CN113867356A - 机器人路径规划方法、装置及机器人 - Google Patents
机器人路径规划方法、装置及机器人 Download PDFInfo
- Publication number
- CN113867356A CN113867356A CN202111189190.2A CN202111189190A CN113867356A CN 113867356 A CN113867356 A CN 113867356A CN 202111189190 A CN202111189190 A CN 202111189190A CN 113867356 A CN113867356 A CN 113867356A
- Authority
- CN
- China
- Prior art keywords
- path
- robot
- node
- point
- obstacle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 29
- 230000004888 barrier function Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000010223 real-time analysis Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 description 9
- 230000003068 static effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001629 suppression 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Acoustics & Sound (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种机器人路径规划方法、装置及机器人。在上述方法中,获取并记录第一路径;在机器人跟踪所述第一路径的过程中,实时分析当前位置点之后所述第一路径上预定距离范围内的路径所对应的障碍物数据;判断所述预定距离范围内的路径所对应的障碍物数据是否满足预设条件;在不满足所述预设条件的情况下,触发路径规划操作,删除障碍物数据不满足所述预设条件的第二路径,并重新规划第三路径。采用上述技术方案,可以保证机器人在满足最高行进覆盖率的情况下,对于障碍物能够实现平稳避障。
Description
技术领域
本发明涉及人工智能领域,具体而言,涉及一种机器人路径规划方法、装置及机器人。
背景技术
随着人工智能技术的日趋成熟,智能化设备也逐渐进入人们的生活。在各个市场领域,人工智能技术开始不断发力,通过自动化模式来提高工作效率,从而解放劳动力。也正因为如此,客户对于机器人的工作执行效率要求越来越高。
目前市面上大多数机器人的工作模式,对于大面积的作业场地,通常由人工指定区域,机器人进行作业,这样的操作方式,虽然能够满足大面积自动作业需求,但是难以完成一些特定任务。
例如,在机器人跟踪初始路线作业时,当新出现静态障碍物或者动态障碍物,阻挡待跟踪的工作路径的情况,此时使用局部规划器去避障,会出现无法收敛、无法应对大型障碍物、增大CPU负载、避障路径不是最优等问题。此外,如果仅使用全局规划器,会出现状态切换时候的卡顿,整体工作不够流畅等问题。
发明内容
本发明的主要目的在于公开了一种机器人路径规划方法、装置及机器人,以至少解决相关技术中在机器人跟踪初始路线作业时,当新出现静态障碍物或者动态障碍物,阻挡待跟踪的工作路径的情况,此时使用局部规划器去避障,会出现无法收敛、无法应对大型障碍物、增大CPU负载、避障路径不是最优等问题。此外,如果仅使用全局规划器,会出现状态切换时候的卡顿、整体工作不够流畅等问题。
根据本发明的一个方面,提供了一种机器人路径规划方法。
根据本发明的机器人路径规划方法包括:获取并记录第一路径;在机器人跟踪所述第一路径的过程中,实时分析当前位置点之后所述第一路径上预定距离范围内的路径所对应的障碍物数据;判断所述预定距离范围内的路径所对应的障碍物数据是否满足预设条件;在不满足所述预设条件的情况下,触发路径规划操作,删除障碍物数据不满足所述预设条件的第二路径,并重新规划第三路径。
根据本发明的另一方面,提供了一种机器人路径规划装置。
根据本发明的机器人路径规划装置包括:获取模块,用于获取并记录第一路径;分析模块,用于在机器人跟踪所述第一路径的过程中,实时分析当前位置点之后所述第一路径上预定距离范围内的路径所对应的障碍物数据;判断模块,用于判断所述预定距离范围内的路径所对应的障碍物数据是否满足预设条件;路径规划模块,用于在不满足所述预设条件的情况下,触发路径规划操作,删除障碍物数据不满足所述预设条件的第二路径并重新规划第三路径。
根据本发明的又一方面,提供了一种机器人。
根据本发明的机器人包括:存储器及处理器,其中,存储器,用于存储计算机执行指令;处理器,用于执行存储器存储的计算机执行指令,使得机器人执行上述任一项的方法。
根据本发明,获取并记录待跟踪的路径,在机器人跟踪该路径的过程中,实时分析当前位置点之后路径上预定距离范围内的障碍物数据;并对障碍物数据进行判定,确定是否触发路径规划操作,采用该方法,对于机器人即将跟踪的路径的障碍物信息进行提前的预测分析、在机器人跟踪过程中,提前执行路径规划操作,解决了相关技术中在机器人跟踪初始路线作业时,当新出现静态障碍物或者动态障碍物,阻挡待跟踪的工作路径的情况,此时使用局部规划器去避障,会出现无法收敛、无法应对大型障碍物、增大CPU负载、避障路径不是最优等问题。从而可以保证机器人在满足最高行进覆盖率的情况下,对于障碍物能够实现平稳避障。
附图说明
图1是根据本发明实施例的机器人路径规划方法的流程图;
图2是根据本发明优选实施例的机器人路径规划方法的流程图;
图3是根据本发明实施例的机器人路径规划装置的结构框图;
图4是根据本发明实施例的机器人的结构框图。
具体实施方式
下面结合说明书附图对本发明的具体实现方式做一详细描述。
根据本发明实施例,提供了一种机器人路径规划方法。
图1是根据本发明实施例的机器人路径规划方法的流程图。如图1所示,该机器人路径规划方法包括:
步骤S101:获取并记录第一路径;
步骤S102:在机器人跟踪上述第一路径的过程中,实时分析当前位置点之后上述第一路径上预定距离范围内的路径所对应的障碍物数据;
步骤S103:判断上述预定距离范围内的路径所对应的障碍物数据是否满足预设条件;
步骤S104:在不满足上述预设条件的情况下,触发路径规划操作,删除障碍物数据不满足所述预设条件的第二路径并重新规划第三路径。
采用图1所示的方法,获取并记录待跟踪的路径,在机器人跟踪该路径的过程中,实时分析当前位置点之后路径上预定距离范围内的障碍物数据;并对障碍物数据进行判定,确定是否触发路径规划操作,采用该方法,对于机器人即将跟踪的路径的障碍物信息进行提前的预测分析、在机器人跟踪过程中,提前执行路径规划操作,解决了相关技术中在机器人跟踪初始路线作业时,在出现静态障碍物或者动态障碍物,阻挡待跟踪的工作路径的情况,此时使用局部规划器去避障,会出现无法收敛、无法应对大型障碍物、增大CPU负载、避障路径不是最优等问题。从而可以保证机器人在满足最高行进覆盖率的情况下,对于障碍物能够实现平稳避障。
当然,上述第一路径为预先设定并保存的路径,除了通过用户操控机器人的方法获取初始路径,也可以采用其他方法来获取初始路径,例如,自动探索环境获取环境感知信息,建立感知环境模型,采用全局路径规划算法来获取初始路径。在具体实施过程中,可以根据激光传感器数据进行实时定位与建图,然后映射到栅格地图上,从而在栅格地图上保存机器人的初始路径。
在优选实施过程中,上述第一路径,主要是为了给控制器提供一条可行的最优路径进行规划,同时又不会偏离实际的运动轨迹。对于该第一路径,还可以将记录好的栅格点进行优化与滤波,因为考虑到实时定位与建图(SLAM)的误差,所有的路径点可能不是完全流畅与连贯的。所以需要滤除“毛刺”路径点(指由于误差原因造成一些路径点远远偏离原始路径)、优化路径点的方向等,以保证路径的平滑度。
优选地,上述实时分析当前位置点之后上述第一路径上预定距离范围内的路径所对应的障碍物数据可以进一步包括:对于上述预定距离范围内的路径中每个路径点,分别预先计算该路径点对应栅格的置信度,其中,上述机器人包括一个或多个传感器,上述置信度=各个权重与该权重对应的传感器探测到的障碍物数据的乘积的总和;
其中,传感器探测到的障碍物数据的乘积的总和包括以下至少之一:
第一权重*激光雷达传感器探测到的障碍物代价值;
第二权重*超声传感器探测到的障碍物代价值;
第三权重*TOF传感器探测到的障碍物代价值;
第四权重*多目视觉传感器探测到的障碍物代价值;
第五权重*跌落传感器探测到的障碍物代价值;
其中,各个权重的大小设置与该权重对应的传感器精度大小相关。
即,上述置信度等于:第一权重*激光雷达传感器探测到的障碍物代价值、第二权重*超声传感器探测到的障碍物代价值、第三权重*TOF传感器探测到的障碍物代价值、第四权重*多目视觉传感器探测到的障碍物代价值、第五权重*跌落传感器探测到的障碍物代价值中的一项或者多项相加。上述各个权重的值可以动态设置,优选地,各个权重的大小设置与该权重对应的传感器精度大小相关。例如,多目视觉传感器的精度较高,则对应于该传感器的权重值相对较大。
优选地,步骤S103中,判断上述障碍物数据是否满足上述预设条件可以进一步包括:对于上述预定距离范围内的路径中路径点,在该路径点对应栅格的置信度大于或者等于预设置信度阈值时,确定该路径点对应的障碍物数据不满足上述预设条件。换句话说,在该路径点对应栅格的置信度小于预设置信度阈值时,确定该路径点对应的障碍物数据满足上述预设条件。
需要说明的是,上述第二路径可能只是一条连续的路径,也可能会存在多条连续的路径,当第一路径上预定距离范围内的路径点对应栅格的置信度可能全部都不满足预设条件,则该第二路径为一条连续的路径;当第一路径上预定距离范围内的路径点对应栅格的置信度可能部分不满足预设条件,但是有部分满足预设条件,即这些点为可通行点,则该第二路径为多条连续的路径。相应的,当第二路径为一条连续的路径时,第三路径也是一条连续的路径,当第二路径为多条连续的路径时,第三路径也是多条连续的路径。
在机器人跟踪第一路径的过程中,会实时分析预测机器人当前位置之后一定距离长度(例如,2米)的路径,如上所述,栅格的置信度主要通过机器人的各个传感器探测到的障碍物数据和各传感器对应的权重值来计算获取。例如,设置有多种传感器的机器人包括:激光雷达传感器、TOF传感器、超声波传感器、双目视觉传感器,则每个路径点对应栅格的置信度计算公式如下:
置信度=权重1*激光雷达探测到的障碍物代价值(例如,100)+权重2*超声波传感器探测到的障碍物代价值+权重3*TOF传感器探测到的障碍物代价值*+权重4*双目传感器探测到的障碍物代价值。
在机器人跟踪上述第一路径(可以是初始路径)的过程中,第一路径上,如果当前位置之后一定距离长度(例如,2米)的路径中某个路径点的置信度小于预设置信度阈值时,则确定上述该路径点对应的障碍物数据满足上述预设条件。反之,如果当前位置之后一定距离长度(例如,2米)的第一路径上另一个路径点的置信度大于或者等于预设置信度阈值时,则确定上述该路径点对应的障碍物数据不满足上述预设条件,对于不满足预设条件的一个或者多个路径点,需要去除掉,相对应的,即删除掉第二路径(即需要删除掉的路径),并重新规划路径(即第三路径)。
优选地,步骤S104中,重新规划第三路径可以进一步包括:
S1:从第二路径的起点开始,在水平方向和竖直方向开始搜索;
S2:如果未发现感兴趣节点,则继续沿对角线方向搜索;
S3:对于当前节点,如果搜索到携带有特定点的节点,则将该当前节点确定为感兴趣节点,其中,上述特定点的邻居节点中有障碍物点,且该特定点的父节点经过该特定点到达第二路径的终点的距离代价比不经过该特定点到达上述终点的任意路径的距离代价都小;
S4:从该当前节点开始,继续沿着之前的搜索方向搜索,循环执行S3,直至搜索至上述终点。
在具体实施过程中,可以采用传统的A*模块规划一条符合要求的路径,并将此路径取代第二路径,但是,传统的A*模块规划生成的路径呈“锯齿形”,完全不符合控制器对于输入路径的要求,因此,需要对此做一些优化处理,使得原本对称的节点计算出的函数值有一定偏差来打破原本的对称性,主要的目的是使得非水平或垂直的路径点能够平滑而非曲折。
在优选实施过程中,可以控制路径点加入到待访问节点集合的规则。根据实际机器人的行进以及避障路径,来制定这个规则,制定的规则分为直线搜索和对角搜索,主要的工作在于找到感兴趣节点,中间的邻居栅格不需要加入待访问节点集合。
首先,从起点开始,执行直线搜索(水平和竖直两个方向),如果有感兴趣的节点,则将该节点加入待访问节点集合中,如果没有感兴趣的节点则开始对角线搜索。例如,对于当前节点,搜索发现携带特定点x(其中,特定点x是指它的邻居节点(neighbor)中有障碍物点,且该特定点x的父节点p经过特定点x到达终点n的距离代价比不经过x到达的终点n的任意路径的距离代价都小)的节点,将该当前节点确定为感兴趣节点,置入待访问节点集合,之后从这个当前节点开始,继续沿着之前的搜索方向开始新一轮搜索,对于搜索到的节点,在水平方向和竖直方向开始搜索,如果有感兴趣的节点,则将该节点加入待访问节点集合中,例如,在水平方向上搜索到上述特定点x,则将上述特定点x置入待访问节点集合。
需要说明的是,上述起点和终点的设置通常按照机器人跟踪第一路径的路线行进顺序来确定,先经过的路径点为起点,后经过的路径点为终点,当然,起点和终点也可以互换,即将先经过的路径点称为终点,后经过的路径点称为起点。
优选地,在重新规划第三路径之后,还可以包括以下处理:根据搜索到的上述感兴趣节点、上述起点、以及上述终点,建立上述第三路径,其中,对于每个上述感兴趣节点,将该感兴趣节点的前一个节点第一搜索方向向量和后一个节点第二搜索方向向量进行向量合成,得到经过该感兴趣节点的第三路径的切线方向向量。
采用上述搜索方法后,发现感兴趣节点的路径方向比较机械性地呈当前点的搜索方向,这样会减弱规划器的收敛效果。因此需要对各个感兴趣节点的路径方向进行优化:对于每个感兴趣节点,可以通过该感兴趣节点的前后两个点的方向估算出当前感兴趣节点的方向,将该感兴趣节点的前一个节点第一搜索方向向量和后一个节点第二搜索方向向量进行向量合成,得到经过该感兴趣节点的第三路径的切线方向向量。例如,取前后两个点方向角度差值的平均值,作为该感兴趣节点的第三路径的切线方向角度。
通过上述处理,对于感兴趣节点构成的路径,可以找出角度差别大的拐点,然后对拐点的角度进行优化,使得优化后的路径更加平滑。
优选地,在机器人跟踪上述第一路径的过程中,上述方法还包括:实时分析上述机器人的定位信息,确定上述定位信息与上述第一路径的偏离度,当上述偏离度大于预设偏离阈值时,触发路径规划操作。
需要说明的是,上述路径规划操作的触发条件,不仅包括上述步骤S102至S104的情况,在以下情况下,也可以触发路径规划操作:1、由于定位误差导致机器人偏离规划路径(即初始路径),需要进行全局路径规划;2、通过传感器信息获取到的障碍物数据确定存在特殊物体(例如,行人、扶梯等)之后,需要进行特定的路径规划。
本发明实施例中,通过对全局路径的检查,将路径规划操作设置为触发式执行方式,而非采用固定频率的执行方式,这样能够较好的降低对CPU的消耗。
优选地,当上述预定距离范围大于预设距离阈值时,步骤S104中,在上述第二路径的起点和终点之间重新规划第三路径可以进一步包括:在上述第一路径上,获取并记录上述预定距离范围内多个可通行节点和触发路径规划操作的多个触发节点;将上述触发节点按照机器人跟踪顺序进行排序,对于每个触发节点,确定该触发节点的顺序以及与该触发节点最邻近的可通行节点;在每个触发节点以及与该触发节点最邻近的可通行点之间,按照触发节点的顺序逐步执行路径规划操作,其中,在上述逐步路径规划操作中,机器人在首个触发节点之前的第一路径上跟踪,之后按照重新规划的上述第三路径继续跟踪。
在优选实施过程中,如果采用触发式路径规划方式,并且在当前位置点之后预测规划距离较长的时候,会出现机器人不再继续执行路径跟踪,等待全局路径规划的过程。此时机器人可能出现停止,然后在规划出新路径之后,又急剧地启动,这样会出现不平稳或者摇摆的状况。针对该问题,可以先判定前位置点之后上述第一路径上预定距离范围是否大于预设距离阈值,例如,预定距离范围为5米,大于预设距离阈值3米,则对于该5米距离范围内的路径规划,可以按照机器人跟踪行进的顺序,逐步完成该距离范围的路径规划,并且在路径规划过程中,需要预先确定可通行节点和触发路径规划操作的多个触发节点,将这些触发节点按照机器人跟踪顺序进行排序,对于每个触发节点,确定该触发节点的顺序以及与该触发节点最邻近的可通行节点;在每个触发节点以及与该触发节点最邻近的可通行点之间,按照触发节点的顺序逐步执行路径规划操作。在具体实施过程中,机器人跟踪路径,当实时分析当前位置点之后上述初始路径上预定5米距离范围内的路径上存在路径点所对应的障碍物数据不满足预设条件时,并不会因为需要执行路径规划操作而停止机器人跟踪,而是继续在首个触发节点之前的初始路径上跟踪,并在跟踪的过程同时,执行首个触发节点与该触发节点最邻近的可通行节点之间的路劲规划操作,之后,机器人在跟踪该重新规划的路线实行绕行避障的同时,开始执行第二个触发节点与该触发节点最邻近的可通行节点之间的路劲规划操作,以此类推,跟踪与路径规划可以设定为同步执行,这样有效避免了由于需要路径规划的距离较长,机器人需要停止等待规划完成再启动的问题。
优选地,在重新规划第三路径之后,还可以包括以下处理:将删除所述第二路径后的所述第一路径,与所述第三路径拼接生成新路径,并将所述新路径的相关信息发送至机器人规划器执行跟踪操作。
在优选实施过程中,可以将去除掉第二路径的第一路径和第三路径进行组合拼接,生成新路径,并将新路径的相关信息发送至机器人规划器执行跟踪操作。其中,规划器可以使用“优化TEB”:即从给定路径中得到一系列带时间信息的离散pose(位姿),然后通过g2o(通用图优化)来求解稀疏模型多目标优化问题,将这些离散pose组成满足时间最短、距离最短和远离障碍物的轨迹,同时满足机器人的动力学约束(可根据实际机器人的运动需求来制定)。
需要说明的是,根据本发明实施例,与传统方法不同,不是在TEB里面对于路径的自主裁剪功能以及TEB内部局部地图的应用,因为在前端会进行路径拼接组合与处理,然后再发送给TEB进行轨迹规划。这样能够实现如下技术效果:1、有效地降低TEB运算的消耗;2、避免“抄近道”的情况发生。即,如果目标点离机器人较近的同时,仍有路径需要跟踪的情况下,不会直接到目标点,会完成全部的跟踪任务。3、能够完成重叠路径的跟踪。
并且,根据本发明实施例,主要的改进可以是对惩罚因子进行调整,让机器人对路径的跟踪更加平滑,以及能够跟踪间距较短的“折返”路线。
此外,通过多个连续位姿,增加加速度跳变抑制约束。因为在规划的过程中,难免会遇到加速度变化率较大的情况。这样对机器人的运动会造成较大的冲击,所以只对速度和加速度进行约束是不够的,将加速度的变化精准控制起来,这样就能得到更为精准的运动控制。
以下结合图2进一步描述上述优选实施方式。
图2是根据本发明优选实施例的机器人路径规划方法的流程图。如图2所示,该机器人路径规划方法包括:
步骤S201:获取并记录机器人初始路径。
例如,根据激光传感器数据进行实时定位与建图,然后映射到栅格地图上,从而在栅格地图上保存机器人的初始路径(即上述第一路径)。
步骤S202:在机器人跟踪初始路径的过程中,实时分析当前位置点之后初始路径上预定距离范围内的路径中的路径点,获取各个路径点对应栅格的置信度。
步骤S203:根据预定距离范围内的路径路径点对应栅格的置信度判断是否满足置信度条件。当满足置信度条件时,执行步骤S204,否则,执行步骤S208。
步骤S204:当预定距离范围内的路径路径点对应栅格的置信度都满足置信度条件时,确定预定距离范围内的整条路径可以继续跟踪。
步骤S205:机器人执行路径跟踪操作。
步骤S206:当预定距离范围内的路径上有路径点对应栅格的置信度不满足置信度条件时,去除不满足置信度条件的路径点(栅格点),相应地,也就是去除了由这些路径点组成的路径。
需要说明的是,上述预定距离范围内的路径可能只是一条连续的路径,也可能会存在多条连续的路径,当初始路径上预定距离范围内的路径点对应栅格的置信度可能全部都不满足预设条件,则该预定距离范围内的路径为一条连续的路径;当初始路径上预定距离范围内的路径点对应栅格的置信度可能部分不满足预设条件,但是有部分满足预设条件,即这些点为可通行点,则该预定距离范围内的路径为多条连续的路径。
步骤S207:获取待删除掉的路径(即文中第二路径)的起点和终点,触发路径规划操作,删除不满足置信度条件的路径,并重新规划路径。
步骤S208:将删除掉部分路径的初始路径与重新规划的路径以执行后续的跟踪操作。之后,执行步骤S205。
根据本发明实施例,还提供了一种机器人路径规划装置。
图3是根据本发明实施例的机器人路径规划装置的结构框图。如图3所示,该机器人路径规划装置可以包括:获取模块30,用于获取并记录第一路径;分析模块32,用于在机器人跟踪上述第一路径的过程中,实时分析当前位置点之后上述第一路径上预定距离范围内的路径所对应的障碍物数据;判断模块34,用于判断确定的障碍物数据是否满足预设条件;路径规划模块36,用于在不满足上述预设条件的情况下,触发路径规划操作,删除不满足所述预设条件的第二路径上并重新规划第三路径。
采用图3所示的装置,获取模块30获取并记录待跟踪的路径,在机器人跟踪该路径的过程中,分析模块32实时分析当前位置点之后路径上预定距离范围内的障碍物数据;判断模块34对障碍物数据进行判定,确定是否触发路径规划操作,路径规划模块36在触发路径规划操作之后重新规划路径,采用该装置,对于机器人即将跟踪的路径的障碍物信息进行提前的预测分析、在机器人跟踪过程中,提前执行路径规划操作,解决了相关技术中在机器人跟踪初始路线作业时,当出现静态障碍物或者动态障碍物,阻挡待跟踪的工作路径的情况,此时使用局部规划器去避障,会出现无法收敛、无法应对大型障碍物、增大CPU负载、避障路径不是最优等问题。从而可以保证机器人在满足最高行进覆盖率的情况下,对于障碍物能够平稳避障。
需要说明的是,上述机器人路径规划装置中的各模块相互结合的优选实施方式,具体可以参见图1至图2所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
根据本发明实施例,提供了一种机器人。
图4是根据本发明实施例的机器人的结构框图。如图4所示,根据本发明的机器人包括:存储器40及处理器42,上述存储器40,用于存储计算机执行指令;上述处理器42,用于执行上述存储器存储的计算机执行指令,使得上述机器人执行如上述实施例提供的机器人路径规划方法。
处理器42可以为中央处理器(Central Processing Unit,CPU)。处理器42还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器40作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的机器人路径规划方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理。
存储器40可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器40可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述一个或者多个模块存储在上述存储器40中,当被上述处理器42执行时,执行如图1和图2所示实施例中的机器人路径规划方法。
上述机器人的具体细节可以对应参阅图1和图2所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
综上所述,借助本发明提供的上述实施方式,和传统方法不同,对于机器人即将跟踪的路径的障碍物信息进行提前的预测分析,并在没有到达障碍物之前,提前触发路径规划操作,可以保证机器人在满足最高行进覆盖率的情况下,对于障碍物能够平稳避障。并且,在当前位置点之后预测规划距离较长的时候,可以先判定前位置点之后上述第一路径上预定距离范围较大时,可以按照机器人跟踪行进的顺序,逐步完成该距离范围每一个阶段的路径规划,跟踪与路径规划可以设定为同步执行,机器人在跟踪行进的过程平稳流畅。这样有效避免了由于需要路径规划的距离较长,机器人需要停止等待规划完成再启动的问题。此外,在前端会进行路径拼接组合与处理,然后再发送给规划器TEB进行轨迹规划。能有效地降低TEB运算的消耗,避免“抄近道”的情况发生,并能够完成重叠路径的跟踪。
以上公开的仅为本发明的几个具体实施例,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种机器人路径规划方法,其特征在于,包括:
获取并记录第一路径;
在机器人跟踪所述第一路径的过程中,实时分析当前位置点之后所述第一路径上预定距离范围内的路径所对应的障碍物数据;
判断所述预定距离范围内的路径所对应的障碍物数据是否满足预设条件;
在不满足所述预设条件的情况下,触发路径规划操作,删除障碍物数据不满足所述预设条件的第二路径,并重新规划第三路径。
2.根据权利要求1的方法,其特征在于,所述实时分析当前位置点之后所述第一路径上预定距离范围内的路径所对应的障碍物数据包括:
对于所述预定距离范围内的路径中每个路径点,分别预先计算该路径点对应栅格的置信度,其中,所述机器人包括一个或多个传感器,所述置信度=各个权重与该权重对应的传感器探测到的障碍物数据的乘积的总和;
其中,传感器探测到的障碍物数据的乘积包括以下至少之一:
第一权重*激光雷达传感器探测到的障碍物代价值;
第二权重*超声传感器探测到的障碍物代价值;
第三权重*TOF传感器探测到的障碍物代价值;
第四权重*多目视觉传感器探测到的障碍物代价值;
第五权重*跌落传感器探测到的障碍物代价值;
其中,各个权重的大小设置与该权重对应的传感器精度大小相关。
3.根据权利要求1的方法,其特征在于,判断所述障碍物数据是否满足所述预设条件包括:对于所述预定距离范围内的路径中路径点,在该路径点对应栅格的置信度大于或者等于预设置信度阈值时,确定该路径点对应的障碍物数据不满足所述预设条件。
4.根据权利要求1的方法,其特征在于,所述重新规划第三路径包括:
S1:从第二路径的起点开始,在水平方向和竖直方向开始搜索;
S2:如果有感兴趣的节点,则将该节点加入待访问节点集合中,如果未发现感兴趣节点,则沿对角线方向继续搜索;
S3:对于当前节点,如果搜索到携带有特定点的节点,则将该当前节点确定为感兴趣节点,其中,所述特定点的邻居节点中有障碍物点,且该特定点的父节点经过该特定点到达所述第二路径的终点的距离代价比不经过该特定点到达所述终点的任意路径的距离代价都小;
S4:从该当前节点开始,继续沿着之前的搜索方向搜索,对于搜索到的节点,在水平方向和竖直方向开始搜索,之后循环执行步骤S2和S3,直至搜索至所述终点。
5.根据权利要求4的方法,其特征在于,在重新规划第三路径之后,还包括:
根据搜索到的所述感兴趣节点、所述起点、以及所述终点,建立所述第三路径,其中,对于每个所述感兴趣节点,将该感兴趣节点的前一个节点第一搜索方向向量和后一个节点第二搜索方向向量进行向量合成,得到经过该感兴趣节点的第三路径的切线方向向量。
6.根据权利要求1的方法,其特征在于,在机器人跟踪所述第一路径的过程中,所述方法还包括:
实时分析所述机器人的定位信息,确定所述定位信息与所述第一路径的偏离度,当所述偏离度大于预设偏离阈值时,触发路径规划操作。
7.根据权利要求1的方法,其特征在于,当所述预定距离范围大于预设距离阈值时,所述重新规划第三路径包括:
在所述第一路径上,获取并记录所述预定距离范围内多个可通行节点和触发路径规划操作的多个触发节点;
将所述触发节点按照机器人跟踪顺序进行排序,对于每个触发节点,确定该触发节点的顺序以及与该触发节点最邻近的可通行节点;
在每个触发节点以及与该触发节点最邻近的可通行点之间,按照触发节点的顺序逐步执行路径规划操作,其中,在所述逐步路径规划操作中,机器人在首个触发节点之前的第一路径上跟踪,之后按照重新规划的所述第三路径继续跟踪。
8.根据权利要求1至7中任一项所述的方法,其特征在于,在重新规划第三路径之后,还包括:
将删除所述第二路径后的所述第一路径,与所述第三路径拼接生成新路径,并将所述新路径的相关信息发送至机器人规划器执行跟踪操作。
9.一种机器人路径规划装置,其特征在于,包括:
获取模块,用于获取并记录第一路径;
分析模块,用于在机器人跟踪所述第一路径的过程中,实时分析当前位置点之后所述第一路径上预定距离范围内的路径所对应的障碍物数据;
判断模块,用于判断所述预定距离范围内的路径所对应的障碍物数据是否满足预设条件;
路径规划模块,用于在不满足所述预设条件的情况下,触发路径规划操作,删除障碍物数据不满足所述预设条件的第二路径并重新规划第三路径。
10.一种机器人,包括:存储器及处理器,其特征在于,
存储器,用于存储计算机执行指令;
处理器,用于执行存储器存储的计算机执行指令,使得机器人执行如权利要求1至8中任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111189190.2A CN113867356A (zh) | 2021-10-12 | 2021-10-12 | 机器人路径规划方法、装置及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111189190.2A CN113867356A (zh) | 2021-10-12 | 2021-10-12 | 机器人路径规划方法、装置及机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113867356A true CN113867356A (zh) | 2021-12-31 |
Family
ID=78999297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111189190.2A Pending CN113867356A (zh) | 2021-10-12 | 2021-10-12 | 机器人路径规划方法、装置及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113867356A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114185356A (zh) * | 2022-02-16 | 2022-03-15 | 莱陆科技(天津)有限公司 | 智能识别障碍物并控制机器人通过障碍物的方法及装置 |
CN115218907A (zh) * | 2022-09-19 | 2022-10-21 | 季华实验室 | 无人机路径规划方法、装置、电子设备及存储介质 |
-
2021
- 2021-10-12 CN CN202111189190.2A patent/CN113867356A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114185356A (zh) * | 2022-02-16 | 2022-03-15 | 莱陆科技(天津)有限公司 | 智能识别障碍物并控制机器人通过障碍物的方法及装置 |
CN115218907A (zh) * | 2022-09-19 | 2022-10-21 | 季华实验室 | 无人机路径规划方法、装置、电子设备及存储介质 |
CN115218907B (zh) * | 2022-09-19 | 2022-12-09 | 季华实验室 | 无人机路径规划方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111857160B (zh) | 一种无人车路径规划方法和装置 | |
WO2017162036A1 (zh) | 偏航识别方法、终端和存储介质 | |
CN106406320B (zh) | 机器人路径规划方法及规划路线的机器人 | |
CN108415420B (zh) | 一种用于移动机器人搜索路径的方法及设备 | |
CN107644273B (zh) | 一种导航路径规划方法及设备 | |
US20170004406A1 (en) | Parallel belief space motion planner | |
US9869559B2 (en) | Method and system for obtaining trajectory pattern of route | |
CN113867356A (zh) | 机器人路径规划方法、装置及机器人 | |
CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
CN107843252B (zh) | 导航路径优化方法、装置及电子设备 | |
CN109916421B (zh) | 路径规划方法及装置 | |
JP5803392B2 (ja) | 自律移動装置 | |
CN113188562B (zh) | 可行驶区域的路径规划方法、装置、电子设备及存储介质 | |
CN112394725B (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN111895999B (zh) | 一种基于结构化数据的路径规划方法 | |
JP2019500691A (ja) | 急速探索ランダム化フィードバック主体の動作計画 | |
CN114440916A (zh) | 一种导航方法、装置、设备及存储介质 | |
CN109827584B (zh) | 路径规划方法、装置、电子设备与存储介质 | |
Sarmiento et al. | An efficient strategy for rapidly finding an object in a polygonal world | |
CN107449426B (zh) | 导航逻辑方法及其室内ar导航系统 | |
CN113733086A (zh) | 一种机器人的出行方法、装置、设备及存储介质 | |
CN113108806A (zh) | 路径规划方法、装置、设备及介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN113157842A (zh) | 一种地图生成方法、装置、电子设备及可读存储介质 |
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 |