CN110986981B - 面向多机器人路径规划的增设路径障碍方法 - Google Patents

面向多机器人路径规划的增设路径障碍方法 Download PDF

Info

Publication number
CN110986981B
CN110986981B CN201911215497.8A CN201911215497A CN110986981B CN 110986981 B CN110986981 B CN 110986981B CN 201911215497 A CN201911215497 A CN 201911215497A CN 110986981 B CN110986981 B CN 110986981B
Authority
CN
China
Prior art keywords
path
road
point
max
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.)
Active
Application number
CN201911215497.8A
Other languages
English (en)
Other versions
CN110986981A (zh
Inventor
简琤峰
卢涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201911215497.8A priority Critical patent/CN110986981B/zh
Publication of CN110986981A publication Critical patent/CN110986981A/zh
Application granted granted Critical
Publication of CN110986981B publication Critical patent/CN110986981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips

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

本发明涉及面向多机器人路径规划的增设路径障碍方法，以前一次路径规划的路径拓宽为障碍区域O，路径规划得road，当road与O没有交点时可以通行，否则将road与O在x轴上的投影值从小到大排列并取判断区间，将road内和前一次路径的所有点的横坐标的值在区间内的点分别存储于集合B和C中，C中两端的点连接得到线段D、扩展得Oi，以集合B中的点与Oi位置判断，存在交叉则淘汰路径road。本发明将前一次规划的路径拓宽，变成由若干矩形组成的近似宽曲线为障碍物O，下一机器人路径规划时必须与O无交点。本发明可有效保护可通行区域，为后续机器人的路径规划提供了更有利的可行区域，保证了后续机器人在路径规划上的优势。

Description

面向多机器人路径规划的增设路径障碍方法
技术领域
本发明涉及非电变量的控制或调节系统的技术领域，特别涉及一种面向多机器人路径规划的增设路径障碍方法。
背景技术
路径规划的目的是在给定起点和目标点的空间里规划出一条从起点到目标点的无碰撞路径。
在多机器人路径规划领域，现存的避免机器人发生碰撞的方法主要有两类，一类依靠机器人自身的硬件识别，另一类为中央处理方法，包括基于图论的经典的路径规划算法，如DFS、BFS、Dijkstra、Astra等，而智能路径规划算法则包括蚁群算法、遗传算法、模糊算法等。
现有技术中，中央处理方法主要采用以节点增设圆形障碍物或是增设矩形障碍物等为主，但这些方法在不同程度上造成了空间的浪费，解决问题的效率较低、效果不佳，最重要的是无法做到路径最短。
发明内容
本发明解决了现有技术中存在的问题，提供了一种优化的面向多机器人路径规划的增设路径障碍方法,用于避免机器人发生碰撞,且在避免路径交叉的前提下，保证路径最短。
本发明所采用的技术方案是，一种面向多机器人路径规划的增设路径障碍方法，所述方法包括以下步骤：
步骤1：获取前一次路径规划的路径，拓宽得到障碍区域O，得到O在x轴上投影的最大值Omax.x、最小值Omin.x，得到O在y轴上投影的最大值Omax.y、最小值Omin.y；
步骤2：进行一次路径规划，得到当前规划路径road；
步骤3：得到路径road在x轴上投影的最大值roadmax.x、最小值roadmin.x，得到路径road在y轴上投影的最大值roadmax.y、最小值roadmin.y；若roadmax.x＜Omin.x或roadmin.x>Omax.x，则road与O没有交点，可以通行，结束，否则，进行下一步；
步骤4：若roadmax.y＜Omin.y或roadmin.y>Omax.y，则road与O没有交点，可以通行，结束，否则，将roadmax.x、roadmin.x、Omax.x和Omin.x从小到大排列，取位于第二和第三的两个值分别为x1、x2；
步骤5：将road内所有点的坐标都保存在集合A中；将集合A中横坐标的值在[x1,x2]内的点复制并存储于集合B中；取前一次路径中横坐标的值在[x1,x2]内的点，收录于集合C中；
步骤6：将集合C中在x轴上投影值最小的点和最大的点连接，得到线段D，线段D的起点坐标为(xs,ys)、终点坐标为(xt,yt)，则有y＝k*x+b，x∈(xs,xt)；
步骤7：将D扩展，得到矩形区域Oi；
步骤8：取集合B中纵坐标在(ys,yt)的点与Oi进行位置判断；
步骤9：综合步骤8的判断结果，如有集合B中纵坐标在(ys,yt)的点与Oi存在交叉，则两条路径存在交叉，输出比对结果，淘汰路径road。
优选地，若不存在前一次路径，则Omax.x为其他机器人活动区域的宽度，Omin.x为0，Omax.y为其他机器人活动区域的高度，Omin.y为0。
优选地，所述步骤7中，在坐标点(xs,ys)及(xt,yt)处作斜率均为
Figure BDA0002299384080000021
的两条直线line1、line2，在line1和line2间朝向相背的两个方向平移D，每个方向平移
Figure BDA0002299384080000022
产生的两个新的线段Do和Du，得到由line1、line2、Do、Du围成的矩形区域Oi。
优选地，W≥|ys-yt|。
优选地，所述步骤8中，点与Oi的位置判断包括以下步骤：
步骤8.1：取集合B中纵坐标在(ys,yt)任一点，作一条直线平行于X轴；
步骤8.2：若当前点两侧与矩形区域Oi的交点个数均为奇数个，则当前点在Oi内部，返回步骤9，对当前路径进行淘汰，否则，取集合B中纵坐标在(ys,yt)的其余点，重复步骤8.2，直至集合B中的点均被遍历，进行步骤9。
优选地，所述步骤6中，以集合C中的若干点为组、得到线段D，扩展，得到矩形区域Oi；比对完且road未淘汰，则将xs和xt在集合C中的位置向后1组或多组，得到新的起点(xs,ys)和终点(xt,yt)，得到新的线段D’，重复步骤7；直至当前障碍物Oi与集合B中对应的所有点进行比较。
优选地，以5～10个点为一组。
本发明提供了一种优化的面向多机器人路径规划的增设路径障碍方法，以前一次路径规划的路径拓宽得到障碍区域O，并得到O在x轴上投影的最大值、最小值、O在y轴上投影的最大值和最小值，进行路径规划得到road，当road与O没有交点时可以通行，否则将road与O在x轴上的投影值从小到大排列并取判断区间，将road内和前一次路径的所有点的横坐标的值在区间内的点分别存储于集合B和C中，C中两端的点连接得到线段D，扩展D得到矩形区域Oi，以集合B中的点与Oi进行位置判断，若存在交叉则淘汰路径road。
本发明将前一次机器人所规划出来的路径拓宽，变成一条近似宽曲线，这条近似宽曲线由若干个矩形所组成，然后将该曲线设置成为宽度为W的障碍物O，当下一个机器人进行路径规划时，必须与O无交点，即避开O所在的区域，机器人规划的路径不交叉。
本发明可有效保护可通行区域，为后续机器人的路径规划提供了更有利的可行区域，保证了后续机器人在路径规划上的优势。
附图说明
图1为本发明中矩形区域Oi的形成示意图；
图2为本发明中判断点是否在多边形内的两种情况示意图，(a)图中点在多边形外部，(b)图中点在多边形内部。
具体实施方式
下面结合实施例对本发明做进一步的详细描述，但本发明的保护范围并不限于此。
本发明涉及一种面向多机器人路径规划的增设路径障碍方法，所述方法包括以下步骤。
步骤1：获取前一次路径规划的路径，拓宽得到障碍区域O，得到O在x轴上投影的最大值Omax.x、最小值Omin.x，得到O在y轴上投影的最大值Omax.y、最小值Omin.y。
若不存在前一次路径，则Omax.x为其他机器人活动区域的宽度，Omin.x为0，Omax.y为其他机器人活动区域的高度，Omin.y为0。
步骤2：进行一次路径规划，得到当前规划路径road。
步骤3：得到路径road在x轴上投影的最大值roadmax.x、最小值roadmin.x，得到路径road在y轴上投影的最大值roadmax.y、最小值roadmin.y；若roadmax.x＜Omin.x或roadmin.x>Omax.x，则road与O没有交点，可以通行，结束，否则，进行下一步。
步骤4：若roadmax.y＜Omin.y或roadmin.y>Omax.y，则road与O没有交点，可以通行，结束，否则，将roadmax.x、roadmin.x、Omax.x和Omin.x从小到大排列，取位于第二和第三的两个值分别为x1、x2。
步骤5：将road内所有点的坐标都保存在集合A中；将集合A中横坐标的值在[x1,x2]内的点复制并存储于集合B中；取前一次路径中横坐标的值在[x1,x2]内的点，收录于集合C中。
步骤6：将集合C中在x轴上投影值最小的点和最大的点连接，得到线段D，线段D的起点坐标为(xs,ys)、终点坐标为(xt,yt)，则有y＝k*x+b，x∈(xs,xt)。
所述步骤6中，以集合C中的若干点为组、得到线段D，扩展，得到矩形区域Oi；比对完且road未淘汰，则将xs和xt在集合C中的位置向后1组或多组，得到新的起点(xs,ys)和终点(xt,yt)，得到新的线段D’，重复步骤7；直至当前障碍物Oi与集合B中对应的所有点进行比较。
以5～10个点为一组。
本发明中，将集合C中顺次连接形成的n条线段中，第一条线段的起点和第n条线段的终点连接，得到线段D，线段D的表达方式为
Figure BDA0002299384080000051
x∈(xs,xt)，进而得到了y＝k*x+b。
本发明中，为了保证比对的精度及对于区域的有效利用，故一般每次取少量的点进行线段D的获取，防止矩形区域Oi的范围过大，一般来说，取5～10个点即可，以取5～10个点为例，即相对于第一次处理的第二次处理中，向后推进6～11个点即可。
步骤7：将D扩展，得到矩形区域Oi。
所述步骤7中，在坐标点(xs,ys)及(xt,yt)处作斜率均为
Figure BDA0002299384080000052
的两条直线line1、line2，在line1和line2间朝向相背的两个方向平移D，每个方向平移
Figure BDA0002299384080000053
产生的两个新的线段Do和Du，得到由line1、line2、Do、Du围成的矩形区域Oi。
W≥|ys-yt|。
步骤8：取集合B中纵坐标在(ys,yt)的点与Oi进行位置判断。
所述步骤8中，点与Oi的位置判断包括以下步骤：
步骤8.1：取集合B中纵坐标在(ys,yt)任一点，作一条直线平行于X轴；
步骤8.2：若当前点两侧与矩形区域Oi的交点个数均为奇数个，则当前点在Oi内部，返回步骤9，对当前路径进行淘汰，否则，取集合B中纵坐标在(ys,yt)的其余点，重复步骤8.2，直至集合B中的点均被遍历，进行步骤9。
本发明中，过点作一条关于x轴平行的直线，若该直线与Oi没有交点，则从左边起的第一个交点代表直线进入Oi内部，则第二个交点代表直线穿出Oi，那么第三个交点又代表进入多边形，以此类推则交点的个数必为偶数，以两个为一组代表直线进入和穿出Oi，而当直线与Oi有交点则为奇数个。
步骤9：综合步骤8的判断结果，如有集合B中纵坐标在(ys,yt)的点与Oi存在交叉，则两条路径存在交叉，输出比对结果，淘汰路径road。
本发明以前一次路径规划的路径拓宽得到障碍区域O，并得到O在x轴上投影的最大值、最小值、O在y轴上投影的最大值和最小值，进行路径规划得到road，当road与O没有交点时可以通行，否则将road与O在x轴上的投影值从小到大排列并取判断区间，将road内和前一次路径的所有点的横坐标的值在区间内的点分别存储于集合B和C中，C中两端的点连接得到线段D，扩展D得到矩形区域Oi，以集合B中的点与Oi进行位置判断，若存在交叉则淘汰路径road。
本发明将前一次机器人所规划出来的路径拓宽，变成一条近似宽曲线，这条近似宽曲线由若干个矩形所组成，然后将该曲线设置成为宽度为W的障碍物O，当下一个机器人进行路径规划时，必须与O无交点，即避开O所在的区域，机器人规划的路径不交叉。
本发明可有效保护可通行区域，为后续机器人的路径规划提供了更有利的可行区域，保证了后续机器人在路径规划上的优势。

Claims (7)

1.一种面向多机器人路径规划的增设路径障碍方法，其特征在于：所述方法包括以下步骤：
步骤1：获取前一次路径规划的路径，拓宽得到障碍区域O，得到O在x轴上投影的最大值Omax.x、最小值Omin.x，得到O在y轴上投影的最大值Omax.y、最小值Omin.y；
步骤2：进行一次路径规划，得到当前规划路径road；
步骤3：得到路径road在x轴上投影的最大值roadmax.x、最小值roadmin.x，得到路径road在y轴上投影的最大值roadmax.y、最小值roadmin.y；若roadmax.x＜Omin.x或roadmin.x＞Omax.x，则road与O没有交点，可以通行，结束，否则，进行下一步；
步骤4：若roadmax.y＜Omin.y或roadmin.y＞Omax.y，则road与O没有交点，可以通行，结束，否则，将roadmax.x、roadmin.x、Omax.x和Omin.x从小到大排列，取位于第二和第三的两个值分别为x1、x2；
步骤5：将road内所有点的坐标都保存在集合A中；将集合A中横坐标的值在[x1，x2]内的点复制并存储于集合B中；取前一次路径中横坐标的值在[x1，x2]内的点，收录于集合C中；
步骤6：将集合C中在x轴上投影值最小的点和最大的点连接，得到线段D，线段D的起点坐标为(xs，ys)、终点坐标为(xt，yt)，则有y＝k*x+b，x∈(xs，xt)；
步骤7：将D扩展，得到矩形区域Oi；
步骤8：取集合B中纵坐标在(ys，yt)的点与Oi进行位置判断；
步骤9：综合步骤8的判断结果，如有集合B中纵坐标在(ys，yt)的点与Oi存在交叉，则两条路径存在交叉，输出比对结果，淘汰路径road。
2.根据权利要求1所述的一种面向多机器人路径规划的增设路径障碍方法，其特征在于：若不存在前一次路径，则Omax.x为其他机器人活动区域的宽度，Omin.x为0，Omax.y为其他机器人活动区域的高度，Omin.y为0。
3.根据权利要求1所述的一种面向多机器人路径规划的增设路径障碍方法，其特征在于：所述步骤7中，在坐标点(xs，ys)及(xt，yt)处作斜率均为
Figure FDA0003202765320000021
的两条直线line1、line2，在line1和line2间朝向相背的两个方向平移线段D，每个方向平移
Figure FDA0003202765320000022
产生的两个新的线段Do和Du，得到由line1、line2、Do、Du围成的矩形区域Oi。
4.根据权利要求3所述的一种面向多机器人路径规划的增设路径障碍方法，其特征在于：W≥|ys-yt|。
5.根据权利要求1所述的一种面向多机器人路径规划的增设路径障碍方法，其特征在于：所述步骤8中，点与Oi的位置判断包括以下步骤：
步骤8.1：取集合B中纵坐标在(ys，yt)任一点，作一条直线平行于X轴；
步骤8.2：若当前点两侧与矩形区域Oi的交点个数均为奇数个，则当前点在Oi内部，返回步骤9，对当前路径进行淘汰，否则，取集合B中纵坐标在(ys，yt)的其余点，重复步骤8.2，直至集合B中的点均被遍历，进行步骤9。
6.根据权利要求1所述的一种面向多机器人路径规划的增设路径障碍方法，其特征在于：所述步骤6中，以集合C中的若干点为组、得到线段D，扩展，得到矩形区域Oi；比对完且road未淘汰，则将xs和xt在集合C中的位置向后1组或多组，得到新的起点(xs，ys)和终点(xt，yt)，得到新的线段D’，重复步骤7；直至当前障碍物Oi与集合B中对应的所有点进行比较。
7.根据权利要求6所述的一种面向多机器人路径规划的增设路径障碍方法，其特征在于：以5～10个点为一组。
CN201911215497.8A 2019-12-02 2019-12-02 面向多机器人路径规划的增设路径障碍方法 Active CN110986981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911215497.8A CN110986981B (zh) 2019-12-02 2019-12-02 面向多机器人路径规划的增设路径障碍方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911215497.8A CN110986981B (zh) 2019-12-02 2019-12-02 面向多机器人路径规划的增设路径障碍方法

Publications (2)

Publication Number Publication Date
CN110986981A CN110986981A (zh) 2020-04-10
CN110986981B true CN110986981B (zh) 2021-12-07

Family

ID=70089265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911215497.8A Active CN110986981B (zh) 2019-12-02 2019-12-02 面向多机器人路径规划的增设路径障碍方法

Country Status (1)

Country Link
CN (1) CN110986981B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009091431A1 (en) * 2008-01-14 2009-07-23 The Boeing Company Computing flight plans for uavs while routing around obstacles having spatial and temporal dimensions
CN102169347A (zh) * 2011-03-08 2011-08-31 浙江工业大学 基于协作协进化和多种群遗传算法的多机器人路径规划系统
CN106970617A (zh) * 2017-04-06 2017-07-21 佛山科学技术学院 一种求解三目标机器人路径规划问题的方法
CN108958293A (zh) * 2018-09-07 2018-12-07 济南大学 一种无人机路径规划方法
CN109634284A (zh) * 2019-01-15 2019-04-16 安徽工程大学 基于嵌套三分算法的机器人执行端避障的路径规划方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102854880B (zh) * 2012-10-08 2014-12-31 中国矿业大学 面向混合地形区域不确定环境的机器人全局路径规划方法
CN103412490B (zh) * 2013-08-14 2015-09-16 山东大学 用于多机器人动态路径规划的多克隆人工免疫网络算法
US20180150080A1 (en) * 2018-01-24 2018-05-31 GM Global Technology Operations LLC Systems and methods for path planning in autonomous vehicles

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009091431A1 (en) * 2008-01-14 2009-07-23 The Boeing Company Computing flight plans for uavs while routing around obstacles having spatial and temporal dimensions
CN102169347A (zh) * 2011-03-08 2011-08-31 浙江工业大学 基于协作协进化和多种群遗传算法的多机器人路径规划系统
CN106970617A (zh) * 2017-04-06 2017-07-21 佛山科学技术学院 一种求解三目标机器人路径规划问题的方法
CN108958293A (zh) * 2018-09-07 2018-12-07 济南大学 一种无人机路径规划方法
CN109634284A (zh) * 2019-01-15 2019-04-16 安徽工程大学 基于嵌套三分算法的机器人执行端避障的路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多机器人系统中的机器人路径规划研究;万超;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111015(第10期);全文 *

Also Published As

Publication number Publication date
CN110986981A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN112904842B (zh) 一种基于代价势场的移动机器人路径规划与优化方法
WO2018176596A1 (zh) 基于权重改进粒子群算法的无人自行车路径规划方法
CN109116841B (zh) 一种基于蚁群算法的路径规划平滑优化方法
CN110231824B (zh) 基于直线偏离度方法的智能体路径规划方法
CN113485369B (zh) 改进a*算法的室内移动机器人路径规划和路径优化方法
CN108413963B (zh) 基于自学习蚁群算法的条形机器人路径规划方法
CN110763247A (zh) 基于可视图和贪心算法结合的机器人路径规划方法
CN103529843A (zh) Lambda*路径规划算法
CN106525047A (zh) 一种基于floyd算法的无人机路径规划方法
CN107992038A (zh) 一种机器人路径规划方法
CN109443357B (zh) 基于全凸包扩张算法的障碍物间最优路径解算方法
CN112965485B (zh) 一种基于二次区域划分的机器人全覆盖路径规划方法
CN114815802A (zh) 一种基于改进蚁群算法的无人天车路径规划方法和系统
CN112129296B (zh) 一种机器人轨迹规划方法及系统
CN113189988B (zh) 一种基于Harris算法与RRT算法复合的自主路径规划方法
CN111080786A (zh) 基于bim的室内地图模型构建方法及装置
CN114326726B (zh) 一种基于a*与改进人工势场法的编队路径规划控制方法
CN110986981B (zh) 面向多机器人路径规划的增设路径障碍方法
JPH10333746A (ja) 移動ロボットの経路作成方法
CN108227718B (zh) 一种自适应切换的自动搬运小车路径规划方法
CN112539751A (zh) 一种机器人路径规划方法
CN115016461B (zh) 一种基于动态终点策略的IA-Star算法的机器人路径规划方法
CN113791610B (zh) 一种移动机器人全局路径规划方法
CN110399679B (zh) 一种地基基础位置优化设计方法
CN110599010B (zh) 一种基于遗传算法的有向限制焊接任务规划方法

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