CN112902963B - 一种智能轮椅的路径规划避障方法 - Google Patents

Abstract

本发明公开了一种智能轮椅路径规划避障方法，包括：将智能轮椅雷达扫描后的信号存储为0，1矩阵栅格图，构建室内空间导航图，并对其中的障碍物按照相邻8个方向都进行膨胀处理，在膨胀后得到的室内空间导航图上，对膨胀后的导航栅格图进行压缩；得到含边界墙的栅格图；在含边界墙的栅格图上，设置智能轮椅的起点和目标终点，智能轮椅将利用A^*算法规划从起点开始躲避障碍物的最短有效路径，通过A^*算法规划出全局最优路线，并靠实际中不在几何正中心的转动轴变化带动智能轮椅避开障碍物并到达终点。该方法结合路径规划A^*算法与智能轮椅的转动轴与几何中心的解析几何关系，提高了智能轮椅路径规划避障的精确度与准确性。

Description

一种智能轮椅的路径规划避障方法

技术领域

本发明属于规划技术领域，涉及轮椅的路径智能规划，特别涉及一种智能轮椅的路径规划避障方法。

背景技术

近年来，随着社会经济的发展，人们的生活质量和服务要求在不断提高，然而人口老龄化进程的加快以及各种疾病(下肢瘫痪)、交通事故等原因造了下肢活动不便的人口数量增加。因此，对于这些人，想要在室内自由行走、活动，性能优越的辅助行走工具就变得越来越重要。而针对下肢行动障碍、上肢运动不灵活的老年人或残障人士，智能轮椅就是助残/助老服务所研究的一款重要产品。但传统智能轮椅的控制主要通过操作按钮进行前进、倒退转向、停止等进行，当行动不便用户或用户没有及时发现障碍物时，很容易导致轮椅直接碰撞障碍引起轮椅破环或者出现事故。故想要在室内自由行走、活动，就需要智能轮椅自带智能路径规划避障导航系统。要实现智能路径规划避障导航，精确的路径规划避障技术起决定性的作用。路径规划是智能轮椅研究的关键所在，目前，传统的很多智能轮椅都有自己的路径规划方法。而智能轮椅路径规划避障算法都是假设轮椅的移动是以其几何中心来进行运动规划，这在智能轮椅运动过程中，忽略了智能轮椅转动轴不在几何正中心的这一事实，且需要实时使轮椅偏向中心位置，这对定位要求极高，同时会不可避免的带来实际线路偏差，其次，以轮椅几何中心规划路径会造成轮椅转向偏转角误差过大或过小的偏差。

发明内容

为了解决智能轮椅在实际运动过程中转动轴不在其几何正中心的技术问题，本发明的目的在于，提供一种智能轮椅的路径规划避障方法，该方法结合路径规划A^*算法以及实际运动时其转动轴实际位置与智能轮椅的几何中心的解析几何关系，提高了智能轮椅路径规划避障的精确度与准确性。

为了实现上述任务，本发明采取如下的技术解决方案：

一种智能轮椅路径规划避障方法，其特征在于，按以下步骤进行：

(1)将智能轮椅雷达扫描后的信号存储为0，1矩阵栅格图，其中，0表示可以通过，1代表障碍物，以此来构建1200*1200的室内空间导航图，并对其中的障碍物1按照相邻8个方向都进行膨胀处理，通过调节膨胀参数K，对障碍物进行放大，规避智能轮椅工作时距离障碍物太近带来的碰撞风险；

(2)在膨胀完后得到的1200*1200室内空间导航图上，按照5*5的大小对膨胀后的导航栅格图进行压缩；即：从左上角开始以5*5划分1200*1200的栅格，5*5的栅格只要其中有1就视为障碍，在压缩后栅格上标记为1，如全部为0，视为此栅格无障碍，标记为0，为避免障碍物的干扰，将栅格边界标记为1；即最终得到240*240的含边界墙的栅格图，每个栅格代表1个节点；

(3)在240*240的含边界墙的栅格图上，设置智能轮椅的起点和目标终点，智能轮椅将利用A^*算法规划从起点开始躲避障碍物的最短有效路径，通过A^*算法规划出一条全局最优路线，并靠实际中不在几何正中心的转动轴变化带动，来使智能轮椅能够避开障碍物并到达终点；其中：

所述A^*算法作为路径查找和图形遍历算法，A^*算法通过以下列函数计算每个节点的优先级：

f(n)＝g(n)+h(n)

式中：f(n)表示节点n的综合优先级；g(n)表示节点n距离起点的代价；h(n)是节点n距离终点的预计代价，即A^*算法的启发函数；

在运算过程中，每次从优先队列中选取f(n)值最小的节点作为下一个待遍历的节点；由于栅格图中允许智能轮椅可以朝八个方向移动，因此启发函数使用对角距离；

用A^*算法进行全局路径规划的过程，运用解析几何关系计算转轴中心每次旋转的方向角度，得到当前几何位置的坐标。

根据本发明，步骤(3)所述的用A^*算法进行路径规划的过程，其计算转轴中心每次旋转的方向角度计算方式如下：

1)设初始点x0,y0；转动轴到几何中心的距离为L；单位方向向量(m0，n0)，初始单位方向向量角度为Θ0；

2)计算初始轴心(r0，w0)：其中，r0＝x0-L*m0，w0＝y0-L*n0；

计算第i点方向向量：(mi，ni)＝(xi-r(i-1),(yi-w(i-1))/sqrt((xi-r(i-1))^2+(yi-w(i-1))^2))；

3)计算第i点轴心(ri，wi)：其中，ri＝xi-L*mi，wi＝yi-L*ni；

4)计算第i-1点的旋转角Θ(i-1)：

Θ(i-1)＝arcos((ri*r(i-1)+wi*w(i-1))/(sqrt(ri^2+wi^2)*sqrt(r(i-1)^2+w(i-1)^2)))

若Θi-Θ(i-1)＞0，输出为“+”，表示智能轮椅按照逆时针方向运动，否则为“-”，表示智能轮椅按照顺时针方向运动。

本发明的智能轮椅的路径规划避障方法，与常规智能轮椅将几何正中心作为轮椅移动轨迹相比，带来的有效增益效果是：根据实际将智能轮椅的移动中心简化在不在几何中心的实际驱动轴上，降低了传统将轮椅转动轴简化在轮椅正中心带来的误差，通过算法膨胀压缩实际室内环境，提高了智能轮椅在室内导航的可靠性；智能轮椅实际中会沿着转动轴全局路线按转动轴角度行走，这样可以保证其实际行走中的安全性，提高智能轮椅路径规划避障的精确度与准确性。

附图说明

图1是本发明的智能轮椅路径规划避障方法的工作流程示意图；

图2是智能轮椅路径规划避障方法的转动轴实际运动变化示意图；

图3是本发明所涉及一种智能轮椅路径规划避障方法的转动轴不在正中心的实际轨迹方法计算示意图。

图4是雷达扫描数据构建的1200*1200的室内空间导航栅格图；

图5是1200*1200到240*240的含边界墙的室内导航栅格图。

图6是智能轮椅传统的转动轴在轮椅几何中心行进和采用本发明的智能轮椅路径规划避障方法，转动轴不在轮椅几何正中心行进路线比较图，图中的黑色方块和圆形表示障碍物。

以下结合附图和实施例对本发明作进一步详细说明。

具体实施方式

如图1所示，本实施例给出一种智能轮椅路径规划避障方法，其步骤包括：

(1)将智能轮椅雷达扫描后的信号存储为0，1矩阵栅格图(0表示可以通过，1代表障碍物)，以此来构建1200*1200的室内空间导航图(如图4所示)，并对其中的障碍物1按照相邻8个方向都进行膨胀处理(如图4中A点)，通过调节膨胀参数K(向外膨胀格子数)，可以对障碍物进行放大，规避智能轮椅工作时距离障碍物太近带来的碰撞风险；

(2)在膨胀完后得到的1200*1200室内空间导航图(图4)上，按照5*5的大小对膨胀后的导航栅格图进行压缩；即从左上角开始以5*5划分1200*1200的栅格，5*5的栅格只要其中有1就视为障碍，在压缩后栅格上标记为1，如全部为0，视为此栅格无障碍，标记为0，为避免障碍物的干扰，将栅格边界标记为1；即最终得到如图5所示的从1200*1200到240*240的含边界墙的栅格图，每个栅格代表1个节点；

(3)在图5所示的240*240的含边界墙的栅格图上，设置智能轮椅的起点和目标终点，智能轮椅将利用A^*算法规划从起点开始躲避障碍物的最短有效路径，通过A^*算法规划出一条全局最优路线，并靠实际中不在几何正中心的转动轴变化带动，如图2所示，来使智能轮椅能够避开障碍物并到达终点；

本实施例中，A^*算法是一种很常用的路径查找和图形遍历算法。它有较好的性能和准确度。由于借助启发函数的引导，其尽可能基于现有信息的搜索策略，也就是说搜索过程中尽量利用目前已知的诸如迭代步数，以及从初始状态和当前状态到目标状态估计所需的费用等信息，故A^*算法通常拥有比较好的性能。A^*算法可以选择下一个被检查的节点时引入了已知的全局信息，对当前结点距离终点的距离作出估计，作为评价该节点处于最优路线上的可能性的量度，这样可以首先搜索可能性大的节点，从而提高了搜索过程的效率。

A^*算法通过下面这个函数来计算每个节点的优先级：

f(n)＝g(n)+h(n)

式中：f(n)是节点n的综合优先级。当需要选择下一个要遍历的节点时，总会选取综合优先级最高(值最小)的节点；

g(n)是节点n距离起点的代价；

h(n)是节点n距离终点的预计代价，即A^*算法的启发函数。

A^*算法在运算过程中，每次从优先队列中选取f(n)值最小(优先级最高)的节点作为下一个待遍历的节点。

由于栅格图中允许智能轮椅可以朝八个方向移动，因此，将启发函数使用对角距离。

在用A^*算法进行全局路径规划的过程中，运用解析几何关系计算转轴中心每次旋转的方向角度θ，得到当前几何位置的坐标(xi，yi，Θi)。

图3给出了运用A^*算法进行路径规划时，其角度θ计算方式如下：

设初始点为x0，y0；转动轴到几何中心的距离为L；单位方向向量(m0，n0)，初始单位方向向量角度为Θ0；

1)计算初始轴心(r0，w0)：其中，r0＝x0-L*m0，w0＝y0-L*n0；

2)计算第i点方向向量：(mi，ni)＝(xi-r(i-1)，(yi-w(i-1))/sqrt((xi-r(i-1))^2+(yi-w(i-1))^2))；

3)计算第i点轴心(ri，wi)：其中，ri＝xi-L*mi，wi＝yi-L*ni；

4)计算第i-1点的旋转角Θ(i-1)：

Θ(i-1)＝arcos((ri*r(i-1)+wi*w(i-1))/(sqrt(ri^2+wi^2)*sqrt(r(i-1)^2+w(i-1)^2)))

若Θi-Θ(i-1)＞0，输出为“+”,表示智能轮椅按照逆时针方向运动，否则为“-”，表示智能轮椅按照顺时针方向运动。

实验例：

如图6所示，为了验证本实施例的智能轮椅路径规划避障方法在智能轮椅路径规划避障的精确度与准确性，申请人将智能轮椅实际运动过程中按照传统的转动轴在轮椅几何中心行进方式和采用本实施例的智能轮椅路径规划避障方法所控制转动轴不在轮椅几何正中心行进作了对比实验。其中，图6(a)给出了A^*算法规划的路径图与实际中智能轮椅的行进比较图，图中，实线代表本实施例的智能轮椅路径规划避障方法中的A^*算法规划的最优路径规划图，虚线为采用传统轮椅几何中心所控制的智能轮椅实际运动的行进图。

图6(b)也是A^*算法规划的路径图与实际中轮椅的行进图。图中，实线代表本实施例的智能轮椅路径规划避障方法中的A^*算法最优路径规划图，虚线为实际中采用了本实施例的智能轮椅路径规划避障方法，使智能轮椅以不在轮椅几何中心的转动轴控制的实际行进路径图。

从图中可以看出，图6(a)中采用传统的以轮椅的几何中心来进行智能轮椅的运动控制，造成了智能轮椅转向偏转角误差过大或过小，使得实际中智能轮椅行进中虽然能能够安全到达终点，但由于实际行进中控制运动的转动轴不在智能轮椅的几何中心，智能轮椅仍可能会有撞到障碍物的风险。

而图6(b)是采用本实施例的智能轮椅路径规划避障方法，选择不在轮椅几何中心的转动轴来控制智能轮椅运动，其实际轨迹能够更加趋近于全局最优路径，使得智能轮椅路径规划避障的精确度与准确性优于传统的以智能轮椅的几何中心控制的方式。

本实施例给出的智能轮椅路径规划避障方法，所具有的优越性表现在：

1、根据实际将智能轮椅的移动中心简化在不在中心的实际转动轴上，降低了传统将轮椅转动轴简化在轮椅正中心带来的误差，提高了智能轮椅在室内导航的可靠性；智能轮椅实际中会沿着规划的全局最优路线行走，这样可以保证其实际行走中的安全性。

2、针对激光雷达扫描到的室内实时环境数据，障碍物的大小对影响轮椅实际移动的安全性，本实施例的智能轮椅路径规划避障方法，通过将雷达数据中的障碍物进行膨胀处理保存成矩阵来尽可能确保轮椅移动的安全性。

3、针对雷达扫描到的数据距离太小不利于轮椅实际控制问题，本实施例的智能轮椅路径规划避障方法，通过将膨胀后的矩阵进行压缩加强来确保轮椅实际速度可控；

4、将压缩加强后的实际矩阵通过A^*算法进行路径规划避障，其规划路径以坐标加角度规划，使其实际路径更加趋近全局最优路径，更好地让智能轮椅在实际行进中按照规划的全局最优路径行进且规避障碍物。

Claims (1)

1.一种智能轮椅路径规划避障方法，其特征在于，按以下步骤进行：

(1)将智能轮椅雷达扫描后的信号存储为0，1矩阵栅格图，其中，0表示可以通过，1代表障碍物，以此来构建1200*1200的室内空间导航图，并对其中的障碍物1按照相邻8个方向都进行膨胀处理，通过调节膨胀参数K，对障碍物进行放大，规避智能轮椅工作时距离障碍物太近带来的碰撞风险；

(2)在膨胀完后得到的1200*1200室内空间导航图上，按照5*5的大小对膨胀后的导航栅格图进行压缩；即：从左上角开始以5*5划分1200*1200的栅格，5*5的栅格只要其中有1就视为障碍，在压缩后栅格上标记为1，如全部为0，视为此栅格无障碍，标记为0，为避免障碍物的干扰，将栅格边界标记为1；即最终得到240*240的含边界墙的栅格图，每个栅格代表1个节点；

(3)在240*240的含边界墙的栅格图上，设置智能轮椅的起点和目标终点，智能轮椅将利用A^*算法规划从起点开始躲避障碍物的最短有效路径，通过A^*算法规划出一条全局最优路线，并靠实际中不在几何正中心的转动轴变化带动，来使智能轮椅能够避开障碍物并到达终点；其中：

所述A^*算法作为路径查找和图形遍历算法，A^*算法通过以下列函数计算每个节点的优先级：

f(n)＝g(n)+h(n)

式中：f(n)表示节点n的综合优先级；g(n)表示节点n距离起点的代价；h(n)是节点n距离终点的预计代价，即A^*算法的启发函数；

在运算过程中，每次从优先队列中选取f(n)值最小的节点作为下一个待遍历的节点；由于栅格图中允许智能轮椅可以朝八个方向移动，因此启发函数使用对角距离；

用A^*算法进行全局路径规划的过程，运用解析几何关系计算转轴中心每次旋转的方向角度，得到当前几何位置的坐标；

所述每次旋转的方向角度计算方式如下：

1)设初始点x0,y0；转动轴到几何中心的距离为L；单位方向向量(m0，n0)，初始单位方向向量角度为Θ0；

2)计算初始轴心(r0，w0)：其中，r0＝x0-L*m0，w0＝y0-L*n0；

计算第i点方向向量：(mi，ni)＝(xi-r(i-1),(yi-w(i-1))/sqrt((xi-r(i-1))^2+(yi-w(i-1))^2))；

3)计算第i点轴心(ri，wi)：其中，ri＝xi-L*mi，wi＝yi-L*ni；

4)计算第i-1点的旋转角Θ(i-1)：

Θ(i-1)＝arcos((ri*r(i-1)+wi*w(i-1))/(sqrt(ri^2+wi^2)*sqrt(r(i-1)^2+w(i-1)^2)))

若Θi-Θ(i-1)＞0，输出为“+”，表示智能轮椅按照逆时针方向运动，否则为“-”，表示智能轮椅按照顺时针方向运动。

Images