwesinger et al. | Automated valet parking and charging for e-mobility | |
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
CN112461227B (zh) | 轮式底盘机器人巡检智能化自主导航方法 | |
EP1240562B1 (en) | Autonomous multi-platform robot system | |
CN111788102A (zh) | 用于跟踪交通灯的里程计系统和方法 | |
SE1451662A1 (en) | Improved navigation for a robotic work tool | |
CN102087530A (zh) | 基于手绘地图和路径的移动机器人视觉导航方法 | |
CN110174108B (zh) | 一种仿人的基于拓扑地图的agv自主定位导航方法 | |
EP3686704B1 (en) | Method for generating a representation and system for teaching an autonomous device operating based on such representation | |
CN112462762B (zh) | 一种基于路侧二维码单元的机器人室外自主移动系统及其方法 | |
CN111966089A (zh) | 在移动机器人中使用代价地图估计动态障碍物速度的方法 | |
CN106647729A (zh) | 基于图像识别与无线网络的agv导航系统及导航方法 | |
CN114326732A (zh) | 一种机器人自主跟随系统及自主跟随控制方法 | |
CN108363395A (zh) | 一种agv自主避障的方法 | |
CN109612477A (zh) | 一种综合应用人工路标和栅格地图的移动机器人自主导航方法 | |
CN114954525A (zh) | 一种适用于磷矿开采巷道的无人驾驶运输车系统及运行方法 | |
CN110320912A (zh) | 激光与视觉slam融合的agv定位导航装置及方法 | |
EP4206849A1 (en) | Autonomous mobile device and method for controlling same | |
Launay et al. | A corridors lights based navigation system including path definition using a topologically corrected map for indoor mobile robots | |
JP3200062B2 (ja) | 移動路データに対する評価方法 | |
CN113885495A (zh) | 一种基于机器视觉的室外自动工作控制系统、方法及设备 | |
Fleischer et al. | Machine-vision-based detection and tracking of stationary infrastructural objects beside inner-city roads | |
Moon et al. | Dynamic Motion Planning for E cient Visual Navigation under Uncertainty," |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |