CN112947417A - 一种用于智能运动体避障的控制方法 - Google Patents

一种用于智能运动体避障的控制方法 Download PDF

Info

Publication number
CN112947417A
CN112947417A CN202110111159.0A CN202110111159A CN112947417A CN 112947417 A CN112947417 A CN 112947417A CN 202110111159 A CN202110111159 A CN 202110111159A CN 112947417 A CN112947417 A CN 112947417A
Authority
CN
China
Prior art keywords
moving body
intelligent moving
controlled
intelligent
acceleration
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
CN202110111159.0A
Other languages
English (en)
Inventor
张霄立
陈锦文
彭侠夫
胡晓强
徐东生
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.)
Xiamen University
Original Assignee
Xiamen University
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 Xiamen University filed Critical Xiamen University
Priority to CN202110111159.0A priority Critical patent/CN112947417A/zh
Publication of CN112947417A publication Critical patent/CN112947417A/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
    • G05D1/0212—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
    • G05D1/0223—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种用于智能运动体避障的控制方法，该方法通过t时刻待控制智能运动体(r)感知排斥范围内的智能运动体(s)产生的排斥势场
Figure DDA0002918919200000011
t+1时刻的虚拟排斥势场
Figure DDA0002918919200000012
和t+2时刻的虚拟排斥势场
Figure DDA0002918919200000013
来反映待控制智能运动体(r)周围的拥挤程度；利用待控制智能运动体(r)受到的合力Fr(t)确定加速度大小||ar(t+1)||的方向，确定最优的下一路径点，以避免待控制智能运动体(r)与障碍物发生碰撞，提高智能运动体的行驶效率。

Description

一种用于智能运动体避障的控制方法
技术领域
本发明属于运动控制技术领域，具体涉及一种用于智能运动体避障的控制方法。
背景技术
智能运动体是指可以自主感知周围环境并通过执行器改变运动状态的设备，例如自动导引车、无人驾驶飞机和无人水下航行器等装置设备。智能运动体在行驶过程中经常会碰到许多动态障碍物，这就要求智能运动体能够对动态障碍物做出迅速有效的避障反应。
现如今，市面上存在的避障方法大多都是通过导引技术来实现的，但是各种导引方式都具有一定的局限性，例如电磁感应导引需要在地下铺设电缆，无法实时改变路径；磁条导引只需要地面铺设磁条，可以通过改变磁条位置来改变路径，灵活度较高，但是这两种方式均由系统事先确定行驶路径，无法自动调整；激光导引无需其他地面设施就可以实现灵活的路径规划，但价格高昂。
智能运动体在沿着规定路线行驶的过程中，容易与其行驶方向不同的智能运动体在路径交叉点产生节点冲突，影响智能运动体的行驶安全。现有技术中通常通过在智能运动体上安装检测传感器(红外传感器)等，避免智能运动体之间的碰撞。但在路径交叉点检测难度大，精度较低，无法有效保证智能运动体的安全行驶。
发明内容
本申请的目的在于提出了一种用于智能运动体避障的控制方法，利用总排斥势场反映待控制智能运动体(r)周围的拥挤程度并通过待控制智能运动体(r)受到的合力Fr(t)确定加速度ar(t+1)的方向，解决了上述背景技术存在的问题。
本申请提供了一种用于智能运动体避障的控制方法，该方法的具体步骤包括：
S1:检测t时刻待控制智能运动体(r)的运动状态Cr(t)和以待控制智能运动体(r)为圆心，ρ为半径的排斥范围内的智能运动体(s)的数量S和运动状态Cs(t)，运动状态Cr(t)包括待控制智能运动体(r)的位置pr(t)、速度vr(t)和加速度ar(t)，运动状态Cs(t)包括排斥范围内智能运动体(s)的位置ps(t)、速度vs(t)以及加速度as(t)，其中s为大于或等于0的自然数；
S2:根据步骤S1获得的位置pr(t)、位置ps(t)、速度vr(t)、速度vs(t)、加速度ar(t)及加速度as(t)获得t时刻排斥范围内智能运动体(s)相对于待控制智能运动体(r)的相对位置
Figure BDA0002918919180000021
相对速度
Figure BDA0002918919180000022
以及相对加速度
Figure BDA0002918919180000023
并且根据物体运动定律获得t+1时刻和t+2时刻排斥范围内智能运动体(s)相对于待控制智能运动体(r)的相对位置
Figure BDA0002918919180000024
和相对位置
Figure BDA0002918919180000025
S3:根据人工势场法中的排斥势场，分别获得t、t+1和t+2时刻待控制智能运动体(r)受到的来自于排斥范围内的智能运动体(s)的排斥势场
Figure BDA0002918919180000026
和
Figure BDA0002918919180000027
以及急停时的排斥势场Ustop和待控制智能运动体(r)受到排斥范围内所有智能运动体(s)的总排斥势场
Figure BDA0002918919180000028
S4:根据步骤S2获得的速度vr(t)和加速度ar(t)获得t+1时刻待控制智能运动体(r)的速度vr(t+1)；根据步骤S2获得的位置pr(t)和速度vr(t)获得t+1时刻待控制智能运动体(r)的位置pr(t+1)；根据步骤S3获得的总排斥势场
Figure BDA0002918919180000031
和急停时的排斥势场Ustop获得t+1时刻待控制智能运动体(r)的加速度大小||ar(t+1)||。
在一些实施例中，该方法的具体步骤还包括获得待控制智能运动体(r)受到的合力Fr(t)，通过合力Fr(t)方向上的单位向量
Figure BDA0002918919180000032
与步骤S4获得的加速度大小||ar(t+1)||合成为加速度矢量ar(t+1)。通过该方式以确定待控制智能运动体(r)在t+1时刻的运动方向，规划出合适的路径、避免与排斥范围内智能运动体(s)发生碰撞。
在一些实施例中，待控制智能运动体(r)受到的合力Fr(t)的具体获得方法为:
Figure BDA0002918919180000033
Figure BDA0002918919180000034
其中，
Figure BDA0002918919180000035
为待控制智能运动体(r)受到的来自于排斥范围内的智能运动体(s)的排斥势场，S为排斥范围内智能运动体(s)的数量；
t+1时刻待控制智能运动体(r)的加速度ar(t+1)、速度vr(t+1)和位置pr(t+1)的具体获得方法为：
Figure BDA0002918919180000036
vr(t+1)＝vr(t)+ar(t) (4)
pr(t+1)＝pr(t)+vr(t) (5)
其中，
Figure BDA0002918919180000037
为合力Fr(t)方向上的单位向量。
根据t时刻待控制智能运动体(r)受到的来自于排斥范围内智能运动体(s)的排斥势场
Figure BDA0002918919180000041
进一步获得待控制智能运动体(r)受到的合力Fr(t)，以确定t+1时刻加速度大小||ar(t+1)||的方向。同时获得t+1时刻待控制智能运动体(r)的速度vr(t+1)和位置pr(t+1)，以确定待控制运动体(r)最优的下一运动路径点，减小绕行距离。
在一些实施例中，步骤S2中相对位置
Figure BDA0002918919180000042
和相对位置
Figure BDA0002918919180000043
的具体获得方法为：
Figure BDA0002918919180000044
Figure BDA0002918919180000045
Figure BDA0002918919180000046
其中，
Figure BDA0002918919180000047
为t+1时刻排斥范围内的智能运动体(s)相对于待控制智能运动体(r)的速度。
通过t时刻排斥范围内智能运动体(s)相对于待控制智能运动体(r)的位置
Figure BDA0002918919180000048
速度
Figure BDA0002918919180000049
以及加速度
Figure BDA00029189191800000410
确定在原运动状态下t+1时刻和t+2时刻的相对位置
Figure BDA00029189191800000411
和相对位置
Figure BDA00029189191800000412
以便进一步获得t+1时刻和t+2时刻的排斥势场
Figure BDA00029189191800000413
和
Figure BDA00029189191800000414
在一些实施例中，步骤S3中排斥势场
Figure BDA00029189191800000415
和
Figure BDA00029189191800000416
的具体获得方法为：
Figure BDA00029189191800000417
Figure BDA00029189191800000418
Figure BDA0002918919180000051
其中，η为斥力尺度因子，
ρ为待控制智能运动体(r)的排斥范围半径。
在原有t时刻排斥势场
Figure BDA0002918919180000052
的基础上构建如式(10)和式(11)所示的t+1时刻和t+2时刻的虚拟排斥势场
Figure BDA0002918919180000053
和
Figure BDA0002918919180000054
以便进一步获得待控制智能运动体(r)受到的总排斥势场
Figure BDA0002918919180000055
在一些实施例中，步骤S3中总排斥势场
Figure BDA0002918919180000056
的具体获得方法为：
Figure BDA0002918919180000057
Figure BDA0002918919180000058
Figure BDA0002918919180000059
其中，
Figure BDA00029189191800000510
为待控制智能运动体(r)受到排斥范围内的智能运动体(s)的排斥势场，
Figure BDA00029189191800000511
为方向引导因子，
Figure BDA00029189191800000512
为待控制智能运动体(r)与排斥范围内的智能运动体(s)的连线与待控制智能运动体(r)运动方向之间的夹角，
S为排斥范围内的智能运动体(s)的总数量。
由于只考虑t时刻待控制智能运动体(r)受到来自其前方排斥范围内智能运动体(s)的排斥势场
Figure BDA00029189191800000513
因此在排斥势场
Figure BDA00029189191800000514
的计算中添加方向引导因子
Figure BDA00029189191800000515
使智能运动体的避障及控制更为合理、科学。
在一些实施例中，步骤S3中急停时的排斥势场Ustop的具体获得方法为：
Figure BDA0002918919180000061
其中，ρ0为急停距离，且ρ0＜ρ，
η为斥力尺度因子，
vmax为待控制智能运动体(r)和排斥范围内的智能运动体(s)相向运动的最大速度。
准确计算出急停时的排斥势场Ustop以进一步获得t+1时刻待控制智能运动体(r)的加速度大小||ar(t+1)||。
在一些实施例中，t时刻相向运动的待控制智能运动体(r)和排斥范围内的智能运动体(s)在单位时间内由最大速度vmax减速至0的急停距离ρ0的具体获得方法为：
Figure BDA0002918919180000062
其中，
Figure BDA0002918919180000063
为待控制智能运动体(r)和排斥范围内的智能运动体(s)的最大减速度，
dsafe待控制智能运动体(r)和排斥范围内的智能运动体(s)之间的安全距离。
准确计算出急停距离ρ0以避免待控制智能运动体(r)与智能运动体(s)发生碰撞，确保行驶安全。
在一些实施例中，获得t+1时刻待控制智能运动体(r)的加速度大小||ar(t+1)||的具体方法为：
Figure BDA0002918919180000064
其中，
Figure BDA0002918919180000065
为待控制智能运动体(r)和排斥范围内的智能运动体(s)的最大减速度。
获得加速度大小||ar(t+1)||，可及时改变智能运动体的运动状态，有效解决智能运动体路径冲突问题，提高智能运动体的行驶效率。
在一些实施例中，若在t时刻待控制智能运动体(r)在排斥范围内不存在智能运动体(s)，待控制智能运动体的速度大小||vr(t)||未达到最大速度vmax，则待控制智能运动体的加速度大小||ar(t+1)||以正常加速度anormal运动；若待控制智能运动体(r)的速度大小||vr(t)||达到最大速度vmax，则控制智能运动体(r)的加速度大小||ar(t+1)||为0。以解决智能运动体路径冲突和道路锁死问题，提高智能运动体的行驶安全性和工作效率。
本申请提供的一种用于智能运动体避障的控制方法具有如下优势：
1、利用待控制智能运动体(r)感知排斥范围内智能运动体(s)产生的t时刻排斥势场
Figure BDA0002918919180000071
t+1时刻虚拟排斥势场
Figure BDA0002918919180000072
和t+2时刻虚拟排斥势场
Figure BDA0002918919180000073
来反映待控制智能运动体(r)周围的拥挤程度。
2、利用待控制智能运动体(r)受到的合力Fr(t)确定加速度大小||ar(t+1)||的方向，确定最优的下一路径点，避免待控制智能运动体(r)与障碍物发生碰撞，提高智能运动体的行驶安全性和工作效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是根据本发明的实施例的一种用于智能运动体避障的控制方法的待控制智能运动体(r)排斥范围半径ρ和急停距离ρ0示意图；
图2是根据本发明的实施例的一种用于智能运动体避障的控制方法的智能运动体之间的信息交互示意图；
图3是根据本发明的实施例的一种用于智能运动体避障的控制方法的待控制智能运动体(r)的急停状态示意图；
图4是根据本发明的实施例中的一种用于智能运动体避障的控制方法的避障流程示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了待控制智能运动体(r)排斥范围半径ρ和急停距离ρ0，其中，Agentr代表待控制智能运动体(r)，Agents代表排斥范围内的智能运动体(s)，Agent代表排斥范围外的智能运动体。如图1所示，检测t时刻待控制智能运动体(r)的运动状态Cr(t)和排斥范围内智能运动体(s)的运动状态Cs(t)，Cr(t)＝[pr(t),vr(t),ar(t))]，Cs(t)＝[ps(t),vs(t),as(t))]，其中pr(t)、vr(t)和ar(t)分别为t时刻待控制智能运动体(r)的位置、速度和加速度；ps(t)、vs(t)和as(t)分别为t时刻排斥范围内智能运动体(s)的位置、速度和加速度，其中s为大于或等于0的自然数，进一步获得t时刻排斥范围内智能运动体(s)相对于待控制智能运动体(r)的相对位置
Figure BDA0002918919180000081
相对速度
Figure BDA0002918919180000082
和相对加速度
Figure BDA0002918919180000083
具体获得方法如下：
Figure BDA0002918919180000084
Figure BDA0002918919180000085
Figure BDA0002918919180000086
利用获得的相对位置
Figure BDA0002918919180000091
相对速度
Figure BDA0002918919180000092
和相对加速度
Figure BDA0002918919180000093
进行下一步操作。
图2示出了待控制智能运动体(r)与排斥范围内智能运动体(s)的信息交互示意图，其中
Figure BDA0002918919180000094
为待控制智能运动体(r)与排斥范围内的智能运动体(s)的连线与待控制智能运动体(r)运动方向之间的夹角，ps(t)、ps(t+1)、ps(t+2)分别为排斥范围内智能运动体(s)在t、t+1和t+2时刻的位置。如图2所示，在保持原有运动状态下，根据物体的运动定律再进一步获得t+1时刻和t+2时刻排斥范围内智能运动体(s)相对于待控制智能运动体(r)的相对位置
Figure BDA0002918919180000095
和相对位置
Figure BDA0002918919180000096
具体获得方法如下：
Figure BDA0002918919180000097
Figure BDA0002918919180000098
Figure BDA0002918919180000099
其中，
Figure BDA00029189191800000910
为t+1时刻排斥范围内的智能运动体(s)相对于待控制智能运动体(r)的速度。
进一步的，根据人工势场法中的排斥势场获得在t时刻待控制智能运动体(r)感知到排斥范围内的智能运动体(s)产生的排斥势场
Figure BDA00029189191800000911
并在原有t时刻排斥势场
Figure BDA00029189191800000912
的基础上构建如下式子所示的t+1时刻的虚拟排斥势场
Figure BDA00029189191800000913
和t+2时刻的虚拟排斥势场
Figure BDA00029189191800000914
具体获得方法如下：
Figure BDA00029189191800000915
Figure BDA00029189191800000916
Figure BDA0002918919180000101
其中，η为斥力尺度因子，ρ为待控制智能运动体(r)的排斥范围半径。
由于只考虑t时刻待控制智能运动体(r)受到来自其前方排斥范围内智能运动体(s)的排斥势场
Figure BDA0002918919180000102
因此在计算排斥势场
Figure BDA0002918919180000103
中引入方向引导因子
Figure BDA0002918919180000104
具体引入方法如下：
Figure BDA0002918919180000105
Figure BDA0002918919180000106
其中，
Figure BDA0002918919180000107
为待控制智能运动体(r)受到排斥范围内的智能运动体(s)的排斥势场；
Figure BDA0002918919180000108
为方向引导因子，
Figure BDA0002918919180000109
为待控制智能运动体(r)与排斥范围内的智能运动体(s)的连线与待控制智能运动体(r)运动方向之间的夹角，S为排斥范围内的智能运动体(s)的总数量；
总排斥势场
Figure BDA00029189191800001010
通过
Figure BDA00029189191800001011
获得，其中，S为排斥范围内的智能运动体(s)的总数量。
图3示出了待控制智能运动体(r)与排斥范围内智能运动体(s)的急停状态示意图，如图3所示，在t时刻待控制智能运动体(r)与排斥范围内智能运动体(s)在相距为急停距离ρ0时(ρ0＜ρ)，仍以最大速度vmax相向行驶，为避免发生碰撞，待控制智能运动体(r)与排斥范围内智能运动体(s)两个运动体均需在单位时间内由最大速度vmax减速至0，且静止后两个运动体之间需保持安全距离dsafe，所以急停距离ρ0的具体获得方法如下：
Figure BDA0002918919180000111
其中，
Figure BDA0002918919180000112
为待控制智能运动体(r)和排斥范围内的智能运动体(s)的最大减速度。
急停时的排斥势场Ustop的具体获得方法为：
Figure BDA0002918919180000113
其中，η为斥力尺度因子。
待控制智能运动体(r)将在t+1时刻对t时刻的总排斥势场
Figure BDA0002918919180000114
做出反应，t+1时刻控制智能运动体(r)的加速度大小||ar(t+1)||的具体获得方法为：
Figure BDA0002918919180000115
在t时刻，通过待控制智能运动体(r)感知到排斥范围内的智能运动体(s)的排斥势场
Figure BDA0002918919180000116
获得排斥范围内智能运动体(s)相对于待控制智能运动体(r)的相对斥力
Figure BDA0002918919180000117
并通过斥力
Figure BDA0002918919180000118
获得待控制智能运动体(r)受到的合力Fr(t)，相对斥力
Figure BDA0002918919180000119
和合力Fr(t)的具体获得方法为：
Figure BDA00029189191800001110
Figure BDA00029189191800001111
其中，S为排斥范围内智能运动体(s)的数量。
根据所得到的合力Fr(t)方向上的单位向量
Figure BDA00029189191800001112
与t+1时刻的加速度大小||ar(t+1)||合成为加速度矢量ar(t+1)，与此同时分别得出t+1时刻的速度vr(t+1)和位置pr(t+1)，具体获得方法如下：
Figure BDA0002918919180000121
vr(t+1)＝vr(t)+ar(t)
pr(t+1)＝pr(t)+vr(t)
利用获得的t+1时刻加速度ar(t+1)、速度vr(t+1)和位置pr(t+1)使得待控制智能运动体(r)能够有效避开排斥范围内的智能运动体(s)，提高智能运动体的行驶安全性和工作效率。
下面结合一个具体的避障流程来说明上述的实现方法，如图4所示，包括以下步骤：
t＝0时刻，待控制智能运动体(r)开始运动，通过红外传感器(或其它传感器)实时检测待控制智能运动体(r)的运动状态Cr(t)和排斥范围内智能运动体(s)的运动状态Cs(t)，其中，运动状态Cr(t)包括待控制智能运动体(r)的位置pr(t)、速度vr(t)和加速度ar(t)，运动状态Cs(t)包括排斥范围内智能运动体(s)的位置ps(t)、速度vs(t)以及加速度as(t)，其中s为大于或等于0的自然数；
获得t+1时刻待控制智能运动体(r)速度vr(t+1)和位置pr(t+1)，待控制智能运动体(r)构建通信拓扑，以判断急停距离ρ0内有无智能运动体(s)，若急停距离ρ0内存在智能运动体(s)则待控制智能运动体(r)在t+1时刻以最大减速度
Figure BDA0002918919180000122
行驶；若急停距离ρ0内不存在智能运动体(s)则进一步判断排斥范围内有无智能运动体(s)。
若排斥范围内存在智能运动体(s)则需确定排斥范围内的智能运动体(s)的数量S，通过公式进一
Figure BDA0002918919180000123
步获得总排斥势场
Figure BDA0002918919180000124
判断
Figure BDA0002918919180000125
是否成立，若成立，则待控制智能运动体(r)在t+1时刻以最大减速度
Figure BDA0002918919180000126
行驶，若
Figure BDA0002918919180000127
不成立，则待控制智能运动体(r)在t+1时刻以
Figure BDA0002918919180000131
改变速度大小；若排斥范围内不存在智能运动体(s)，则进一步判断待控制智能运动体(r)在t时刻速度大小||vr(t)||是否等于最大速度vmax，若||vr(t)||等于最大速度vmax则待控制智能运动体(r)在t+1时刻的加速度大小||ar(t+1)||为0，若||vr(t)||不等于最大速度vmax则待控制智能运动体(r)在t+1时刻的加速度大小||ar(t+1)||以正常加速度anormal行驶。
获得控制智能运动体(r)在t+1时刻的加速度大小||ar(t+1)||的同时通过公式
Figure BDA0002918919180000132
得出待控制智能运动体(r)受到的合力Fr(t)，通过合力Fr(t)方向上的单位向量
Figure BDA0002918919180000133
与获得的加速度大小||ar(t+1)||合成为加速度矢量ar(t+1)。令t＝t+1，实时更新下一时刻待控制智能运动体(r)的运动状态Cr(t)和排斥范围内智能运动体(s)的运动状态Cs(t)。
需要说明的是，以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步的定义和解释。
以上所述，仅为本发明的具体实施方式，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以所述的权利要求的保护范围为准。

Claims (10)

1.一种用于智能运动体避障的控制方法，其特征在于，该方法的具体步骤为：
S1:检测t时刻待控制智能运动体(r)的运动状态Cr(t)和以所述待控制智能运动体(r)为圆心，ρ为半径的排斥范围内智能运动体(s)的数量S和运动状态Cs(t)，所述运动状态Cr(t)包括所述待控制智能运动体(r)的位置pr(t)、速度vr(t)和加速度ar(t)，所述运动状态Cs(t)包括所述排斥范围内智能运动体(s)的位置ps(t)、速度vs(t)以及加速度as(t)，其中s为大于或等于0的自然数；
S2:根据获得的所述位置pr(t)、位置ps(t)、速度vr(t)、速度vs(t)、加速度ar(t)及加速度as(t)获得t时刻所述排斥范围内智能运动体(s)相对于所述待控制智能运动体(r)的相对位置
Figure FDA0002918919170000011
相对速度
Figure FDA0002918919170000012
以及相对加速度
Figure FDA0002918919170000013
并且根据物体运动定律获得t+1时刻和t+2时刻所述排斥范围内智能运动体(s)相对于所述待控制智能运动体(r)的相对位置
Figure FDA0002918919170000014
和相对位置
Figure FDA0002918919170000015
S3:根据人工势场法中的排斥势场，分别获得t、t+1和t+2时刻所述待控制智能运动体(r)受到的来自于所述排斥范围内的智能运动体(s)的排斥势场
Figure FDA0002918919170000016
和
Figure FDA0002918919170000017
以及急停时的排斥势场Ustop和所述待控制智能运动体(r)受到所述排斥范围内所有智能运动体(s)的总排斥势场
Figure FDA0002918919170000018
S4:根据步骤S2获得的速度vr(t)和加速度ar(t)获得t+1时刻所述待控制智能运动体(r)的速度vr(t+1)；根据步骤S2获得的位置pr(t)和速度vr(t)获得t+1时刻所述待控制智能运动体(r)的位置pr(t+1)；根据步骤S3获得的所述总排斥势场
Figure FDA0002918919170000019
和所述急停时的排斥势场Ustop获得t+1时刻所述待控制智能运动体(r)的加速度大小||ar(t+1)||。
2.根据权利要求1所述的一种用于智能运动体避障的控制方法，其特征在于，该方法的具体步骤还包括获得所述待控制智能运动体(r)受到的合力Fr(t)，通过所述合力Fr(t)方向上的单位向量
Figure FDA00029189191700000212
与步骤S4获得的所述加速度大小||ar(t+1)||合成为加速度矢量ar(t+1)。
3.根据权利要求2所述的一种用于智能运动体避障的控制方法，其特征在于，所述待控制智能运动体(r)受到的合力Fr(t)的具体获得方法为:
Figure FDA0002918919170000021
Figure FDA0002918919170000022
其中，
Figure FDA0002918919170000023
为所述待控制智能运动体(r)受到的来自于所述排斥范围内的智能运动体(s)的排斥势场，S为所述排斥范围内智能运动体(s)的数量；
t+1时刻所述待控制智能运动体(r)的加速度ar(t+1)、速度vr(t+1)和位置pr(t+1)的具体获得方法为：
Figure FDA0002918919170000024
vr(t+1)＝vr(t)+ar(t) (4)
pr(t+1)＝pr(t)+vr(t) (5)
其中，
Figure FDA0002918919170000025
为所述合力Fr(t)方向上的单位向量。
4.根据权利要求1所述的一种用于智能运动体避障的控制方法，其特征在于，步骤S2中所述相对位置
Figure FDA0002918919170000026
和相对位置
Figure FDA0002918919170000027
的具体获得方法为：
Figure FDA0002918919170000028
Figure FDA0002918919170000029
Figure FDA00029189191700000210
其中，
Figure FDA00029189191700000211
为t+1时刻所述排斥范围内的智能运动体(s)相对于所述待控制智能运动体(r)的速度。
5.根据权利要求1所述的一种用于智能运动体避障的控制方法，其特征在于，步骤S3中所述排斥势场
Figure FDA0002918919170000031
和
Figure FDA0002918919170000032
的具体获得方法为：
Figure FDA0002918919170000033
Figure FDA0002918919170000034
Figure FDA0002918919170000035
其中，η为斥力尺度因子，
ρ为所述待控制智能运动体(r)的排斥范围半径。
6.根据权利要求1所述的一种用于智能运动体避障的控制方法，其特征在于，步骤S3中所述总排斥势场
Figure FDA0002918919170000036
的具体获得方法为：
Figure FDA0002918919170000037
Figure FDA0002918919170000038
Figure FDA0002918919170000039
其中，
Figure FDA00029189191700000310
为所述待控制智能运动体(r)受到所述排斥范围内的智能运动体(s)的排斥势场，
Figure FDA0002918919170000041
为方向引导因子，
Figure FDA0002918919170000042
为所述待控制智能运动体(r)与所述排斥范围内的智能运动体(s)的连线与所述待控制智能运动体(r)运动方向之间的夹角，
S为所述排斥范围内的智能运动体(s)的总数量。
7.根据权利要求1所述的一种用于智能运动体避障的控制方法，其特征在于，步骤S3中所述急停时的排斥势场Ustop的具体获得方法为：
Figure FDA0002918919170000043
其中，ρ0为急停距离，且ρ0＜ρ，
η为斥力尺度因子，
vmax为所述待控制智能运动体(r)和所述排斥范围内的智能运动体(s)相向运动的最大速度。
8.根据权利要求7所述的一种用于智能运动体避障的控制方法，其特征在于，t时刻相向运动的所述待控制智能运动体(r)和所述排斥范围内的智能运动体(s)在单位时间内均由最大速度vmax减速至0的所述急停距离ρ0的具体获得方法为：
Figure FDA0002918919170000044
其中，
Figure FDA0002918919170000045
为所述待控制智能运动体(r)和所述排斥范围内的智能运动体(s)的最大减速度，
dsafe所述待控制智能运动体(r)和所述排斥范围内的智能运动体(s)之间的安全距离。
9.根据权利要求1所述的一种用于智能运动体避障的控制方法，其特征在于，获得t+1时刻所述待控制智能运动体(r)的所述加速度大小||ar(t+1)||的具体方法为：
Figure FDA0002918919170000051
其中，
Figure FDA0002918919170000052
为所述待控制智能运动体(r)和所述排斥范围内的智能运动体(s)的最大减速度。
10.根据权利要求7所述的一种用于智能运动体避障的控制方法，其特征在于，若在t时刻所述待控制智能运动体(r)在所述排斥范围内不存在所述智能运动体(s)，且所述待控制智能运动体的速度大小||vr(t)||未达到最大速度vmax，则所述待控制智能运动体的加速度大小||ar(t+1)||以正常加速度anormal运动；若所述待控制智能运动体(r)的速度大小||vr(t)||达到最大速度vmax，则所述待控制智能运动体(r)的加速度大小||ar(t+1)||为0。
CN202110111159.0A 2021-01-27 2021-01-27 一种用于智能运动体避障的控制方法 Pending CN112947417A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110111159.0A CN112947417A (zh) 2021-01-27 2021-01-27 一种用于智能运动体避障的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110111159.0A CN112947417A (zh) 2021-01-27 2021-01-27 一种用于智能运动体避障的控制方法

Publications (1)

Publication Number Publication Date
CN112947417A true CN112947417A (zh) 2021-06-11

Family

ID=76237789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110111159.0A Pending CN112947417A (zh) 2021-01-27 2021-01-27 一种用于智能运动体避障的控制方法

Country Status (1)

Country Link
CN (1) CN112947417A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
CN107608346A (zh) * 2017-08-30 2018-01-19 武汉理工大学 基于人工势场的船舶智能避障方法及系统
WO2018205751A1 (zh) * 2017-05-08 2018-11-15 深圳光启合众科技有限公司 机器人转向运动控制方法和装置、机器人、存储介质
CN110673633A (zh) * 2019-09-29 2020-01-10 合肥工业大学 一种基于改进apf的电力巡检无人机路径规划方法
CN112180954A (zh) * 2020-07-28 2021-01-05 北京理工大学 一种基于人工势场的无人机避障方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
WO2018205751A1 (zh) * 2017-05-08 2018-11-15 深圳光启合众科技有限公司 机器人转向运动控制方法和装置、机器人、存储介质
CN107608346A (zh) * 2017-08-30 2018-01-19 武汉理工大学 基于人工势场的船舶智能避障方法及系统
CN110673633A (zh) * 2019-09-29 2020-01-10 合肥工业大学 一种基于改进apf的电力巡检无人机路径规划方法
CN112180954A (zh) * 2020-07-28 2021-01-05 北京理工大学 一种基于人工势场的无人机避障方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
CEN, MF等: "Real-time Obstacle Avoidance and Person Following Based on Adaptive Window Approach", 《 2019 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION (ICMA)》 *
PANG, C等: "Adaptive Obstacle Detection for Mobile Robots in Urban Environments Using Downward-Looking 2D LiDAR", 《SENSORS》 *
XUNYU等: "Velocity-Change-Space-based dynamic motion planning for mobile robots navigation", 《NEUROCOMPUTING》 *
ZHONG XUNYU等: "Detection of Moving Obstacles for Mobile Robot Using Laser Sensor", 《PROCEEDINGS OF THE 30TH CHINESE CONTROL CONFERENCE》 *
刘正雄等: "空间遥操作动态避障型虚拟夹具技术研究", 《西北工业大学学报》 *
李东方等: "基于人工势场与IB-LBM的机器蛇水中2D避障控制算法", 《机器人》 *
桑雷等: "基于人工势场法的多机器人编队与避障", 《信息系统工程》 *
覃柯等: "动态环境下基于改进人工势场法的机器人运动规划", 《沈阳工业大学学报》 *
谭宝成等: "改进人工势场法在无人车避障中的应用", 《西安工业大学学报》 *
陈珊等: "基于改进人工势场法的动态避障研究", 《电子世界》 *

Similar Documents

Publication Publication Date Title
Takeuchi et al. Fuzzy control of a mobile robot for obstacle avoidance
EP3717324B1 (en) Autonomous vehicle operational management scenarios
Fletcher et al. The MIT–Cornell collision and why it happened
CN109318890A (zh) 一种基于动态窗口及障碍物势能场的无人车动态避障方法
US9116521B2 (en) Autonomous moving device and control method thereof
CN106919181A (zh) 一种无人机避障方法
CN102227612A (zh) 自主驾驶车辆的控制和系统
CN114474061A (zh) 基于云服务的机器人多传感器融合定位导航系统及方法
CN112180954B (zh) 一种基于人工势场的无人机避障方法
CN101825901A (zh) 基于人工物理法的多智能体机器人协同控制方法
CN111949032A (zh) 一种基于强化学习的3d避障导航系统及方法
CN113495566B (zh) 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法
CN116300973B (zh) 一种复杂天气下无人驾驶矿车自主避障方法
CN113296523A (zh) 一种移动机器人避障路径规划方法
López et al. Obstacle avoidance in dynamic environments based on velocity space optimization
CN116540784B (zh) 一种基于视觉的无人系统空地协同导航与避障方法
Sasiadek et al. 3D local trajectory planner for UAV
CN114594756A (zh) 动态障碍环境下的多车协同编队控制方法、终端及介质
Malviya et al. Autonomous social robot navigation using a behavioral finite state social machine
Bauer et al. Steer angle fields: An approach to robust manoeuvring in cluttered, unknown environments
Alsaab et al. Improving velocity obstacle approach for obstacle avoidance in indoor environments
CN112947417A (zh) 一种用于智能运动体避障的控制方法
Soloviev et al. Planning of the mobile robot motion in non-deterministic environments with potential fields method
Woo Mobile robot path planning with randomly moving obstacles and goal
Morales et al. Safe and reliable navigation in crowded unstructured pedestrian areas

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