CN111207750A - 一种机器人动态路径规划方法 - Google Patents
一种机器人动态路径规划方法 Download PDFInfo
- Publication number
- CN111207750A CN111207750A CN201911415852.6A CN201911415852A CN111207750A CN 111207750 A CN111207750 A CN 111207750A CN 201911415852 A CN201911415852 A CN 201911415852A CN 111207750 A CN111207750 A CN 111207750A
- Authority
- CN
- China
- Prior art keywords
- robot
- force
- sector
- dynamic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 3
- 108010046685 Rho Factor Proteins 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出的一种机器人动态路径规划方法,包括以下步骤:结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自由空间直方图,并计算自由空间直方图中各扇区的期望;结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区内的受力,并计算机器人在各扇区内的受力之和作为合力;根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人运动角度为机器人在合力和附加力综合作用下的运动方向。本发明中,在基本AG算法的自由空间力中加入机器人和障碍物的相对速度分量,从而使机器人能够迅速躲避动态障碍物,有效地进行动态避障和动态路径规划。
Description
技术领域
本发明涉及机器人和运动分析技术领域,尤其涉及一种机器人动态路径规 划方法。
背景技术
移动机器人众多研究领域中最基本同时也是最重要的一个领域就是路径规 划问题。路径规划要完成的任务是找到一条从起点到终点的最优路径,同时需 要避开环境中的障碍物,这是机器人智能化的体现。AG算法是一种基于虚拟立 场技术(VFF)的反应性的移动机器人路径规划算法,它的优点是只使用一个单 一的由周边自由空间产生的吸引力控制机器人运动,所以避免了局部最优解的 问题。但是,传统的AG算法只考虑了障碍物是静态的情况,当环境中出现动态 障碍物时,动态障碍物的运动速度和运动方向具有不确定性,当动态障碍物的 运动轨迹与机器人运动轨迹出现交点时可能会发生碰撞的情况。
发明内容
基于背景技术存在的技术问题,本发明提出了一种机器人动态路径规划方 法。
本发明提出的一种机器人动态路径规划方法,包括以下步骤:
S1、结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自 由空间直方图,并计算自由空间直方图中各扇区的期望;
S2、结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区 内的受力,并计算机器人在各扇区内的受力之和作为合力;
S3、根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器 人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人 运动角度为机器人在合力和附加力综合作用下的运动方向。
优选的,步骤S1中,自由空间直方图中各扇区的初始距离值为机器人在扇 区内活动窗口的半径raw和当目标在机器人视觉范围内出现时机器人当前位置到 目标的距离dgoal中的较小值。
优选的,步骤S2中,机器人在各扇区内的受力根据如下公式计算:
Fk=(λkdk)2×Δk,k=1,2,3...,K;其中,λk为自由空间直方图中第k个扇区的 期望,dk为第k个扇区的初始距离值,Δk为第k个扇区的方向的单位矢量,K 为自由空间直方图中扇区总数。
优选的,各扇区的期望的计算公式为:
优选的,ηλ=500。
优选的,步骤S3中,机器人附加力的计算具体包括以下步骤:
首先获取机器人的当前运动速度矢量VR与距离机器人最近的动态障碍物当 前运动速度矢量Vi,并判断VR与Vi在机器人与所述障碍物连线上的相对运动速度 VRi;
当VRi大于0,则附加力为机器人在由障碍物指向机器人的方向上的受力FV1与机器人在垂直于障碍物与机器人连线方向上的受力FV2的合力Fv;
当VRi小于或者等于0,则附加力为0。
优选的,FV1的标量值大于或者等于合力在机器人与障碍物连线方向上的分 量。
优选的,FV2与合力在垂直于机器人与障碍物连线方向上的分力方向相反, 其标量值大于或者等于所述分力。
优选的,还包括步骤S4:周期性判断机器人是否抵达目标位置;否,则返 回步骤S1;是,则机器人停止运动。
本发明提出的一种机器人动态路径规划方法,在获取机器人运动环境的全 景信息的情况下,以动态障碍物的运动信息与机器人相对运动信息为参照,对 机器人与动态障碍物的碰撞可能进行预测,然后根据预测结果,通过施加附加 力使得机器人对动态障碍物进行绕行,保证机器人运动安全。
且,本发明中,在基本AG算法的自由空间力中加入机器人和障碍物的相对 速度分量,该相对速度分量的增加可以起到使机器人远离障碍物运动的作用, 从而使机器人能够迅速躲避动态障碍物,有效地进行动态避障和动态路径规 划。
附图说明
图1为本发明提出的一种机器人动态路径规划方法的流程图;
图2为机器人自由空间直方图;
图3为机器人受力分析图。
具体实施方式
参照图1,本发明提出的一种机器人动态路径规划方法,包括以下步骤。
S1、结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自 由空间直方图,并计算自由空间直方图中各扇区的期望。
具体的,首先获得机器人的自由空间直方图(FSH)如图2所示,自由空间直 方图中各扇区的初始距离值dmax为机器人在扇区内活动窗口的半径raw和当目标 在机器人视觉范围内(FOV)出现时机器人当前位置到目标的距离dgoal中的较小 值。
raw为环境中有源区域的尺寸,假设机器人最初定位在开放区域,raw可视 作有源区域的最大距离,以保证机器人自由活动需求。dgoal的设置保证了机器 人在接近障碍物的情况下仍然可以到达目标。
如果没有期望的影响,机器人将试图找到最大的自由空间并且直接朝其前 进而不管目标在哪,因此期望的增加是为了使机器人能够朝向目标运动。基本 AG算法期望采用固定值。本实施方式中,考虑到了机器人的动态变化,机器人 在不同的位置会或者不同的期望,故而提供了一种动态的期望计算方式。
本实施方式中,各扇区的期望的计算公式为:
其中,ηλ为期望增益系数,为预设值,具体实施时,可设置ηλ=500;ρ(XR, Xg)为机器人当前位置到目标位置的距离。
本实施方式中提供的期望计算方法,可保证机器人离目标位置的距离越近 期望值越大,机器人朝向目标运动的动力也越大,保证机器人朝向目标点运 动,从而使机器人最终到达目标点。
S2、结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区 内的受力,并计算机器人在各扇区内的受力之和作为合力。
具体的,机器人在各扇区内的受力根据如下公式计算:
Fk=(λkdk)2×Δk,k=1,2,3...,K;其中,λk为自由空间直方图中第k个扇区的 期望,dk为第k个扇区的初始距离值,Δk为第k个扇区的方向的单位矢量,K 为自由空间直方图中扇区总数。
S3、根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器 人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人 运动角度为机器人在合力和附加力综合作用下的运动方向。
具体的,机器人附加力的计算具体包括以下步骤:
首先获取机器人的当前运动速度矢量VR与距离机器人最近的动态障碍物当 前运动速度矢量Vi,并判断VR与Vi在机器人与所述障碍物连线上的相对运动速度 VRi;
当VRi大于0,则附加力为机器人在由障碍物指向机器人的方向上的受力FV1与机器人在垂直于障碍物与机器人连线方向上的受力FV2的合力Fv;
当VRi小于或者等于0,则附加力为0。
即,VRi=VRcos(α)-Vicos(β),其中VR为机器人当前运动速度矢量,Vi为动态障碍物当前运动速度矢量,α为机器人当前运动方向与机器人 和障碍物连线方向的夹角,β为障碍物当前运动方向与机器人和障碍物连线方向 的夹角。
当VRi大于0,表示机器人与障碍物有相互碰撞的可能,故而向机器人施加 附加力Fv。附加力Fv视为FV1和FV2组成,其中FV1分力的方向为障碍物和机器人 连线上由障碍物指向机器人的方向,该分力使机器人向背离障碍物的方向运 动;FV2分力的方向为与机器人和障碍物连线垂直的方向,该分力使机器人向 垂直于障碍物的方向运动,充当机器人绕行的动力。如此,附加力Fv的施加, 可保证机器人安全绕过动态障碍物。机器人的受力分析具体如图3所示。
本实施方式中,为了保证附加力对机器人的有效引导,FV1的标量值大于或 者等于合力在机器人与障碍物连线方向上的分量;FV2与合力在垂直于机器人与 障碍物连线方向上的分力方向相反,其标量值大于或者等于所述分力。例如图3 中,VRcos(α)>Vicos(β),可设置, 为合力FFs与 机器人和障碍物连线方向的夹角。且F'Fs=FFs+FV。
当VRi小于或者等于0,表示机器人与障碍物无相撞可能,此时,不需要施 加附加力,避免影响机器人运动方向,使得机器人绕行增加行程距离和时间。
S4、周期性判断机器人是否抵达目标位置;否,则返回步骤S1;是,则机 器人停止运动。如此,本步骤中,通过步骤S1-S3的循环执行,保证了对机器 人运动的实时监控调节,保证机器人的安全运动。
以上所述,仅为本发明涉及的较佳的具体实施方式,但本发明的保护范围 并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内, 根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明 的保护范围之内。
Claims (10)
1.一种机器人动态路径规划方法,其特征在于,包括以下步骤:
S1、结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自由空间直方图,并计算自由空间直方图中各扇区的期望;
S2、结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区内的受力,并计算机器人在各扇区内的受力之和作为合力;
S3、根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人运动角度为机器人在合力和附加力综合作用下的运动方向。
2.如权利要求1所述的机器人动态路径规划方法,其特征在于,步骤S1中,自由空间直方图中各扇区的初始距离值为机器人在扇区内活动窗口的半径raw和当目标在机器人视觉范围内出现时机器人当前位置到目标的距离dgoal中的较小值。
3.如权利要求1或2所述的机器人动态路径规划方法,其特征在于,步骤S2中,机器人在各扇区内的受力根据如下公式计算:
Fk=(λkdk)2×Δk,k=1,2,3...,K;其中,λk为自由空间直方图中第k个扇区的期望,dk为第k个扇区的初始距离值,Δk为第k个扇区的方向的单位矢量,K为自由空间直方图中扇区总数。
5.如权利要求4所述的机器人动态路径规划方法,其特征在于,ηλ=500。
6.如权利要求1所述的机器人动态路径规划方法,其特征在于,步骤S3中,机器人附加力的计算具体包括以下步骤:
首先获取机器人的当前运动速度矢量VR与距离机器人最近的动态障碍物当前运动速度矢量Vi,并判断VR与Vi在机器人与所述障碍物连线上的相对运动速度VRi;
当VRi大于0,则附加力为机器人在由障碍物指向机器人的方向上的受力FV1与机器人在垂直于障碍物与机器人连线方向上的受力FV2的合力Fv;
当VRi小于或者等于0,则附加力为0。
7.如权利要求6所述的机器人动态路径规划方法,其特征在于,FV1的标量值大于或者等于合力在机器人与障碍物连线方向上的分量。
8.如权利要求6所述的机器人动态路径规划方法,其特征在于,FV2与合力在垂直于机器人与障碍物连线方向上的分力方向相反,其标量值大于或者等于所述分力。
10.如权利要求1所述的机器人动态路径规划方法,其特征在于,还包括步骤S4:周期性判断机器人是否抵达目标位置;否,则返回步骤S1;是,则机器人停止运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911415852.6A CN111207750A (zh) | 2019-12-31 | 2019-12-31 | 一种机器人动态路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911415852.6A CN111207750A (zh) | 2019-12-31 | 2019-12-31 | 一种机器人动态路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111207750A true CN111207750A (zh) | 2020-05-29 |
Family
ID=70782529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911415852.6A Pending CN111207750A (zh) | 2019-12-31 | 2019-12-31 | 一种机器人动态路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111207750A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
CN107102650A (zh) * | 2017-05-27 | 2017-08-29 | 河南科技大学 | 一种适用于高速环境的无人机动态路径规划方法 |
WO2018176668A1 (zh) * | 2017-03-27 | 2018-10-04 | 平安科技(深圳)有限公司 | 机器人的避障控制系统、方法、机器人及存储介质 |
-
2019
- 2019-12-31 CN CN201911415852.6A patent/CN111207750A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
WO2018176668A1 (zh) * | 2017-03-27 | 2018-10-04 | 平安科技(深圳)有限公司 | 机器人的避障控制系统、方法、机器人及存储介质 |
CN107102650A (zh) * | 2017-05-27 | 2017-08-29 | 河南科技大学 | 一种适用于高速环境的无人机动态路径规划方法 |
Non-Patent Citations (1)
Title |
---|
王楠等: "基于改进AG算法的机器人动态路径规划方法" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4903173B2 (ja) | 衝突回避機能を有するロボット | |
JP3842312B2 (ja) | 自律移動装置の衝突回避方法 | |
US8886357B2 (en) | Reinforcement learning apparatus, control apparatus, and reinforcement learning method | |
Xu et al. | Motion planning of manipulators for simultaneous obstacle avoidance and target tracking: An RNN approach with guaranteed performance | |
JP5156836B2 (ja) | リアルタイム自己衝突および障害物回避 | |
CN112975938B (zh) | 一种基于零空间的机械臂速度层轨迹规划方法 | |
Guo et al. | Obstacle avoidance with dynamic avoidance risk region for mobile robots in dynamic environments | |
US20210039731A1 (en) | Leg Swing Trajectories | |
Do et al. | Narrow passage path planning using fast marching method and support vector machine | |
Zhang et al. | An improved dynamic window approach integrated global path planning | |
Kumar et al. | Path planning and control of mobile robots using modified Tabu search algorithm in complex environment | |
Regier et al. | Deep reinforcement learning for navigation in cluttered environments | |
Nakhaeinia et al. | A behavior-based approach for collision avoidance of mobile robots in unknown and dynamic environments | |
CN115502961A (zh) | 基于人体手臂运动信息预测的人机在线避障方法及系统 | |
JP7160118B2 (ja) | 制御装置、制御方法、プログラム | |
Gulzar et al. | Realization of an improved path planning strategy | |
CN111207750A (zh) | 一种机器人动态路径规划方法 | |
Kedia et al. | Manicast: Collaborative manipulation with cost-aware human forecasting | |
CN112484726A (zh) | 一种基于三维模型的无人机路径规划方法 | |
Cichosz et al. | Collision Avoidance in Human-Cobot Work Cell Using Proximity Sensors and Modified Bug Algorithm | |
Oli et al. | Human Motion Behaviour Aware Planner (HMBAP) for path planning in dynamic human environments | |
Chen et al. | Voice control design of a mobile robot using shared-control approach | |
Mathew et al. | Development of waypoint tracking controller for differential drive mobile robot | |
LU102027B1 (en) | Intelligent obstacle avoidance method and system of human-robot safe interaction oriented robotic arm | |
Zeng et al. | Collision avoidance for nonholonomic mobile robots among unpredictable dynamic obstacles including humans |
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 |