CN112378402A - 自适应调整路径点容差的移动机器人路径规划方法及装置 - Google Patents

自适应调整路径点容差的移动机器人路径规划方法及装置 Download PDF

Info

Publication number
CN112378402A
CN112378402A CN202011256129.0A CN202011256129A CN112378402A CN 112378402 A CN112378402 A CN 112378402A CN 202011256129 A CN202011256129 A CN 202011256129A CN 112378402 A CN112378402 A CN 112378402A
Authority
CN
China
Prior art keywords
global
path
planning
path point
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.)
Granted
Application number
CN202011256129.0A
Other languages
English (en)
Other versions
CN112378402B (zh
Inventor
邵小宁
刘孟红
孙量
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.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric 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 Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN202011256129.0A priority Critical patent/CN112378402B/zh
Publication of CN112378402A publication Critical patent/CN112378402A/zh
Application granted granted Critical
Publication of CN112378402B publication Critical patent/CN112378402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations

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)

Abstract

本发明公开了一种自适应调整路径点容差的移动机器人路径规划方法,包括:根据目标点、机器人当前位置和环境地图,进行全局路径规划,得到全局规划路径点集合的全局规划路径;根据全局规划路径点集合,启动局部规划器,控制机器人向目标点移动;计算机器人定位质量,并判断是否启动全局规划路径点容差调整;当启动全局规划路径点容差调整时,根据机器人定位质量,计算全局规划路径点容差,并输入到局部规划器;局部规划器根据得到的全局规划路径点容差,计算到下一个全局规划路径点的局部规划路径,并控制机器人向下一个全局规划路径点移动;本发明还公开了一种自适应调整路径点容差的移动机器人路径规划装置;本发明总体上提高了路径规划的效率。

Description

自适应调整路径点容差的移动机器人路径规划方法及装置
技术领域
本发明涉及机器人及导航技术领域,特别是一种自适应调整路径点容差的移动机器人路径规划方法及装置。
背景技术
随着机器人相关技术的快速发展,人们对机器人的需求越来越高,自主导航功能是移动机器人的一项重要功能。机器人导航是根据机器人当前位置、目标点和环境地图,进行全局路径规划,得到全局路径,然后通过局部规划器控制机器人按照全局规划路径移动到达目标点。能否快速、平稳、准确的到达指定目标点是衡量机器人导航性能的重要指标。
机器人导航中全局路径规划得到的全局规划路径是由一系列全局规划路径点坐标构成的。自主全局路径规划通常采用A*、Dijkstra等算法,这两个算法规划的全局规划路径是曲线路径,适用于需要动态规划路径和避障的自由场景。另外人工绘制导航路径或路径点的情况也有着广泛的应用场景。
局部规划器根据全局路径规划得到的全局规划路径点,控制机器人沿着或者贴近全局规划路径点移动。现有的局部规划器算法目前通过一个固定的路径点容差来控制机器人通过不同的全局路径点,不能根据机器人定位质量进行容差调整,导致机器人导航效率偏低,控制不够稳定。
然而现有方法存在的问题包括:所有全局规划路径点(最终点为目标点)的容差设为相同且较小(比如1cm),当因各种原因(比如动态障碍物)造成定位质量下降时,机器人会为了到达中间的全局规划路径点(非目标点),而浪费较多的时间进行调整,总体上呈现出路径规划效率低。
发明内容
为解决现有技术中存在的问题,本发明的目的是提供一种自适应调整路径点容差的移动机器人路径规划方法及装置,基于雷达传感器和定位算法提供定位信息,用于解决现有技术存在的因全局规划路径点的容差设为相同、且定位质量下降造成的路径规划效率低的问题。
为实现上述目的,本发明采用的技术方案是:一种自适应调整路径点容差的移动机器人路径规划方法,包括:
根据目标点、机器人当前位置和环境地图,进行全局路径规划,得到全局规划路径,所述全局规划路径为全局规划路径点集合;
根据全局规划路径点集合,启动局部规划器,控制机器人沿着全局规划路径向目标点移动;
计算机器人定位质量,并判断是否启动全局规划路径点容差调整;
当启动全局规划路径点容差调整时,根据机器人定位质量,计算全局规划路径点容差,并输入到局部规划器;
局部规划器根据得到的全局规划路径点容差,计算到下一个全局规划路径点的局部规划路径,并控制机器人向下一个全局规划路径点移动。
作为本发明的进一步改进,所述环境地图基于雷达传感器构建,所述雷达传感器包括dTOF雷达或激光雷达。
作为本发明的进一步改进,通过A*算法、Dijkstra算法或人工绘制进行全局路径规划。
作为本发明的进一步改进,所述局部规划器为TEB、DWA或FTC。
作为本发明的进一步改进,计算机器人定位质量,并判断是否启动全局规划路径点容差调整具体为:
计算粒子滤波器中粒子的平均权重,当平均权重小于路径点容差调整阈值时,启动全局规划路径点容差调整。
作为本发明的进一步改进,计算机器人定位质量,并判断是否启动全局规划路径点容差调整具体为:
计算粒子滤波器中粒子的短期似然平均和长期似然平均,当短期似然平均和长期似然平均之比小于路径点容差调整阈值时,启动全局规划路径点容差调整。
作为本发明的进一步改进,根据机器人定位质量,计算全局规划路径点容差具体为:
通过离散方式或连续方式确定全局规划路径点容差。
本发明还提供一种自适应调整路径点容差的移动机器人路径规划装置,包括雷达传感器,还包括:
地图构建模块,用于基于雷达传感器构建环境地图;
全局路径规划模块,用于根据目标点、机器人当前位置和环境地图,进行全局路径规划,得到全局规划路径,所述全局规划路径为全局规划路径点集合;
局部规划器模块,用于根据全局规划路径点集合,启动局部规划器,控制机器人沿着全局规划路径向目标点移动;并用于根据路径点容差计算模块得到的全局规划路径点容差,计算到下一个全局规划路径点的局部规划路径,并控制机器人向下一个全局规划路径点移动;
定位质量计算模块,用于计算机器人定位质量,并判断是否启动全局规划路径点容差调整;
路径点容差计算模块,用于当启动全局规划路径点容差调整时,根据机器人定位质量,计算全局规划路径点容差,并输入到局部规划器。
本发明的有益效果是:
移动机器人在运动过程中,如发现存在质量下降的情况,计算并调整全局规划路径点的容差,减少机器人在中间的全局规划路径点浪费太多时间进行调整,总体上提高路径规划的效率。
附图说明
图1为本发明实施例1路径规划方法的流程框图;
图2为本发明实施例2路径规划装置的结构示意图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例1
如图1所示,一种自适应调整路径点容差的移动机器人路径规划方法,包括:
步骤1、根据目标点、机器人当前位置和环境地图,进行全局路径规划,得到全局规划路径,所述全局规划路径为全局规划路径点集合。
所述环境地图基于雷达传感器构建,所述雷达传感器包括但不限于dTOF雷达或激光雷达。基于雷达传感器构建环境地图,可以采用Gmapping、HectorSLAM、Cartographer等算法,构建的是二维栅格地图。
所述全局路径规划包括但不限于A*、Dijkstra、人工绘制等。
步骤2、根据全局规划路径点集合,启动局部规划器,控制机器人沿着全局规划路径向目标点移动。
所述局部规划器包含但不限于TEB、DWA、FTC等。
步骤3、计算机器人定位质量,并判断是否启动全局规划路径点容差调整。
所述计算机器人定位质量并判断是否启动全局规划路径点容差调整的方法,至少包括:
计算粒子滤波器中粒子的平均权重,当平均权重小于路径点容差调整阈值时,启动全局规划路径点容差调整。
计算粒子滤波器中粒子的短期似然平均和长期似然平均,当短期似然平均和长期似然平均之比小于路径点容差调整阈值时,启动全局规划路径点容差调整。
步骤4、当启动全局规划路径点容差调整时,根据机器人定位质量,计算全局规划路径点容差,并输入到局部规划器。
所述根据机器人定位质量、计算全局规划路径点容差的方法,至少包括:通过离散方式或连续方式确定全局规划路径点容差。
离散方式计算容差:
将定位质量映射成百分比阈值,可将定位质量与容差做以下组合,定位质量小于60%为定位失败;定位质量60%-70%,容差10cm;定位质量70%-80%,容差8cm;定位质量80%-90%,容差6cm;定位质量90%-92%,容差5cm;定位质量92%-94%,容差4cm;定位质量94%-96%,容差3cm;定位质量96%-98%,容差2cm;定位质量98%-100%,容差1cm。定位质量与容差的离散组合方式不限制于上述组合。
连续方式计算容差:
将定位质量映射成百分比阈值,可通过线性或非线性方程将定位质量与容差做对应,例如:y=a*x+b,其中a,b为线性方程系数,x为定位质量百分比,y为定位质量对应的容差,当x<60%时,定位失败,可设a=-25,b=26。
步骤5、局部规划器根据得到的全局规划路径点容差,计算到下一个全局规划路径点的局部规划路径,并控制机器人向下一个全局规划路径点移动。
根据本发明实施例提供的方法,机器人在运动过程中,如发现存在质量下降的情况,计算并调整全局规划路径点的容差,减少机器人在中间的全局规划路径点浪费太多时间进行调整,总体上提高路径规划的效率。
实施例2
如图2所示,一种自适应调整路径点容差的移动机器人路径规划装置,基于雷达传感器,包括:
地图构建模块,用于基于雷达传感器构建环境地图;
全局路径规划模块,用于根据目标点、机器人当前位置和环境地图,进行全局路径规划,得到全局规划路径,所述全局规划路径为全局规划路径点集合;
局部规划器模块,用于根据全局规划路径点集合,启动局部规划器,控制机器人沿着全局规划路径向目标点移动;并用于根据路径点容差计算模块得到的全局规划路径点容差,计算到下一个全局规划路径点的局部规划路径,并控制机器人向下一个全局规划路径点移动。
定位质量计算模块,用于计算机器人定位质量,并判断是否启动全局规划路径点容差调整;
路径点容差计算模块,用于当启动全局规划路径点容差调整时,根据机器人定位质量,计算全局规划路径点容差,并输入到局部规划器。
每个模块的具体方法实现,详见实施例1。
需要说明的是,本实施例中的各模块(或单元)是逻辑意义上的,具体实现时,多个模块(或单元)可以合并成一个模块(或单元),一个模块(或单元)也可以拆分成多个模块(或单元)。
根据本发明实施例提供的机器人设备,机器人在运动过程中,如发现存在定位质量下降的情况,计算并调整全局规划路径点的容差,减少机器人在中间的全局规划路径点浪费太多时间进行调整,总体上提高路径规划的效率。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。

Claims (8)

1.一种自适应调整路径点容差的移动机器人路径规划方法,其特征在于,包括:
根据目标点、机器人当前位置和环境地图,进行全局路径规划,得到全局规划路径,所述全局规划路径为全局规划路径点集合;
根据全局规划路径点集合,启动局部规划器,控制机器人沿着全局规划路径向目标点移动;
计算机器人定位质量,并判断是否启动全局规划路径点容差调整;
当启动全局规划路径点容差调整时,根据机器人定位质量,计算全局规划路径点容差,并输入到局部规划器;
局部规划器根据得到的全局规划路径点容差,计算到下一个全局规划路径点的局部规划路径,并控制机器人向下一个全局规划路径点移动。
2.根据权利要求1所述的自适应调整路径点容差的移动机器人路径规划方法,其特征在于,所述环境地图基于雷达传感器构建,所述雷达传感器包括dTOF雷达或激光雷达。
3.根据权利要求1所述的自适应调整路径点容差的移动机器人路径规划方法,其特征在于,通过A*算法、Dijkstra算法或人工绘制进行全局路径规划。
4.根据权利要求1所述的自适应调整路径点容差的移动机器人路径规划方法,其特征在于,所述局部规划器为TEB、DWA或FTC。
5.根据权利要求1所述的自适应调整路径点容差的移动机器人路径规划方法,其特征在于,计算机器人定位质量,并判断是否启动全局规划路径点容差调整具体为:
计算粒子滤波器中粒子的平均权重,当平均权重小于路径点容差调整阈值时,启动全局规划路径点容差调整。
6.根据权利要求1所述的自适应调整路径点容差的移动机器人路径规划方法,其特征在于,计算机器人定位质量,并判断是否启动全局规划路径点容差调整具体为:
计算粒子滤波器中粒子的短期似然平均和长期似然平均,当短期似然平均和长期似然平均之比小于路径点容差调整阈值时,启动全局规划路径点容差调整。
7.根据权利要求1所述的自适应调整路径点容差的移动机器人路径规划方法,其特征在于,根据机器人定位质量,计算全局规划路径点容差具体为:
通过离散方式或连续方式确定全局规划路径点容差。
8.一种自适应调整路径点容差的移动机器人路径规划装置,包括雷达传感器,其特征在于,还包括:
地图构建模块,用于基于雷达传感器构建环境地图;
全局路径规划模块,用于根据目标点、机器人当前位置和环境地图,进行全局路径规划,得到全局规划路径,所述全局规划路径为全局规划路径点集合;
局部规划器模块,用于根据全局规划路径点集合,启动局部规划器,控制机器人沿着全局规划路径向目标点移动;并用于根据路径点容差计算模块得到的全局规划路径点容差,计算到下一个全局规划路径点的局部规划路径,并控制机器人向下一个全局规划路径点移动;
定位质量计算模块,用于计算机器人定位质量,并判断是否启动全局规划路径点容差调整;
路径点容差计算模块,用于当启动全局规划路径点容差调整时,根据机器人定位质量,计算全局规划路径点容差,并输入到局部规划器。
CN202011256129.0A 2020-11-11 2020-11-11 自适应调整路径点容差的移动机器人路径规划方法及装置 Active CN112378402B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011256129.0A CN112378402B (zh) 2020-11-11 2020-11-11 自适应调整路径点容差的移动机器人路径规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011256129.0A CN112378402B (zh) 2020-11-11 2020-11-11 自适应调整路径点容差的移动机器人路径规划方法及装置

Publications (2)

Publication Number Publication Date
CN112378402A true CN112378402A (zh) 2021-02-19
CN112378402B CN112378402B (zh) 2022-02-22

Family

ID=74582785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011256129.0A Active CN112378402B (zh) 2020-11-11 2020-11-11 自适应调整路径点容差的移动机器人路径规划方法及装置

Country Status (1)

Country Link
CN (1) CN112378402B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1765142A (zh) * 2003-02-18 2006-04-26 高通股份有限公司 提供定位服务可用性和可用定位服务之质量的指示
US20140121833A1 (en) * 2012-10-30 2014-05-01 Samsung Techwin Co., Ltd. Apparatus and method for planning path of robot, and the recording media storing the program for performing the method
CN104535068A (zh) * 2014-11-25 2015-04-22 四川九洲电器集团有限责任公司 盲区路线导航方法及系统
US9689696B1 (en) * 2015-09-22 2017-06-27 X Development Llc Determining handoff checkpoints for low-resolution robot planning
CN107966150A (zh) * 2017-11-21 2018-04-27 武汉中元华电软件有限公司 基于路口点和路段的变电站作业机器人路径规划及导航定位方法
CN108253984A (zh) * 2017-12-19 2018-07-06 昆明理工大学 一种基于改进a星算法的移动机器人路径规划方法
CN108656117A (zh) * 2018-05-21 2018-10-16 武汉理工大学 一种多约束条件下最优时间的机械臂空间轨迹优化方法
CN109003303A (zh) * 2018-06-15 2018-12-14 四川长虹电器股份有限公司 基于语音和空间物体识别及定位的设备控制方法及装置
CN110293558A (zh) * 2018-03-21 2019-10-01 波音公司 用于对工件进行操作的机器人系统和方法
CN110516880A (zh) * 2019-08-29 2019-11-29 广州小鹏汽车科技有限公司 一种路径处理方法及系统、车辆
CN111865395A (zh) * 2020-06-12 2020-10-30 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种面向无人机编队通信的轨迹生成与跟踪方法及系统
CN112465192A (zh) * 2020-11-06 2021-03-09 浙江华睿科技有限公司 任务调度的方法、装置、设备及介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1765142A (zh) * 2003-02-18 2006-04-26 高通股份有限公司 提供定位服务可用性和可用定位服务之质量的指示
US20140121833A1 (en) * 2012-10-30 2014-05-01 Samsung Techwin Co., Ltd. Apparatus and method for planning path of robot, and the recording media storing the program for performing the method
CN104535068A (zh) * 2014-11-25 2015-04-22 四川九洲电器集团有限责任公司 盲区路线导航方法及系统
US9689696B1 (en) * 2015-09-22 2017-06-27 X Development Llc Determining handoff checkpoints for low-resolution robot planning
CN107966150A (zh) * 2017-11-21 2018-04-27 武汉中元华电软件有限公司 基于路口点和路段的变电站作业机器人路径规划及导航定位方法
CN108253984A (zh) * 2017-12-19 2018-07-06 昆明理工大学 一种基于改进a星算法的移动机器人路径规划方法
CN110293558A (zh) * 2018-03-21 2019-10-01 波音公司 用于对工件进行操作的机器人系统和方法
CN108656117A (zh) * 2018-05-21 2018-10-16 武汉理工大学 一种多约束条件下最优时间的机械臂空间轨迹优化方法
CN109003303A (zh) * 2018-06-15 2018-12-14 四川长虹电器股份有限公司 基于语音和空间物体识别及定位的设备控制方法及装置
CN110516880A (zh) * 2019-08-29 2019-11-29 广州小鹏汽车科技有限公司 一种路径处理方法及系统、车辆
CN111865395A (zh) * 2020-06-12 2020-10-30 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种面向无人机编队通信的轨迹生成与跟踪方法及系统
CN112465192A (zh) * 2020-11-06 2021-03-09 浙江华睿科技有限公司 任务调度的方法、装置、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LEI GUOHUA 等: "An Indoor Localization Method for Humanoid Robot Based on Artificial Landmark", 《2015 FIFTH INTERNATIONAL CONFERENCE ON INSTRUMENTATION AND MEASUREMENT, COMPUTER, COMMUNICATION AND CONTROL (IMCCC)》 *
葛伟宽 等: "基于栅格图法的移动物流机器人全局路径规划方法", 《科技通报》 *

Also Published As

Publication number Publication date
CN112378402B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
Kavousi-Fard et al. A new fuzzy-based combined prediction interval for wind power forecasting
Peng et al. An improved AMCL algorithm based on laser scanning match in a complex and unstructured environment
CN101221447A (zh) 一种机械自动转向控制方法
Gonzalez et al. Adaptive control for a mobile robot under slip conditions using an LMI-based approach
EP3731158A1 (en) Wind farm noise prediction method, apparatus and system
CN104501816A (zh) 一种多无人飞行器协调避碰导引规划方法
CN109240091A (zh) 一种基于强化学习的水下机器人控制方法及其进行跟踪的控制方法
CN107657681A (zh) 生产设备参数调整方法及装置、计算机装置及可读存储器
CN105843036A (zh) 一种基于神经网络的污水处理过程控制方法
CN109656142B (zh) 一种无人艇的串级结构无模型自适应制导方法
CN105159294A (zh) 针对叉车模糊逻辑运动控制器的设计方法
CN108227759A (zh) 一种基于神经网络预测技术的太阳能跟踪控制系统及方法
CN114755373B (zh) 一种基于多机器人编队的空气污染源预警定位方法
CN112378402B (zh) 自适应调整路径点容差的移动机器人路径规划方法及装置
CN115993843B (zh) 一种应用于群体智能系统的最优编队控制方法
Mashhadi H infinity robust controller comparison with PD like fuzzy logic controller for an AUV control
CN114721273A (zh) 一种固定时间收敛零化神经网络的多智能体编队控制方法
Zhu et al. Automatic cruise system for water quality monitoring
CN110502857B (zh) 面向四足机器人的地形崎岖度在线估计方法
CN114488810A (zh) 机器人末端姿态跟踪预测控制方法及系统和机器人
CN110231823B (zh) 一种双轮机器人的直接控制方法
Zhang et al. Research on complete coverage path planning for unmanned surface vessel
Rhoads et al. Efficient guidance in finite time flow fields
Wu et al. Study on fuzzy neural network-based ship autopilot
CN114967679B (zh) 一种消防机器人路径自适应控制方法及系统

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
GR01 Patent grant
GR01 Patent grant