CN113485367A - 一种舞台多功能移动机器人的路径规划方法 - Google Patents
一种舞台多功能移动机器人的路径规划方法 Download PDFInfo
- Publication number
- CN113485367A CN113485367A CN202110903872.9A CN202110903872A CN113485367A CN 113485367 A CN113485367 A CN 113485367A CN 202110903872 A CN202110903872 A CN 202110903872A CN 113485367 A CN113485367 A CN 113485367A
- Authority
- CN
- China
- Prior art keywords
- tree
- new
- circle
- point
- center
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 230000004888 barrier function Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种舞台多功能移动机器人的路径规划方法,属于智能机器人路径规划技术领域;本发明基于BI‑RRT*方法和informedRRT*方法的基础上引入中心圆和概率偏置变步长的概念。利用概率目标偏置和变步长来减少找到初始方案的时间,双向RRT树都到达中心圆圆内后,开始进行双椭圆空间的采样;中心圆思想和概率偏置变步长加快了找到初始方案的速度,并且限制了采样的区间,将采样区间变成两个椭圆区间,这样可以减少无用的搜索区域,提高算法的搜索效率;解决复杂环境下,路径规划时间长,路径不优的问题,同时对本发明所提的方法进行仿真实验,证实该算法的优越性,具有很强的实用价值。
Description
技术领域
本发明涉及智能机器人路径规划技术领域,具体涉及一种舞台多功能移动机器人的路径规划方法。
背景技术
为了丰富全民公共文化服务,特别是满足基层文化多样化服务需求,需要在基层小型文化服务综合体活动空间中开展文化演出、会议议事、展览阅览以及民俗活动等文化服务功能,因服务空间不同,其功能空间内的配置设施和使用要求也不同,为了达到小型文化综合体“一厅多用”要求,往往要通过智能移动机器人协助完成多种功能空间相互快速组合以及切换,实现小型综合体空间内拥挤环境下的自主轨迹规划与快速搬运服务等,从而满足单一空间多种文化服务需求。
机器人是融合机械、电子、计算机、控制、人工智能等多领域技术交叉的装备,特别是移动机器人,由于其具有结构简单、控制方便、模型易建、承重大、自重轻、行走速度快等特点,在人类生产生活各领域得到广泛应用。移动机器人指一类可以通过自身传感器探知外界环境,实现在复杂环境中连续自主行驶的智能机器人,其涉及到信息感知、运动规划、自主控制等学科领域,是人工智能技术和计算机信息科学的最新成果。路径规划是移动机器人完成各种功能的基础,具备路径规划能力的移动机器人才真正具备实用性。机器人路径规划是在已知自身位置和目标点或者目标区域的条件下,在机器人运动空间寻找一条能够无碰撞抵达目标点或者区域的线路。路径规划能够极大地扩展移动机器人工作空间,提高移动机器人的实际应用价值。
BI-RRT*算法是快速搜索随机树算法的一种变种算法,主要用于移动机器人的路径规划,是一种基于采样的规划算法,通过对状态空间进行随机采样的策略使得搜索树向空白区域扩展,省去了对状态空间建模的过程,重新选择父节点使新生成的节点路径代价降为最小,优化了搜索路径。重新布线使得生成新节点后的随机树减少冗余通路,减小路径代价。但是BI-RRT*算法采用均匀采样的方法,缺乏引导信息,导致出现无用的采样空间,增大了找到初始可行解的时间,导致算法计算量增大。Informed RRT*算法在初始点和目标点距离过远时导致椭圆采样空间过大的问题以及BI-RRT*算法由于采用贪婪式连接得到的是局部的最优解,并不是对所有问题都能得到整体的最优解。因此,对于以上问题,亟需提出一种可以减少无用搜索空间、可以快速找到初始可行解以及新的连接方式的的方法。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种舞台多功能移动机器人的路径规划方法,该方法通过改进BI-RRT*和 informedRRT*方法加入中心圆和概率偏置变步长的思想来实现更快的探索时间和更短的路径的算法。
为了实现上述目的,本发明采用的技术方案如下:
一种舞台多功能移动机器人的路径规划方法,其特征在于,包括以下步骤:
1)设置移动机器人的初始点X-start、目标点G-goal以及中心圆的圆心X-mide,半径为R,迭代次数iter的初值为0,最大迭代次数 maxiter的值为2500,障碍物的随机分布坐标;初始化随机树第一棵树T1和第二棵树T2,初始点X-start和目标点G-goal分别为树T1和树T2的起始点,X-mide为两棵树共同的目标点;
2)设定中心圆的位置;
3)判断是否满足椭圆采样条件,若满足椭圆采样条件,进行椭圆空间采样,并在椭圆空间内生成采样点X-rand、G-rand;若不满足椭圆采样条件,概率随机生成两个随机点或者是以中心点X-mide为随机点;
4)遍历两棵树,找到距离采样点或随机点最近的树中的两个树节点X-near、G-near;根据当前树节点X-near、G-near距离最近障碍物的距离设置动态步长;
5)沿着树节点X-near、G-near方向变步长扩展生成两个新的树节点X-new、G-new;
6)进行碰撞检测判断新节点是否在障碍物上;
7)若新的树节点X-new、G-new不在障碍物上则将新的树节点X-new、G-new加入树中;若在障碍物上则重新进行采样;
8)进行重选父节点和剪枝过程;
9)判断中心圆内是否有两棵树的节点;
10)判断是否到达最大迭代次数;
11)如果没有到达则继续进行迭代,如果到达最大迭代次数则计算规划时间和路径长度。
进一步的,所述步骤2)中,在初始点X-start和目标点G-goal 的中心点处生成一个中心圆,当中心圆处无障碍物时,则以固定半径 R为中心圆的半径,当中心处有障碍物时,通过扩大半径来覆盖障碍物,此时的中心圆半径R-new为中心圆的半径。
进一步的,所述步骤3)椭圆采样条件:当两棵树的节点都到达中心圆内,中心圆内没有障碍物则将两个节点直接连接起来,以满足椭圆采样条件;若中心圆内有障碍物,则通过扩大中心圆半径,使中心圆的范围变大,将两树连接点变成中心圆内的无障碍物处,再进行连接,以满足椭圆采样条件。
进一步的,所述步骤3)中,在第一棵树的起点X-start和中心圆的圆心X-mide为椭圆采样的两个端点,第二棵树的起点G-goal和中心圆的圆心X-mide为椭圆采样的两个端点。
进一步的,所述步骤4)中,首先将舞台环境中的障碍物位置信息存储到数组hazards[i]中,在生成新的树节点X-new和G-new节点之前找到距离当前最近树节点X-near、G-near最近的障碍物的距离,如果距离最近障碍物的距离XL、GL小于最小步长SLmin的值,则设置步长SL的值为最小步长的SLmin值;如果距离最近障碍物的距离 XL、GL大于最小步长SLmin的值,则SL=SLmin+XL/β,β为动态步长因子。
本发明有益效果是:
1)提出了概率偏置变步长的思想来减少找到初始方案花费的时间;概率偏置变步长既可以通过变步长加快到达目标点的速度也可以避免出现局部卡住的现象。
2)针对无用采样空间的问题提出了中心圆思想,通过中心圆来生成两个椭圆采样空间来减少对无用空间点的采样,不仅减少了无用节点还减少了规划时间,缩短了规划路径长度,提高了舞台移动机器人路径规划的效率。
附图说明
图1是本发明实施例的方法实现流程图;
图2是本发明实施例中变步长原理图;
图3是本发明实施例中中心圆无障碍物的路径规划过程图;
图4是本发明实施例中中心圆有障碍物的路径规划过程图;
图5是本发明实施例中中心圆和双椭圆的路径规划图;
图6是标准informed RRT*算法路径规划图;
图7是标准BI-RRT*算法路径规划图。
具体实施方式
下面结合附图及具体实施例,对本发明作进一步的详细说明。
本发明的目的在于提供一种舞台多功能移动机器人的路径规划方法,基于BI-RRT*方法和informed RRT*方法的基础上引入中心圆和概率偏置变步长的概念。
在本实施例中,设规划地图的范围为774*803,路径规划的起始点为(10,10),目标点为(750,450),障碍物位置随机分布,中心圆的圆心为X-mide,半径为40,最大迭代次数为2500次。
一种舞台多功能移动机器人的路径规划方法,具体步骤如下:
步骤1:设置移动机器人的初始点X-start和目标点G-goal以及中心圆的中点X-mide半径为R当中心点有障碍物时扩大半径。如图3和图4所示标志位flag=0,迭代次数iter的值为0,最大迭代次数 maxiter的值为2500,还有障碍物的随机分布坐标;初始点X-start 和目标点G-goal分别为树T1和树T2的起始点,X-mide为两棵树共同的目标点。
步骤2:在产生随机节点之前先判断标志位flag值是否为1;如果 flag的值为0则采用概率生成随机节点,50%随机生成50%以中心圆的圆心坐标为随机节点,如果树T1(树T2)进入中心圆的圆心内而树T2(树T1)没有进入中心圆的圆心则树T1(树T2)停止采样直到树T2(树T1)进入中心圆的圆心,此时标志位flag1=1(flag2=1),
步骤3:当标志位flag1=1,标志位flag2=1时,说明两棵树都进入中心圆的圆心内,则标志位flag=1开始采用椭圆采样,两个椭圆的长轴分别为树T1的初始方案长度(树T1向中心圆扩展,两棵树第一次连接时的所形成一条路径的长度)和树T2的初始方案长度(树T2 向中心圆扩展,两棵树第一次连接时的所形成一条路径的长度),两个椭圆的短轴分别为树T1的起点x-start和中心圆圆心X-mide的欧式距离和树T2的起点G-goal和中心圆圆心X-mide的欧式距离。
步骤4:遍历两棵树找到距离新生成的两个随机点最近的树中的两个点x-near、G-near。
步骤5:根据当前X-near、G-near距离障碍物最近的距离设置步长,沿着X-near、G-near方向动态步长扩展生成X-new、G-new。步长SL=SLmin+XL/β,SL为当前节点距离最近障碍物的距离如图2所示。
步骤6:进行碰撞检测判断新生成的两个节点X-new、G-new是否在障碍物上。
步骤7:如果不在障碍物上则将X-new、G-new加入树中,如果在障碍物上则重新进行采样。
步骤8:进行重选父节点和剪枝。
步骤9:判断中心圆内是否有两棵树的节点,如果有树T1的节点则flag1=1,如果有树T2的节点则flag2=1,如果flag1=1,flag2=1则 flag=1。
步骤10判断是否到达最大迭代次数。
步骤11:如果没有到达则继续进行迭代,如果到达最大迭代次数则计算规划时间和路径长度。
为了验证本发明方法的效率和稳定性,分别对informed RRT*路径规划方法、BI-RRT*方法和本发明方法进行实验验证。在相同的环境下,以迭代2500次运行结果做一次统计,统计十次。得到这三种路径规划方法在找到路径时的所花的平均时间、平均节点数及平均路径长度对比关系如表1所示。由表1可知,本发明方法与informed RRT*路径规划方法、RRT*方法相比,在同样的环境中找到路径所需的时间、节点数及路径长度均有明显减少。十次统计实验数据平均值的对比分析如表1所示:
表1
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (5)
1.一种舞台多功能移动机器人的路径规划方法,其特征在于,包括以下步骤:
1)设置移动机器人的初始点X-start、目标点G-goal以及中心圆的圆心X-mide,半径为R,迭代次数iter的初值为0,最大迭代次数maxiter的值为2500,障碍物的随机分布坐标;初始化随机树第一棵树T1和第二棵树T2,初始点X-start和目标点G-goal分别为树T1和树T2的起始点,X-mide为两棵树共同的目标点;
2)设定中心圆的位置;
3)判断是否满足椭圆采样条件,若满足椭圆采样条件,进行椭圆空间采样,并在椭圆空间内生成采样点X-rand、G-rand;若不满足椭圆采样条件,概率随机生成两个随机点或者是以中心点X-mide为随机点;
4)遍历两棵树,找到距离采样点或随机点最近的树中的两个树节点X-near、G-near;根据当前树节点X-near、G-near距离最近障碍物的距离设置动态步长;
5)沿着树节点X-near、G-near方向变步长扩展生成两个新的树节点X-new、G-new;
6)进行碰撞检测判断新节点是否在障碍物上;
7)若新的树节点X-new、G-new不在障碍物上则将新的树节点X-new、G-new加入树中;若在障碍物上则重新进行采样;
8)进行重选父节点和剪枝过程;
9)判断中心圆内是否有两棵树的节点;
10)判断是否到达最大迭代次数;
11)如果没有到达则继续进行迭代,如果到达最大迭代次数则计算规划时间和路径长度。
2.根据权利要求1所述的一种舞台多功能移动机器人的路径规划方法,其特征在于,所述步骤2)中,在初始点X-start和目标点G-goal的中心点处生成一个中心圆,当中心圆处无障碍物时,则以固定半径R为中心圆的半径,当中心处有障碍物时,通过扩大半径来覆盖障碍物,此时的中心圆半径R-new为中心圆的半径。
3.根据权利要求1所述的一种舞台多功能移动机器人的路径规划方法,其特征在于,所述步骤3)椭圆采样条件:当两棵树的节点都到达中心圆内,中心圆内没有障碍物则将两个节点直接连接起来,以满足椭圆采样条件;若中心圆内有障碍物,则通过扩大中心圆半径,使中心圆的范围变大,将两树连接点变成中心圆内的无障碍物处,再进行连接,以满足椭圆采样条件。
4.根据权利要求1所述的一种舞台多功能移动机器人的路径规划方法,其特征在于,所述步骤3)中,在第一棵树的起点X-start和中心圆的圆心X-mide为椭圆采样的两个端点,第二棵树的起点G-goal和中心圆的圆心X-mide为椭圆采样的两个端点。
5.根据权利要求1所述的一种舞台多功能移动机器人的路径规划方法,其特征在于,所述步骤4)中,首先将舞台环境中的障碍物位置信息存储到数组hazards[i]中,在生成新的树节点X-new和G-new节点之前找到距离当前最近树节点X-near、G-near最近的障碍物的距离,如果距离最近障碍物的距离XL、GL小于最小步长SLmin的值,则设置步长SL的值为最小步长的SLmin值;如果距离最近障碍物的距离XL、GL大于最小步长SLmin的值,则SL=SLmin+XL/β,β为动态步长因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903872.9A CN113485367B (zh) | 2021-08-06 | 2021-08-06 | 一种舞台多功能移动机器人的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903872.9A CN113485367B (zh) | 2021-08-06 | 2021-08-06 | 一种舞台多功能移动机器人的路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113485367A true CN113485367A (zh) | 2021-10-08 |
CN113485367B CN113485367B (zh) | 2023-11-21 |
Family
ID=77945877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110903872.9A Active CN113485367B (zh) | 2021-08-06 | 2021-08-06 | 一种舞台多功能移动机器人的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113485367B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115122317A (zh) * | 2022-03-02 | 2022-09-30 | 山东大学 | 基于筛选最优目标构型的冗余机械臂路径规划方法及系统 |
CN115950439A (zh) * | 2023-03-15 | 2023-04-11 | 季华实验室 | 双向rrt路径规划方法、装置、电子设备及存储介质 |
CN116784975A (zh) * | 2023-04-26 | 2023-09-22 | 安徽医科大学 | 基于改进Bi-RRT算法的柔性穿刺针路径规划方法 |
CN117387633A (zh) * | 2023-12-13 | 2024-01-12 | 山东常林智能装备科技有限公司 | 一种无人驾驶挖掘机的路径规划方法、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170241790A1 (en) * | 2016-02-24 | 2017-08-24 | Honda Motor Co., Ltd. | Path plan generating apparatus for mobile body |
CN108981704A (zh) * | 2018-07-13 | 2018-12-11 | 昆明理工大学 | 一种基于动态步长的目标引力双向rrt路径规划方法 |
CN111752306A (zh) * | 2020-08-14 | 2020-10-09 | 西北工业大学 | 一种基于快速扩展随机树的无人机航路规划方法 |
CN112179367A (zh) * | 2020-09-25 | 2021-01-05 | 广东海洋大学 | 一种基于深度强化学习的智能体自主导航方法 |
CN113103236A (zh) * | 2021-04-22 | 2021-07-13 | 山东大学 | 一种快速渐进最优的机械臂避障路径规划方法 |
-
2021
- 2021-08-06 CN CN202110903872.9A patent/CN113485367B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170241790A1 (en) * | 2016-02-24 | 2017-08-24 | Honda Motor Co., Ltd. | Path plan generating apparatus for mobile body |
CN108981704A (zh) * | 2018-07-13 | 2018-12-11 | 昆明理工大学 | 一种基于动态步长的目标引力双向rrt路径规划方法 |
CN111752306A (zh) * | 2020-08-14 | 2020-10-09 | 西北工业大学 | 一种基于快速扩展随机树的无人机航路规划方法 |
CN112179367A (zh) * | 2020-09-25 | 2021-01-05 | 广东海洋大学 | 一种基于深度强化学习的智能体自主导航方法 |
CN113103236A (zh) * | 2021-04-22 | 2021-07-13 | 山东大学 | 一种快速渐进最优的机械臂避障路径规划方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115122317A (zh) * | 2022-03-02 | 2022-09-30 | 山东大学 | 基于筛选最优目标构型的冗余机械臂路径规划方法及系统 |
CN115950439A (zh) * | 2023-03-15 | 2023-04-11 | 季华实验室 | 双向rrt路径规划方法、装置、电子设备及存储介质 |
CN115950439B (zh) * | 2023-03-15 | 2023-06-02 | 季华实验室 | 双向rrt路径规划方法、装置、电子设备及存储介质 |
CN116784975A (zh) * | 2023-04-26 | 2023-09-22 | 安徽医科大学 | 基于改进Bi-RRT算法的柔性穿刺针路径规划方法 |
CN117387633A (zh) * | 2023-12-13 | 2024-01-12 | 山东常林智能装备科技有限公司 | 一种无人驾驶挖掘机的路径规划方法、电子设备及介质 |
CN117387633B (zh) * | 2023-12-13 | 2024-05-14 | 山东常林智能装备科技有限公司 | 一种无人驾驶挖掘机的路径规划方法、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113485367B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113485367A (zh) | 一种舞台多功能移动机器人的路径规划方法 | |
CN108469822B (zh) | 一种室内导盲机器人在动态环境下的路径规划方法 | |
CN112013846A (zh) | 一种结合动态步长rrt*算法和势场法的路径规划方法 | |
CN112286202B (zh) | 一种非均匀采样fmt*的移动机器人路径规划方法 | |
CN113359775B (zh) | 一种动态变采样区域rrt无人车路径规划方法 | |
CN114161416B (zh) | 基于势函数的机器人路径规划方法 | |
CN111724273B (zh) | 采用大容量风电机组的海上风电场自动规划集电线路方法 | |
Kuffner | Efficient optimal search of uniform-cost grids and lattices | |
Zhang et al. | A-star algorithm for expanding the number of search directions in path planning | |
Chang et al. | Skeleton extraction and greedy-algorithm-based path planning and its application in UAV trajectory tracking | |
CN110769430B (zh) | 基于最小包围圆算法的无线传感器网络中继节点部署方法 | |
Wu et al. | Evolutionary path planning of a data mule in wireless sensor network by using shortcuts | |
CN113188555A (zh) | 一种移动机器人路径规划方法 | |
Qiao et al. | Sample-based frontier detection for autonomous robot exploration | |
CN113358129B (zh) | 基于Voronoi图的避障最短路径规划方法 | |
Zhang et al. | Improve RRT algorithm for path planning in complex environments | |
Zhang et al. | An improved dynamic step size RRT algorithm in complex environments | |
CN116009527A (zh) | 基于动态场景结构膨胀感知的路径规划算法 | |
CN115465125A (zh) | 一种基于无线充电技术的auv集群水下能量救援方法 | |
Gugan et al. | Towards the development of a robust path planner for autonomous drones | |
Tian et al. | A path planning algorithm based on improved RRT* for UAVs | |
Tao et al. | Research on path planning of mobile robot based on improved rrt* algorithm | |
Wang et al. | Improved RRT Algorithm for Field Environment Tends to Smooth Path | |
Wang et al. | An identical particle diffusion algorithm for multi-agent formation | |
Ren et al. | Research on manipulator motion planning based on improved RRT algorithm |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Andong Inventor after: Zhang Baixin Inventor after: Cao Hanren Inventor after: Ni Hongjie Inventor after: Zhang Dan Inventor before: Liu Andong Inventor before: Zhang Boxin Inventor before: Cao Hanren Inventor before: Ni Hongjie Inventor before: Zhang Dan |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |