CN112577491A - 一种基于改进人工势场法的机器人路径规划方法 - Google Patents

Abstract

本发明公开了一种基于改进人工势场法的机器人路径规划方法，包括步骤1：初始化物流车间信息，确定机器人当前位置、目标位置、障碍物的位置；步骤2：根据A*算法，进行全局路径规划得到初始路径，拐点设置为子目标点；步骤3：将障碍物设置为斥力级，目标点为引力级；步骤4：机器人在行驶过程中如遇到障碍物时计算受到的引力及斥力，并计算合力的方向大小，引导机器人行驶；步骤5：将人工势场法的斥力场函数进行优化，引入碰撞系数；步骤6：机器人在传感器检测到周围障碍物后利用改进的人工势场法进行局部避障；步骤7：避开障碍物后引导机器人回到初始路径；步骤8：若已行驶到最终目标点，则结束算法循环，否则，跳转到步骤4。

Description

一种基于改进人工势场法的机器人路径规划方法

技术领域

本发明涉及机器人路径规划技术领域，特别涉及一种基于改进人工势场法的机器人路径规划方法。

背景技术

随着21世纪人工智能发展越来越迅速，智能机器人被运用到各个行业领域内。而电商行业发展也如日中天，当今社会对仓储物流车间的需求也与日俱增，智能机器人在物流车间的运用也越来越广泛，大大的节省了人力成本。

智能机器人的核心之一就是路径规划技术，它决定着车辆是否能在多种障碍物约束的环境中顺利并快速的到达目标位置。障碍物约束包括静态障碍物和动态障碍物，路径规划使机器人在地图中对各种障碍物智能避障。

人工势场法结构较为简单，便于在底层进行实时控制，广泛应用在实时避障方面。但是传统人工势场法在遇到动态障碍物后产生的引力和斥力相同时，会引发局部极小值，使得机器人不能到达目标点。有学者做了大量的研究，针对局部极小值的产生做出了很多改进措施，比如加入其他算法先规划初始路径，如A*算法。

虽然加入其他算法可以解决局部极小值的问题，但是会机器人会在行驶过程中遇到目标不可达的问题。

发明内容

为了克服现有技术中的不足，本发明提供一种基于改进人工势场法的机器人路径规划方法，优化了斥力场函数，使得目标点永远处在势力最小值处，保证车辆会回到目标点。

为了达到上述发明目的，解决其技术问题所采用的技术方案如下：

一种基于改进人工势场法的机器人路径规划方法，包括以下步骤：

步骤1：初始化物流车间信息，确定机器人当前位置、目标位置、静态和动态障碍物的位置；

步骤2：根据A*算法，进行全局路径规划，得到初始路径，初始路径中每一个拐点设置为子目标点；

步骤3：将障碍物及物流车间环境中的边界设置为斥力级，子目标点引力级，将目标点设置为势能最小值点；

步骤4：机器人在行驶过程中如遇到障碍物时计算机器人当前位置受到的引力及斥力，并计算合力的方向机大小，根据合力引导机器人往下一个地方行驶；

步骤5：将人工势场法的斥力场函数进行优化，在人工势场法中引入机器人碰撞系数；

步骤6：机器人在传感器检测到周围有未知动态障碍物后利用改进的人工势场法与障碍物相斥的原理进行局部避障；

步骤7：避开障碍物后势力引导机器人回到初始路径；

步骤8：若已行驶到最终目标点，则结束算法循环，否则，跳转到步骤4。

进一步的，所述步骤2中A*算法规划全局路径的具体操作如下所述：

A*算法的估价函数定义如下：

f(j)＝g(j)+h(j)

其中，f(j)是节点j的估价函数；g(j)为节点j的实际代价函数，表示从起始节点到当前节点的实际移动开销；h(j)为节点j的启发函数，表示从当前节点到目标节点最优路径的估计移动开销，使得路径搜索具有方向性；

当h(j)选用曼哈顿距离作为启发函数时：

h(j)＝|x_tar-x_cur|+|y_tar-y_cur|。

进一步的，所述步骤3按照如下步骤进行，将地图中的机器人简化为一个质点，在机器人行驶环境中构建合理的虚拟势场函数，将机器人所在位置的势场函数设为U_p，U_a表示目标点的引力势场函数：

式中，K_att为引力势场正比列系数，p为车辆的坐标位置，p_g为车辆的目标点位置，n为引力势场因子，ρ(p，p_g)为车辆与目标的距离；

引力势场函数U_a求导可得到引力函数，将引力以F_a表示：

U_r表示障碍物的斥力场函数：

其中，K_r为斥力势场正比列系数，p为车辆的坐标位置，p_obs为障碍物的坐标位置，ρ₀为障碍物的最大影响距离，ρ(p，p_obs)为车辆与障碍物之间的距离；

引力势场函数U_att求导可得到引力函数，将引力以F_r表示：

引力势场函数U_a和斥力势场函数U_r的数学表达式，可经过势场的叠加，得到合势场函数U_p的数学表达式如下：

U_p＝U_a+U_r

在势场空间受到的合力函数F_p，分别由引力函数F_a与斥力函数F_r二者矢量叠加，其具体的数学表示如下：

进一步的，所述步骤4具体实施方法按照以下步骤进行：

设置两个影响机器人和动态障碍物相撞的因数，将机器人的安全区域与动态障碍物的行驶路线的重叠部分设置为m₁，将动态障碍物与机器人的安全区域的重叠面积设置为m₂，车辆的碰撞系数表达式为：

其中，m_max表示m₁与m₂乘积的最大值，也就是动态障碍物与机器人距离最近时。

进一步的，所述步骤5中加入碰撞系数的人工势场法的斥力场按照以下方式进行改进：

其中，d₀表示动态障碍物与机器人的距离，d_s表示机器人的安全区域的半径；

当动态障碍物进入到机器人的安全区域内，斥力场函数发生变化，可根据动态障碍物与机器人的距离及叠加区域，计算出碰撞系数，调节机器人受到的斥力，使机器人更加智能的完成动态环境的避障。

本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：

采用本发明中改进后的人工势场法来规划机器人路径，加入的A*算法可使机器人先规划初始路径，增加引力点，避免出现局部最小值点的情况，而改变斥力场，会使目标点永远处于势力最小处，保障机器人能回到目标点。避免出现目标不可达的情况。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：

图1为根据本发明实施的机器人在物流车间下运用人工势场法的流程图；

图2为根据本发明实施的人工势场模型；

图3为根据本发明实施的机器人碰撞系数示意图。

具体实施方式

以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

如图1-3所示，本实施例公开了一种基于改进人工势场法的机器人路径规划方法，分析了传统人工势场法存在的局部极小值和目标不可达的问题，为了避免机器人出现这种问题，提出了对传统人工势场法中的斥力场进行改进，具体步骤包括：

步骤1：初始化物流车间信息，确定机器人当前位置、目标位置、静态和动态障碍物的位置；

步骤2：根据A*算法，进行全局路径规划，得到初始路径，初始路径中每一个拐点设置为子目标点；

步骤3：将障碍物及物流车间环境中的边界设置为斥力级，子目标点引力级，将目标点设置为势能最小值点；

步骤4：机器人在行驶过程中如遇到障碍物时计算机器人当前位置受到的引力及斥力，并计算合力的方向机大小，根据合力引导机器人往下一个地方行驶；

步骤5：将人工势场法的斥力场函数进行优化，在人工势场法中引入机器人碰撞系数；

步骤6：机器人在传感器检测到周围有未知动态障碍物后利用改进的人工势场法与障碍物相斥的原理进行局部避障；

步骤7：避开障碍物后势力引导机器人回到初始路径；

步骤8：若已行驶到最终目标点，则结束算法循环，否则，跳转到步骤4。

进一步的，所述步骤2中A*算法规划全局路径的具体操作如下所述：

A*算法的估价函数定义如下：

f(j)＝g(j)+h(j)

其中，f(j)是节点j的估价函数；g(j)为节点j的实际代价函数，表示从起始节点到当前节点的实际移动开销；h(j)为节点j的启发函数，表示从当前节点到目标节点最优路径的估计移动开销，使得路径搜索具有方向性；

当h(j)选用曼哈顿距离作为启发函数时：

h(j)＝|x_tar-x_cur|+|y_tar-y_cur|。

进一步的，所述步骤3按照如下步骤进行，将地图中的机器人简化为一个质点，在机器人行驶环境中构建合理的虚拟势场函数，将机器人所在位置的势场函数设为U_p，U_a表示目标点的引力势场函数：

式中，K_att为引力势场正比列系数，p为车辆的坐标位置，p_g为车辆的目标点位置，n为引力势场因子，ρ(p，p_g)为车辆与目标的距离；

引力势场函数U_a求导可得到引力函数，将引力以F_a表示：

U_r表示障碍物的斥力场函数：

其中，K_r为斥力势场正比列系数，p为车辆的坐标位置，p_obs为障碍物的坐标位置，ρ₀为障碍物的最大影响距离，ρ(p，p_obs)为车辆与障碍物之间的距离；

引力势场函数U_att求导可得到引力函数，将引力以F_r表示：

引力势场函数U_a和斥力势场函数U_r的数学表达式，可经过势场的叠加，得到合势场函数U_p的数学表达式如下：

U_p＝U_a+U_r

在势场空间受到的合力函数F_p，分别由引力函数F_a与斥力函数F_r二者矢量叠加，其具体的数学表示如下：

进一步的，所述步骤4具体实施方法按照以下步骤进行：

设置两个影响机器人和动态障碍物相撞的因数，将机器人的安全区域与动态障碍物的行驶路线的重叠部分设置为m₁，将动态障碍物与机器人的安全区域的重叠面积设置为m₂，车辆的碰撞系数表达式为：

其中，m_max表示m₁与m₂乘积的最大值，也就是动态障碍物与机器人距离最近时。

进一步的，所述步骤5中加入碰撞系数的人工势场法的斥力场按照以下方式进行改进：

其中，d₀表示动态障碍物与机器人的距离，d_s表示机器人的安全区域的半径；

当动态障碍物进入到机器人的安全区域内，斥力场函数发生变化，可根据动态障碍物与机器人的距离及叠加区域，计算出碰撞系数，调节机器人受到的斥力，使机器人更加智能的完成动态环境的避障。

本发明提出一种用于动态车间环境中，利用改进的人工势场法对机器人进行路径规划，通过增加A*算法可使机器人增加引力点，避免出现局部最小值点的情况，通过增加碰撞系数，改变斥力场函数，使机器人避免出现目标不可达的情况。根据本发明描述的参数建议，可以实现机器人在动态物流车间环境中高效的导航动作。

以上所述，仅为本发明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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种基于改进人工势场法的机器人路径规划方法，其特征在于，包括以下步骤：

步骤1：初始化物流车间信息，确定机器人当前位置、目标位置、静态和动态障碍物的位置；

步骤2：根据A*算法，进行全局路径规划，得到初始路径，初始路径中每一个拐点设置为子目标点；

步骤3：将障碍物及物流车间环境中的边界设置为斥力级，子目标点引力级，将目标点设置为势能最小值点；

步骤4：机器人在行驶过程中如遇到障碍物时计算机器人当前位置受到的引力及斥力，并计算合力的方向机大小，根据合力引导机器人往下一个地方行驶；

步骤5：将人工势场法的斥力场函数进行优化，在人工势场法中引入机器人碰撞系数；

步骤6：机器人在传感器检测到周围有未知动态障碍物后利用改进的人工势场法与障碍物相斥的原理进行局部避障；

步骤7：避开障碍物后势力引导机器人回到初始路径；

步骤8：若已行驶到最终目标点，则结束算法循环，否则，跳转到步骤4。

2.根据权利要求1所述的一种基于改进人工势场法的机器人路径规划方法，其特征在于，所述步骤2中A*算法规划全局路径的具体操作如下所述：

A*算法的估价函数定义如下：

f(j)＝g(j)+h(j)

其中，f(j)是节点j的估价函数；g(j)为节点j的实际代价函数，表示从起始节点到当前节点的实际移动开销；h(j)为节点j的启发函数，表示从当前节点到目标节点最优路径的估计移动开销，使得路径搜索具有方向性；

当h(j)选用曼哈顿距离作为启发函数时：

h(j)＝|x_tar-x_cur|+|y_tar-y_cur|。

3.根据权利要求1所述的一种基于改进人工势场法的机器人路径规划方法，其特征在于，所述步骤3按照如下步骤进行，将地图中的机器人简化为一个质点，在机器人行驶环境中构建合理的虚拟势场函数，将机器人所在位置的势场函数设为U_p，U_a表示目标点的引力势场函数：

式中,K_att为引力势场正比列系数，p为车辆的坐标位置，p_g为车辆的目标点位置，n为引力势场因子，ρ(p，p_g)为车辆与目标的距离；

引力势场函数U_a求导可得到引力函数，将引力以F_a表示：

U_r表示障碍物的斥力场函数：

其中，K_r为斥力势场正比列系数，p为车辆的坐标位置，p_obs为障碍物的坐标位置，ρ₀为障碍物的最大影响距离，ρ(p，p_obs)为车辆与障碍物之间的距离；

引力势场函数U_att求导可得到引力函数，将引力以F_r表示：

引力势场函数U_a和斥力势场函数U_r的数学表达式，可经过势场的叠加，得到合势场函数U_p的数学表达式如下：

U_p＝U_a+U_r

在势场空间受到的合力函数F_p，分别由引力函数F_a与斥力函数F_r二者矢量叠加，其具体的数学表示如下：

F＝-▽U_p＝-▽U_a-▽U_r＝F_a+F_r。

4.根据权利要求1所述的一种基于改进人工势场法的机器人路径规划方法，其特征在于，所述步骤4具体实施方法按照以下步骤进行：

设置两个影响机器人和动态障碍物相撞的因数，将机器人的安全区域与动态障碍物的行驶路线的重叠部分设置为m₁，将动态障碍物与机器人的安全区域的重叠面积设置为m₂，车辆的碰撞系数表达式为：

其中，m_max表示m₁与m₂乘积的最大值，也就是动态障碍物与机器人距离最近时。

5.根据权利要求1所述的一种基于改进人工势场法的机器人路径规划方法，其特征在于，所述步骤5中加入碰撞系数的人工势场法的斥力场按照以下方式进行改进：

其中，d₀表示动态障碍物与机器人的距离，d_s表示机器人的安全区域的半径；

当动态障碍物进入到机器人的安全区域内，斥力场函数发生变化，可根据动态障碍物与机器人的距离及叠加区域，计算出碰撞系数，调节机器人受到的斥力，使机器人更加智能的完成动态环境的避障。

Images