CN111123934A - 轨迹评估方法、轨迹评估装置及移动机器人 - Google Patents

轨迹评估方法、轨迹评估装置及移动机器人 Download PDF

Info

Publication number
CN111123934A
CN111123934A CN201911356857.6A CN201911356857A CN111123934A CN 111123934 A CN111123934 A CN 111123934A CN 201911356857 A CN201911356857 A CN 201911356857A CN 111123934 A CN111123934 A CN 111123934A
Authority
CN
China
Prior art keywords
distance
weight
evaluated
target
obstacle
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
Application number
CN201911356857.6A
Other languages
English (en)
Inventor
胡泽田
曾鹤
许霄
谭世恒
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.)
Shenzhen Shenlan Vision Technology Co Ltd
Original Assignee
Shenzhen Shenlan Vision Technology Co Ltd
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 Shenzhen Shenlan Vision Technology Co Ltd filed Critical Shenzhen Shenlan Vision Technology Co Ltd
Priority to CN201911356857.6A priority Critical patent/CN111123934A/zh
Publication of CN111123934A publication Critical patent/CN111123934A/zh
Pending legal-status Critical Current

Links

Images

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors 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
    • G05D1/0212—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
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • 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
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • 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

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)
  • Acoustics & Sound (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请提供的一种轨迹评估方法包括：获取N个障碍物距离信息；根据所述N个障碍物距离信息，确定目标障碍物距离；获取预设路径的终点与移动机器人的当前位置之间的距离，并作为目标点距离；对于待评估轨迹集合中的任一待评估轨迹，根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重；根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，其中，所述目标度量值用于指示所述待评估轨迹与障碍物的距离的远近；根据第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。通过上述方法，能够提高对移动机器人在路径规划中的待评估轨迹的评估准确性。

Description

轨迹评估方法、轨迹评估装置及移动机器人
技术领域
本申请属于移动机器人技术领域，尤其涉及轨迹评估方法、轨迹评估装置、移动机器人及计算机可读存储介质。
背景技术
在对移动机器人进行路径规划时，由于移动机器人所面对的环境多种多样，往往难以针对复杂的动态的环境准确地评估各个待评估的路径轨迹，从而无法获取最优的移动路径，导致移动机器人对环境的适应性较差，影响了移动机器人的移动控制效率和移动的安全性。
发明内容
本申请实施例提供了轨迹评估方法、轨迹评估装置、移动机器人及计算机可读存储介质，可以提高对移动机器人在路径规划中的待评估轨迹的评估准确性，从而提升移动机器人在移动时的安全性和对环境的适应能力。
第一方面，本申请实施例提供了一种轨迹评估方法，包括：
获取N个障碍物距离信息，其中，所述N个障碍物距离信息包括N个障碍物距离的信息，所述N个障碍物距离表示在N个方位上的障碍物分别与所述移动机器人之间的距离，N为大于1的整数；
根据所述N个障碍物距离信息，确定目标障碍物距离；
获取预设路径的终点与移动机器人的当前位置之间的距离，并作为目标点距离；
对于待评估轨迹集合中的任一待评估轨迹，根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，其中，所述第一预估距离为所述待评估轨迹的预估终点与预设节点之间的距离，所述第二预估距离为所述预估终点与所述预设路径之间的最短距离，所述预设节点为预设区域的边缘与所述预设路径的交点；
根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，其中，所述目标度量值用于指示所述待评估轨迹与障碍物的距离的远近；
根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。
第二方面，本申请实施例提供了一种轨迹评估装置，包括：
第一获取模块，用于获取N个障碍物距离信息，其中，所述N个障碍物距离信息包括N个障碍物距离的信息，所述N个障碍物距离表示在N个方位上的障碍物分别与所述移动机器人之间的距离，N为大于1的整数；
第一确定模块，用于根据所述N个障碍物距离信息，确定目标障碍物距离；
第二获取模块，用于获取预设路径的终点与移动机器人的当前位置之间的距离，并作为目标点距离；
第二确定模块，用于对于待评估轨迹集合中的任一待评估轨迹，根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，其中，所述第一预估距离为所述待评估轨迹的预估终点与预设节点之间的距离，所述第二预估距离为所述预估终点与所述预设路径之间的最短距离，所述预设节点为预设区域的边缘与所述预设路径的交点；
第三确定模块，用于根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，其中，所述目标度量值用于指示所述待评估轨迹与障碍物的距离的远近；
第一处理模块，用于根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。
第三方面，本申请实施例提供了一种移动机器人，包括存储器、处理器、显示器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面所述的轨迹评估方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的轨迹评估方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动机器人上运行时，使得移动机器人执行上述第一方面中所述的轨迹评估方法。
本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，通过所述根据所述N个障碍物距离信息，确定目标障碍物距离，并获取预设路径的终点与移动机器人的当前位置之间的距离，作为目标点距离，可以获取到当前环境下的目标障碍物距离以及目标点距离，从而根据当前环境下的所述目标点距离、所述目标障碍物距离以及所述N个障碍物距离信息，确定所述第一预估距离所对应的第一权重、第二预估距离所对应的第二权重以及目标度量值所对应的第三权重，并根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。此时，可以针对不同的环境条件，动态地调整待评估轨迹所对应的各个待评估的参数的权值，从而可以适应多变的环境场景，提升了对移动机器人在路径规划中的各个待评估轨迹的评估准确性，从而提升移动机器人在移动时的安全性和对环境的适应能力。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种轨迹评估方法的流程示意图；
图2是本申请一实施例提供的步骤S104的一种流程示意图；
图3是本申请一实施例提供的步骤S105的一种流程示意图；
图4是本申请一实施例提供的一种轨迹评估装置的结构示意图；
图5是本申请实施例提供的移动机器人的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当……时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
具体地，图1示出了本申请实施例提供的一种轨迹评估方法的流程图，该轨迹评估方法可以应用于移动机器人。
本申请实施例中，所述移动机器人可以为能够移动的机器人。所述移动机器人的类型、功能、应用场景以及移动方式等等可以有多种。在此不作限制。示例性的，所述移动机器人可以是扫地机器人。
如图1所示，该轨迹评估方法包括：
步骤S101，获取N个障碍物距离信息，其中，所述N个障碍物距离信息包括N个障碍物距离的信息，所述N个障碍物距离表示在N个方位上的障碍物分别与所述移动机器人之间的距离，N为大于1的整数。
本申请实施例中，所述N个障碍物距离信息可以是所述移动机器人上的传感设备(如红外传感器、超声传感器等)检测得到的，也可以是所述移动机器人通过特定信息传输方式获取到的，例如，可以是通过无线传输方式或者有线传输方式，从其他终端接收到的。
所述N个方位中，每个方位可以对应一个方向角度，也可以对应一个方向角度范围，相应的，该方位上的障碍物距离可以根据该方位上的特定传感器(如红外传感器、超声传感器、激光雷达等)所采集的数据来确定。
步骤S102，根据所述N个障碍物距离信息，确定目标障碍物距离。
本申请实施例中，示例性的，所述目标障碍物距离可以是所述N个障碍物距离中的最小值。当然，也可以通过其他方式确定所述目标障碍物距离。
步骤S103，获取预设路径的终点与移动机器人的当前位置之间的距离，作为目标点距离。
本申请实施例中，在对移动机器人进行路径规划时，可以预先根据环境信息、所述移动机器人的任务信息等，确定所述移动机器人的预设路径。示例性的，所述预设路径可以为该移动机器人所对应的全局路径。在一些实施例中，所述目标点距离的取值范围可以为[0，L]，其中，所述L可以是所述预设路径的长度。
步骤S104，对于待评估轨迹集合中的任一待评估轨迹，根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，其中，所述第一预估距离为所述待评估轨迹的预估终点与预设节点之间的距离，所述第二预估距离为所述预估终点与所述预设路径之间的最短距离，所述预设节点为预设区域的边缘与所述预设路径的交点。
本申请实施例中，可以根据所述移动机器人的线速度取值范围、角速度取值范围、加速度取值范围以及环境信息等中的一个或多个因素，确定所述待评估轨迹集合中的各个待评估轨迹。示例性的，各个待评估轨迹可以分别对应一组速度对，通过该速度对，可以唯一地确定该待评估轨迹。例如，一个所述待评估轨迹可以对应一组包含线速度和角速度的速度对。
本申请实施例中，可以根据各个待评估轨迹所对应的评估值来确定最优轨迹，从而控制移动机器人进行移动。现有技术中，对所述待评估轨迹的评估方式无法根据环境情况动态调整，导致对待评估轨迹的评估不准确，无法适应多种环境情况。而本申请实施例中，可以根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，此时，该第一权重和第二权重会随着不同环境中障碍物距离、移动机器人的任务情况等等条件的变化而动态调整，从而提高对不同环境情况的适应性。其中，所述第一权重可以指示接近所述预设节点的程度，所述第二权重可以指示贴合所述预设路径的程度。
其中，示例性的，所述预设区域可以为所述移动机器人所对应的局部地图，所述局部地图可以用于局部路径规划。所述预设节点可以为所述移动机器人所对应的局部地图的边缘与所述全局路径的交点，该预设节点也可以称为局部目标点。此时，所述第一预估距离越大，所述待评估轨迹越偏离所述预设路径的预设节点。所述第二预估距离可以用于指示所述待评估轨迹相对于所述预设路径的偏离情况。所述第二预估距离越大，所述待评估轨迹越偏离所述预设路径；相反的，所述第二预估距离越小，所述待评估轨迹则越贴合所述预设路径。
步骤S105，根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，其中，所述目标度量值用于指示所述待评估轨迹与障碍物的距离的远近。
本申请实施例中，所述第三权重可以指示远离障碍物的程度。对于不同的待评估轨迹，所述第三权重也可以随着环境因素(如障碍物距离)而变化，从而在后续计算所述待评估轨迹所对应的评估值时，动态调整所述目标度量值所占的比重。
其中，示例性的，所述目标度量值可以根据所述待评估轨迹所对应的栅格地图中的栅格点的代价值来确定。其中，所述栅格地图中，各个所述栅格点的代价值可以分别根据各个栅格点到障碍物的距离得到。示例性的，可以根据相应的欧氏距离等得到各个所述栅格点的代价值。其中，一般来说，所述栅格点越靠近障碍物，该栅格点的代价值越大。在一种应用场景下，所述目标度量值可以为所述待评估轨迹所覆盖的栅格点的代价值之和。
步骤S106，根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。
本申请实施例中，可以根据动态窗口法(Dynamic Window Approach，DWA)，获得所述待评估轨迹所对应的评估值。
具体的，可以基于所述动态窗口法，建立所述待评估轨迹所对应的评估方程，该评估方程可以为：
C＝α*Gdist+β*Pdist+γ*Cobs
其中，α为所述第一权重，Gdist为所述第一预估距离，β为所述第二权重，Pdist为所述第二预估距离，γ为所述第三权重，Cobs为所述目标度量值。
此时，根据该评估方程，可以计算得到所述待评估轨迹所对应的评估值。
传统的DWA算法中，往往采取固定的权值组合，即在整个路径规划过程中，第一预估距离、第二预估距离以及所述目标度量值所分别对应的第一权重、第二权重与第三权重固定不变。固定不变的权值组合不能体现距离目标点远近、障碍物多少和障碍物远近这些不同情况下对最优轨迹的不同要求，使得在面对复杂的动态的环境时，不可能将各种情况最优化，从而导致该DWA算法不能很好的适应不同环境，路径规划成功率下降，不利于实际应用。而本申请实施例中，通过模糊控制等方式来动态调整DWA算法中的各个权重，可以提高DWA算法对各种不同环境情况的适应性，从而提升移动机器人移动的安全性。
在一些实施例中，所述步骤S104具体包括：
步骤201，根据关于所述目标点距离的第一隶属度函数、关于所述目标障碍物距离的第二隶属度函数和预设的第一模糊规则表，得到各个第一规则分别对应的第一隶属度，其中，所述第一模糊规则表中包含所述各个第一规则；
步骤202，获取所述第一权重分别相对于各个第一规则的第一取值；
步骤203，根据各个第一规则分别对应的第一隶属度和各个所述第一取值，确定第一预估距离所对应的第一权重；
步骤204，获取所述第二权重分别相对于各个第一规则的第二取值；
步骤205，根据各个第一规则分别对应的第一隶属度和各个所述第二取值，确定第二预估距离所对应的第二权重。
本申请实施例中，模糊规则可以将相应的精确值按照特定的隶属度函数归并到各模糊子集中，并且，可以用语言变量来描述。
本申请实施例中，可以预先建立所述第一隶属度函数、第二隶属度函数以及第一模糊规则表。
所述第一模糊规则表中可以包括各个第一规则，其中，对于每一条第一规则，可以通过if-then的形式来表示，即，任一第一规则的结构形式可以为：
If A is true，AND B is true，AND C is true then D.
其中，用AND连接的A、B、C为条件，当条件A、条件B、条件C都满足时，则可以得到结果D。
示例性的，所述目标点距离dgoal的论域为[0，L]，其中，所述L为所述预设路径的长度，所述dgoal的模糊语言描述为{远(F)、中(M)、近(N)}；所述目标障碍物距离dobs的论域为[0，T]，所述T的取值可以设置为传感器的最大有效测量距离值，也可以是最大有效测量范围内的其他数值，所述dobs的模糊语言描述为{远(F)、中(M)、近(N)}。
此时，可以预先建立所述第一模糊规则表如下：
表1第一模糊规则表
Figure BDA0002336163810000091
该第一模糊规则表中，可以包括9条第一规则。
其中，建立所述第一模糊规则表的思路在于所述目标点距离越远以及所述目标障碍物距离越远，则所述移动机器人可以更贴合全局规划路径进行移动，速度可以增加，提高移动效率；所述目标点距离越近以及所述目标障碍物距离越近，则所述移动机器人可以更贴合局部规划路径进行移动，速度可以减慢，保证避障安全。
此外，可以预先建立关于所述目标点距离dgoal的所述第一隶属度函数：
Figure BDA0002336163810000101
Figure BDA0002336163810000102
Figure BDA0002336163810000103
其中，μN(dgoal)为所述dgoal的模糊语言为近时的隶属度子函数，μM(dgoal)为所述dgoal的模糊语言为中时的隶属度子函数，μF(dgoal)为所述dgoal的模糊语言为远时的隶属度子函数，L1小于L2，L2小于L3，L3小于L，μN(dgoal)+μM(dgoal)+μF(dgoal)＝1。
同时，可以预先建立关于所述目标障碍物距离dobs的所述第二隶属度函数：
Figure BDA0002336163810000104
Figure BDA0002336163810000105
Figure BDA0002336163810000111
其中，μN(dobs)为所述dobs的模糊语言为近时的隶属度子函数，μM(dobs)为所述dobs的模糊语言为中时的隶属度子函数，μF(dobs)为所述dobs的模糊语言为远时的隶属度子函数，T1小于T2，T2小于T3，T3小于T，μN(dobs)+μM(dobs)+μF(dobs)＝1。
此时，在确定所述目标点距离和所述目标障碍物距离之后，对于所述第一模糊规则表中的任一第一规则，可以计算所述目标点距离相对于该第一规则的第一子隶属度以及所述目标障碍物距离相对于所述第一规则的第二子隶属度，从而获得该第一规则所对应的第一隶属度。
在一些实施例中，所述根据关于所述目标点距离的第一隶属度函数、关于所述目标障碍物距离的第二隶属度函数和预设的第一模糊规则表，得到各个第一规则分别对应的第一隶属度，包括：
对于任一第一规则，根据所述第一隶属度函数，确定所述目标点距离相对于所述第一规则的第一子隶属度，并根据所述第二隶属度函数，确定所述目标障碍物距离相对于所述第一规则的第二子隶属度；
将所述第一子隶属度和第二子隶属度中的最小值作为所述第一规则的第一隶属度。
本申请实施例中，对于任一第一规则，可以将该第一规则所对应的第一子隶属度和第二子隶属度中的最小值，作为所述第一规则的第一隶属度。
具体的，可以为：
pk＝min{p1k，p2k}
其中，pk是第k条第一规则的第一隶属度，p1k所述目标点距离dgoal相对于第k条第一规则的第一子隶属度，p2k是所述目标障碍物距离dobs相对于第k条第一规则的第二子隶属度，k＝1，2，3，...，9。
本申请实施例中，所述第一权重分别相对于各个第一规则的第一取值可以根据所述第一权重的论域以及对应的模糊语言等来确定。示例性的，所述第一权重α的论域可以为[0，aMAX]，并且所述α的模糊语言为{很小(VS)、小(S)、中等(M)、大(L)、很大(VL)}，其中aMAX为第一权重所对应的第一预设最大值。在一些实施例中，可以确定所述α的各个模糊语言分量(即VS、S、M、L、VL)所分别对应的取值。例如，可以根据所述α的模糊语言分量的个数，将所述第一权重α的论域划分为对应的多个部分，并根据各个部分的最大值、最小值或者平均值等，来确定所述α的各个模糊语言分量所分别对应的取值。此时，可以根据所述α的各个模糊语言分量所分别对应的取值，确定所述第一权重分别相对于各个第一规则的第一取值。
需要说明的是，上述所述第一权重分别相对于各个第一规则的第一取值的设置方式还可以有其他设置方式，此处的示例仅作为示例性说明，而非限制。
此外，可以获取所述第二权重分别相对于各个第一规则的第二取值。其中，示例性的，所述第二权重β的论域可以为[0，βMAX]，并且所述β的模糊语言为{很小(VS)、小(S)、中等(M)、大(L)、很大(VL)}，其中βMAX为第二权重所对应的第二预设最大值。所述第二取值的确定方式与所述第一取值的确定方式可以类似，也可以不同。
此时，可以将各个输入变量(即目标点距离、目标障碍物距离)模糊化，并通过相应的模糊规则获得模糊输出，即获得所述第一隶属度、第二隶属度、各个第一取值和各个第二取值。
在获得模糊输出之后，可以进一步地进行去模糊化。因此，进一步的，可以根据各个第一规则分别对应的第一隶属度和各个所述第一取值，确定第一预估距离所对应的第一权重，并根据各个第一规则分别对应的第一隶属度和各个所述第二取值，确定第二预估距离所对应的第二权重。
其中，可以根据最大隶属度函数法、加权平均法以及重心法等方式中的一种或多种，进行去模糊化，获得数值化的第一权重和第二权重。
具体的，所述第一权重α所对应的第一权重公式为：
Figure BDA0002336163810000131
其中，pk是第k条第一规则的第一隶属度，所述αk为所述第一权重α相对于第k条第一规则的第一取值。
所述第二权重β所对应的第一权重公式为：
Figure BDA0002336163810000132
其中，pk是第k条第一规则的第一隶属度，所述βk为所述第二权重β相对于第k条第一规则的第二取值。
在一些实施例中，所述步骤S105具体包括：
步骤S301，根据关于所述N个障碍物距离的第三隶属度函数和第二模糊规则表，得到各个第二规则所分别对应的第二隶属度，其中，所述第二模糊规则表中包含所述各个第二规则；
步骤S302，获取所述第三权重分别相对于各个第二规则的第三取值；
步骤S303，根据各个第二规则所分别对应的第二隶属度和各个所述第三取值，确定目标度量值所对应的第三权重。
本申请实施例中，可以预先建立关于所述N个障碍物距离以及所述目标度量值的第二模糊规则表，其中，可以首先确定所述N个障碍物距离所对应的模糊语言以及所述目标度量值的模糊语言，从而建立所述第二模糊规则表。
示例性的，下面以一种具体示例，说明本申请实施例的一种具体实现。
若所述N为3，即可以获取到对应于移动机器人的三个方位上的3个障碍物距离dL、dF、dR。此时，所述dL的论域为[0，T]，所述dL的模糊语言描述为{远(F)、中(M)、近(N)}；所述dF的论域为[0，T]，所述dF的模糊语言描述为{远(F)、中(M)、近(N)}；所述dR的论域为[0，T]，所述dR的模糊语言描述为{远(F)、中(M)、近(N)}。所述第三权重γ的论域可以为[0，γMAX]，并且所述γ的模糊语言为{很小(VS)、小(S)、中等(M)、大(L)、很大(VL)}，其中γMAX为第三权重所对应的第三预设最大值。其中所述T的取值可以设置为传感器的最大有效测量距离值，也可以是最大有效测量范围内的其他数值。
此时，可以预先建立所述第二模糊规则表如下：
表2第二模糊规则表
Figure BDA0002336163810000141
Figure BDA0002336163810000151
该第二模糊规则表中，可以包括27条第二规则。
此外，可以预先建立关于所述N个障碍物距离的第三隶属度函数，即dL、dF、dR所分别对应的第三隶属度函数。
在一些情况下，可以预先建立关于所述dL的第三隶属度函数：
Figure BDA0002336163810000152
Figure BDA0002336163810000153
Figure BDA0002336163810000154
其中，μN(dL)为所述dL的模糊语言为近时的隶属度子函数，μM(dL)为所述dL的模糊语言为中时的隶属度子函数，μF(dL)为所述dL的模糊语言为远时的隶属度子函数，T1小于T2，T2小于T3，T3小于T，μN(dL)+μM(dL)+μF(dL)＝1。
此外，还可以预先建立关于所述dF、dR的第三隶属度函数。所述dF、dR的第三隶属度函数可以与所述dL的第三隶属度函数类似；当然，在一些情况下，也可以不同。
此时，在确定所述目标度量值之后，对于所述第二模糊规则表中的任一第二规则，可以计算所述N个障碍物距离分别相对于所述第二规则的第三子隶属度，从而获得该第二规则所对应的第二隶属度。
在一些实施例中，所述根据关于所述N个障碍物距离的第三隶属度函数和第二模糊规则表，得到各个第二规则所分别对应的第二隶属度，包括：
对于任一第二规则，根据所述第三隶属度函数，确定所述N个障碍物距离分别相对于所述第二规则的第三子隶属度；
将各个所述第三子隶属度中的最小值作为所述第二规则的第二隶属度。
本申请实施例中，对于任一第二规则，可以将该第二规则所对应的各个第三子隶属度中的最小值，作为所述第二规则的第二隶属度。
具体的，可以为：
qm＝min{q1m，q2m，q3m}
其中，qm是第m条第二规则的第二隶属度，q1m是所述dL相对于第m条第二规则的第三子隶属度，q2m是所述dF相对于第m条第二规则的第三子隶属度，q3m是所述dR相对于第m条第二规则的第三子隶属度，m＝1，2，3，...，27。
获取所述第三权重分别相对于各个第二规则的第三取值；
本申请实施例中，所述第三权重分别相对于各个第二规则的第三取值可以根据所述第三权重的论域以及对应的模糊语言等来确定。示例性的，所述第三权重γ的论域可以为[0，γMAX]，并且所述γ的模糊语言为{很小(VS)、小(S)、中等(M)、大(L)、很大(VL)}，其中γMAX为第三权重所对应的第三预设最大值。在一些实施例中，可以确定所述γ的各个模糊语言分量(即VS、S、M、L、VL)所分别对应的取值。例如，可以根据所述γ的模糊语言分量的个数，将所述第三权重γ的论域划分为对应的多个部分，并根据各个部分的最大值、最小值或者平均值等，来确定所述γ的各个模糊语言分量所分别对应的取值。
需要说明的是，上述所述第三权重分别相对于各个第二规则的第三取值的设置方式还可以有其他设置方式，此处的示例仅作为示例性说明，而非限制。
进一步的，可以根据各个第二规则所分别对应的第二隶属度和各个所述第三取值，确定目标度量值所对应的第三权重。
其中，示例性的，可以根据最大隶属度函数法、加权平均法以及重心法等方式中的一种或多种，确定目标度量值所对应的第三权重。
具体的，所述第三权重γ所对应的第三权重公式为：
Figure BDA0002336163810000171
其中，qm是第m条第二规则的第二隶属度，所述γm为所述第三权重γ相对于第m条第二规则的第三取值。
本申请实施例中，根据相应的模糊规则，通过模糊控制来动态调整所述第一权重、第二权重以及第三权重，可以在不同环境情况下，更合理地评估待评估轨迹，并且可以使得移动机器人速度平稳，过渡自然，轨迹平滑，对环境的适应性强，可以对障碍物保持一定安全距离，同时可以提高路径规划的效率和移动机器人移动的安全性。
在一些实施例中，所述根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值，包括：
将所述第一权重、第二权重和第三权重归一化，获得归一化后的第一权重、归一化后的第二权重和归一化后的第三权重；
将归一化后的第一权重和所述第一预估距离的乘积、归一化后的第二权重和所述第二预估距离的乘积和归一化后的第三权重和所述目标度量值的乘积相加，得到所述待评估轨迹所对应的评估值。
其中，在一些情况下，若所述待评估轨迹为所述待评估轨迹集合中的第i条待评估轨迹，则具体的，可以得到该第i条待评估轨迹的归一化后的第一权重ai：
Figure BDA0002336163810000172
该第i条待评估轨迹的归一化后的第二权重βi：
Figure BDA0002336163810000181
以及该第i条待评估轨迹的归一化后的第三权重γi：
Figure BDA0002336163810000182
此时，该第i条待评估轨迹的评估值为：
C(i)＝normal_ai*Gdist(i)+normal_βi*Pdist(i)+normal_γi*Cobs(i)
其中，n为所述待评估轨迹集合中的待评估轨迹的总数，i＝1，2，3，…，n。
在一些实施例中，所述待评估轨迹集合中的每一个待评估轨迹分别与一组速度对相对应，不同的待评估轨迹所对应的速度对不同，所述速度对包括线速度和角速度；
在根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值之后，还包括：
遍历所述待评估轨迹集合中的所有待评估轨迹，获得每一个待评估轨迹所对应的评估值；
根据每一个待评估轨迹所对应的评估值，从所述待评估轨迹集合中确定目标轨迹；
根据所述目标轨迹所对应的速度对，控制所述移动机器人进行移动。
本申请实施例中，在一些情况下，所述待评估轨迹的评估值越小，可以认为所述待评估轨迹越符合期望状态。因此，可以选择对应的评估值最小的待评估轨迹作为所述目标轨迹。此时，可以根据所述目标轨迹所对应的线速度和角速度来控制移动机器人进行移动。
本申请实施例中，通过所述根据所述N个障碍物距离信息，确定目标障碍物距离，并获取预设路径的终点与移动机器人的当前位置之间的距离，作为目标点距离，可以获取到当前环境下的目标障碍物距离以及目标点距离，从而根据当前环境下的所述目标点距离、所述目标障碍物距离以及所述N个障碍物距离信息，确定所述第一预估距离所对应的第一权重、第二预估距离所对应的第二权重以及目标度量值所对应的第三权重，并根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。此时，可以针对不同的环境条件，动态地调整待评估轨迹所对应的各个待评估的参数的权值，从而可以适应多变的环境场景，提升了对移动机器人在路径规划中的各个待评估轨迹的评估准确性，便于移动机器人获取最优路径，从而提升路径规划的成功率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的轨迹评估方法，图4示出了本申请实施例提供的一种轨迹评估装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图4，该轨迹评估装置4包括：
第一获取模块401，用于获取N个障碍物距离信息，其中，所述N个障碍物距离信息包括N个障碍物距离的信息，所述N个障碍物距离表示在N个方位上的障碍物分别与所述移动机器人之间的距离，N为大于1的整数；
第一确定模块402，用于根据所述N个障碍物距离信息，确定目标障碍物距离；
第二获取模块403，用于获取预设路径的终点与移动机器人的当前位置之间的距离，并作为目标点距离；
第二确定模块404，用于对于待评估轨迹集合中的任一待评估轨迹，根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，其中，所述第一预估距离为所述待评估轨迹的预估终点与预设节点之间的距离，所述第二预估距离为所述预估终点与所述预设路径之间的最短距离，所述预设节点为预设区域的边缘与所述预设路径的交点；
第三确定模块405，用于根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，其中，所述目标度量值用于指示所述待评估轨迹与障碍物的距离的远近；
第一处理模块406，用于根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。
可选的，所述第二确定模块404具体包括：
第一处理单元，用于根据关于所述目标点距离的第一隶属度函数、关于所述目标障碍物距离的第二隶属度函数和预设的第一模糊规则表，得到各个第一规则分别对应的第一隶属度，其中，所述第一模糊规则表中包含所述各个第一规则；
第一获取单元，用于获取所述第一权重分别相对于各个第一规则的第一取值；
第一确定单元，用于根据各个第一规则分别对应的第一隶属度和各个所述第一取值，确定第一预估距离所对应的第一权重；
第二获取单元，用于获取所述第二权重分别相对于各个第一规则的第二取值；
第二确定单元，用于根据各个第一规则分别对应的第一隶属度和各个所述第二取值，确定第二预估距离所对应的第二权重。
可选的，所述第一处理单元具体包括：
第一确定子单元，用于对于任一第一规则，根据所述第一隶属度函数，确定所述目标点距离相对于所述第一规则的第一子隶属度，并根据所述第二隶属度函数，确定所述目标障碍物距离相对于所述第一规则的第二子隶属度；
第一处理子单元，用于将所述第一子隶属度和第二子隶属度中的最小值作为所述第一规则的第一隶属度。
可选的，所述第三确定模块405具体包括：
第二处理单元，用于根据关于所述N个障碍物距离的第三隶属度函数和第二模糊规则表，得到各个第二规则所分别对应的第二隶属度，其中，所述第二模糊规则表中包含所述各个第二规则；
第三获取单元，用于获取所述第三权重分别相对于各个第二规则的第三取值；
第三确定单元，用于根据各个第二规则所分别对应的第二隶属度和各个所述第三取值，确定目标度量值所对应的第三权重。
可选的，所述第二处理单元具体包括：
第二确定子单元，用于对于任一第二规则，根据所述第三隶属度函数，确定所述N个障碍物距离分别相对于所述第二规则的第三子隶属度；
第二处理子单元，用于将各个所述第三子隶属度中的最小值作为所述第二规则的第二隶属度。
可选的，所述第一处理模块406具体包括：
第三处理单元，用于将所述第一权重、第二权重和第三权重归一化，获得归一化后的第一权重、归一化后的第二权重和归一化后的第三权重；
第四处理单元，用于将归一化后的第一权重和所述第一预估距离的乘积、归一化后的第二权重和所述第二预估距离的乘积和归一化后的第三权重和所述目标度量值的乘积相加，得到所述待评估轨迹所对应的评估值。
可选的，所述待评估轨迹集合中的每一个待评估轨迹分别与一组速度对相对应，不同的待评估轨迹所对应的速度对不同，所述速度对包括线速度和角速度；
所述轨迹评估装置4还包括：
第二处理模块，用于遍历所述待评估轨迹集合中的所有待评估轨迹，获得每一个待评估轨迹所对应的评估值；
第四确定模块，用于根据每一个待评估轨迹所对应的评估值，从所述待评估轨迹集合中确定目标轨迹；
控制模块，用于根据所述目标轨迹所对应的速度对，控制所述移动机器人进行移动。
本申请实施例中，通过所述根据所述N个障碍物距离信息，确定目标障碍物距离，并获取预设路径的终点与移动机器人的当前位置之间的距离，作为目标点距离，可以获取到当前环境下的目标障碍物距离以及目标点距离，从而根据当前环境下的所述目标点距离、所述目标障碍物距离以及所述N个障碍物距离信息，确定所述第一预估距离所对应的第一权重、第二预估距离所对应的第二权重以及目标度量值所对应的第三权重，并根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。此时，可以针对不同的环境条件，动态地调整待评估轨迹所对应的各个待评估的参数的权值，从而可以适应多变的环境场景，提升了对移动机器人在路径规划中的各个待评估轨迹的评估准确性，便于移动机器人获取最优路径，从而提升路径规划的成功率。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图5为本申请一实施例提供的移动机器人的结构示意图。如图5所示，该实施例的移动机器人5包括：至少一个处理器50(图5中仅示出一个)处理器、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52，所述处理器50执行所述计算机程序52时实现上述任意各个轨迹评估方法实施例中的步骤。
所述移动机器人5可以包括计算设备以及各类机械部件。该移动机器人的形式、结构等在此不作限制。该移动机器人可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是移动机器人5的举例，并不构成对移动机器人5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述移动机器人5的内部存储单元，例如移动机器人5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述移动机器人5的外部存储设备，例如所述移动机器人5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述移动机器人5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
另外，尽管未示出，上述移动机器人5还可以包括网络连接模块，如蓝牙模块、Wi-Fi模块、蜂窝网络模块等等，在此不再赘述。
本申请实施例中，上述处理器50执行上述计算机程序52以实现上述任意各个方法实施例中的步骤时，通过所述根据所述N个障碍物距离信息，确定目标障碍物距离，并获取预设路径的终点与移动机器人的当前位置之间的距离，作为目标点距离，可以获取到当前环境下的目标障碍物距离以及目标点距离，从而根据当前环境下的所述目标点距离、所述目标障碍物距离以及所述N个障碍物距离信息，确定所述第一预估距离所对应的第一权重、第二预估距离所对应的第二权重以及目标度量值所对应的第三权重，并根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。此时，可以针对不同的环境条件，动态地调整待评估轨迹所对应的各个待评估的参数的权值，从而可以适应多变的环境场景，提升了对移动机器人在路径规划中的各个待评估轨迹的评估准确性，便于移动机器人获取最优路径，从而提升路径规划的成功率。
本申请实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上上述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种轨迹评估方法，其特征在于，包括：
获取N个障碍物距离信息，其中，所述N个障碍物距离信息包括N个障碍物距离的信息，所述N个障碍物距离表示在N个方位上的障碍物分别与所述移动机器人之间的距离，N为大于1的整数；
根据所述N个障碍物距离信息，确定目标障碍物距离；
获取预设路径的终点与移动机器人的当前位置之间的距离，作为目标点距离；
对于待评估轨迹集合中的任一待评估轨迹，根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，其中，所述第一预估距离为所述待评估轨迹的预估终点与预设节点之间的距离，所述第二预估距离为所述预估终点与所述预设路径之间的最短距离，所述预设节点为预设区域的边缘与所述预设路径的交点；
根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，其中，所述目标度量值用于指示所述待评估轨迹与障碍物的距离的远近；
根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。
2.如权利要求1所述的轨迹评估方法，其特征在于，所述根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，包括：
根据关于所述目标点距离的第一隶属度函数、关于所述目标障碍物距离的第二隶属度函数和预设的第一模糊规则表，得到各个第一规则分别对应的第一隶属度，其中，所述第一模糊规则表中包含所述各个第一规则；
获取所述第一权重分别相对于各个第一规则的第一取值；
根据各个第一规则分别对应的第一隶属度和各个所述第一取值，确定第一预估距离所对应的第一权重；
获取所述第二权重分别相对于各个第一规则的第二取值；
根据各个第一规则分别对应的第一隶属度和各个所述第二取值，确定第二预估距离所对应的第二权重。
3.如权利要求2所述的轨迹评估方法，其特征在于，所述根据关于所述目标点距离的第一隶属度函数、关于所述目标障碍物距离的第二隶属度函数和预设的第一模糊规则表，得到各个第一规则分别对应的第一隶属度，包括：
对于任一第一规则，根据所述第一隶属度函数，确定所述目标点距离相对于所述第一规则的第一子隶属度，并根据所述第二隶属度函数，确定所述目标障碍物距离相对于所述第一规则的第二子隶属度；
将所述第一子隶属度和第二子隶属度中的最小值作为所述第一规则的第一隶属度。
4.如权利要求1所述的轨迹评估方法，其特征在于，所述根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，包括：
根据关于所述N个障碍物距离的第三隶属度函数和第二模糊规则表，得到各个第二规则所分别对应的第二隶属度，其中，所述第二模糊规则表中包含所述各个第二规则；
获取所述第三权重分别相对于各个第二规则的第三取值；
根据各个第二规则所分别对应的第二隶属度和各个所述第三取值，确定目标度量值所对应的第三权重。
5.如权利要求4所述的轨迹评估方法，其特征在于，所述根据关于所述N个障碍物距离的第三隶属度函数和第二模糊规则表，得到各个第二规则所分别对应的第二隶属度，包括：
对于任一第二规则，根据所述第三隶属度函数，确定所述N个障碍物距离分别相对于所述第二规则的第三子隶属度；
将各个所述第三子隶属度中的最小值作为所述第二规则的第二隶属度。
6.如权利要求1所述的轨迹评估方法，其特征在于，所述根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值，包括：
将所述第一权重、第二权重和第三权重归一化，获得归一化后的第一权重、归一化后的第二权重和归一化后的第三权重；
将归一化后的第一权重和所述第一预估距离的乘积、归一化后的第二权重和所述第二预估距离的乘积和归一化后的第三权重和所述目标度量值的乘积相加，得到所述待评估轨迹所对应的评估值。
7.如权利要求1至6任意一项所述的轨迹评估方法，其特征在于，所述待评估轨迹集合中的每一个待评估轨迹分别与一组速度对相对应，不同的待评估轨迹所对应的速度对不同，所述速度对包括线速度和角速度；
在根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值之后，还包括：
遍历所述待评估轨迹集合中的所有待评估轨迹，获得每一个待评估轨迹所对应的评估值；
根据每一个待评估轨迹所对应的评估值，从所述待评估轨迹集合中确定目标轨迹；
根据所述目标轨迹所对应的速度对，控制所述移动机器人进行移动。
8.一种轨迹评估装置，其特征在于，包括：
第一获取模块，用于获取N个障碍物距离信息，其中，所述N个障碍物距离信息包括N个障碍物距离的信息，所述N个障碍物距离表示在N个方位上的障碍物分别与所述移动机器人之间的距离，N为大于1的整数；
第一确定模块，用于根据所述N个障碍物距离信息，确定目标障碍物距离；
第二获取模块，用于获取预设路径的终点与移动机器人的当前位置之间的距离，作为目标点距离；
第二确定模块，用于对于待评估轨迹集合中的任一待评估轨迹，根据所述目标点距离和所述目标障碍物距离，确定第一预估距离所对应的第一权重和第二预估距离所对应的第二权重，其中，所述第一预估距离为所述待评估轨迹的预估终点与预设节点之间的距离，所述第二预估距离为所述预估终点与所述预设路径之间的最短距离，所述预设节点为预设区域的边缘与所述预设路径的交点；
第三确定模块，用于根据所述N个障碍物距离信息，确定目标度量值所对应的第三权重，其中，所述目标度量值用于指示所述待评估轨迹与障碍物的距离的远近；
第一处理模块，用于根据所述第一权重、第二权重和第三权重，通过动态窗口法获得所述待评估轨迹所对应的评估值。
9.一种移动机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的轨迹评估方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的轨迹评估方法。
CN201911356857.6A 2019-12-25 2019-12-25 轨迹评估方法、轨迹评估装置及移动机器人 Pending CN111123934A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911356857.6A CN111123934A (zh) 2019-12-25 2019-12-25 轨迹评估方法、轨迹评估装置及移动机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911356857.6A CN111123934A (zh) 2019-12-25 2019-12-25 轨迹评估方法、轨迹评估装置及移动机器人

Publications (1)

Publication Number Publication Date
CN111123934A true CN111123934A (zh) 2020-05-08

Family

ID=70502158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911356857.6A Pending CN111123934A (zh) 2019-12-25 2019-12-25 轨迹评估方法、轨迹评估装置及移动机器人

Country Status (1)

Country Link
CN (1) CN111123934A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111665847A (zh) * 2020-06-24 2020-09-15 上海应用技术大学 一种基于模糊逻辑的动态窗口避障算法
CN112540365A (zh) * 2020-12-10 2021-03-23 中国第一汽车股份有限公司 一种评估方法、装置、设备及存储介质
CN113032503A (zh) * 2021-03-02 2021-06-25 重庆智行者信息科技有限公司 备选轨迹评价方法及装置
CN114384916A (zh) * 2022-01-13 2022-04-22 华中科技大学 一种越野车路径规划的自适应决策方法及系统
CN115687764A (zh) * 2022-11-01 2023-02-03 北京百度网讯科技有限公司 车辆轨迹评估模型的训练方法、车辆轨迹评估方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103707298A (zh) * 2013-12-06 2014-04-09 中国民航大学 一种连续型机器人空间路径跟踪效果的评价方法
CN109976343A (zh) * 2019-03-26 2019-07-05 电子科技大学 一种基于动态窗口法的主动避障方法
CN110045737A (zh) * 2019-04-28 2019-07-23 南京邮电大学 基于动态窗口法的仿人足球机器人的路径规划
CN110162063A (zh) * 2019-06-12 2019-08-23 北京洛必德科技有限公司 一种用于机器人自动充电的路径规划方法和装置
CN110465928A (zh) * 2019-08-23 2019-11-19 河北工业大学 一种仓储商品取放移动平台及该移动平台的路径规划方法
CN110609559A (zh) * 2019-10-25 2019-12-24 江苏恒澄交科信息科技股份有限公司 用于无人船路径跟随和避障的改进dwa动态窗口法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103707298A (zh) * 2013-12-06 2014-04-09 中国民航大学 一种连续型机器人空间路径跟踪效果的评价方法
CN109976343A (zh) * 2019-03-26 2019-07-05 电子科技大学 一种基于动态窗口法的主动避障方法
CN110045737A (zh) * 2019-04-28 2019-07-23 南京邮电大学 基于动态窗口法的仿人足球机器人的路径规划
CN110162063A (zh) * 2019-06-12 2019-08-23 北京洛必德科技有限公司 一种用于机器人自动充电的路径规划方法和装置
CN110465928A (zh) * 2019-08-23 2019-11-19 河北工业大学 一种仓储商品取放移动平台及该移动平台的路径规划方法
CN110609559A (zh) * 2019-10-25 2019-12-24 江苏恒澄交科信息科技股份有限公司 用于无人船路径跟随和避障的改进dwa动态窗口法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
银长伟: "基于萤火虫算法和动态窗口法的移动机器人混合路径规划", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *
银长伟: "基于萤火虫算法和动态窗口法的移动机器人混合路径规划", 《中国优秀硕士学位论文全文数据库（电子期刊）》, 15 April 2019 (2019-04-15), pages 140 - 75 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111665847A (zh) * 2020-06-24 2020-09-15 上海应用技术大学 一种基于模糊逻辑的动态窗口避障算法
CN112540365A (zh) * 2020-12-10 2021-03-23 中国第一汽车股份有限公司 一种评估方法、装置、设备及存储介质
CN112540365B (zh) * 2020-12-10 2022-07-12 中国第一汽车股份有限公司 一种评估方法、装置、设备及存储介质
CN113032503A (zh) * 2021-03-02 2021-06-25 重庆智行者信息科技有限公司 备选轨迹评价方法及装置
CN114384916A (zh) * 2022-01-13 2022-04-22 华中科技大学 一种越野车路径规划的自适应决策方法及系统
CN115687764A (zh) * 2022-11-01 2023-02-03 北京百度网讯科技有限公司 车辆轨迹评估模型的训练方法、车辆轨迹评估方法和装置
CN115687764B (zh) * 2022-11-01 2023-12-01 北京百度网讯科技有限公司 车辆轨迹评估模型的训练方法、车辆轨迹评估方法和装置

Similar Documents

Publication Publication Date Title
CN111123934A (zh) 轨迹评估方法、轨迹评估装置及移动机器人
US11161246B2 (en) Robot path planning method and apparatus and robot using the same
CN111290385A (zh) 一种机器人路径规划方法、机器人、电子设备及存储介质
CN110471409B (zh) 机器人巡检方法、装置、计算机可读存储介质及机器人
CN112526999B (zh) 速度规划方法、装置、电子设备和存储介质
CN111381586A (zh) 一种机器人及其移动控制方法和装置
CN112415558B (zh) 行进轨迹的处理方法及相关设备
CN111288995B (zh) 移动机器人的路径规划方法、路径规划装置及终端设备
CN112540609B (zh) 路径规划方法、装置、终端设备及存储介质
US20140358434A1 (en) Peer-Assisted Dead Reckoning
Correa et al. Indoor pedestrian tracking by on-body multiple receivers
CN107843252A (zh) 导航路径优化方法、装置及电子设备
CN110967019A (zh) 一种规划机器人局部路径的方法及机器人
CN114578808A (zh) 路径规划方法、电子设备、计算机程序产品及存储介质
CN109814142A (zh) 一种铁路巡检的巡检定位方法、装置、介质及设备
CN112097772B (zh) 机器人及其地图构建方法和装置
CN117246359A (zh) 车辆轨迹的预测方法、装置、设备、存储介质及产品
CN113172658A (zh) 一种机器人的定位方法、装置、设备及介质
CN106885567A (zh) 一种惯导协作定位方法及定位设备
CN108551653B (zh) 一种室内定位方法、装置、电子设备及存储介质
CN113297259B (zh) 机器人及其环境地图构建方法和装置
CN116233755A (zh) 室内定位方法、装置、计算机设备及存储介质
CN115979288A (zh) 一种航向角确定方法、电子设备和存储介质
CN112729349B (zh) 里程计在线标定的方法、装置、电子设备及存储介质
CN109788431B (zh) 一种基于相邻节点组的蓝牙定位方法、装置、设备和系统

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20240927

AD01 Patent right deemed abandoned