CN113885522A - 水面机器人避障方法、装置、设备及可读存储介质 - Google Patents
水面机器人避障方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113885522A CN113885522A CN202111265676.XA CN202111265676A CN113885522A CN 113885522 A CN113885522 A CN 113885522A CN 202111265676 A CN202111265676 A CN 202111265676A CN 113885522 A CN113885522 A CN 113885522A
- Authority
- CN
- China
- Prior art keywords
- water surface
- surface robot
- obstacle
- speed
- robot
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 384
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 238000005070 sampling Methods 0.000 claims description 73
- 230000006870 function Effects 0.000 claims description 27
- 230000003068 static effect Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 19
- 230000004888 barrier function Effects 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010845 search algorithm Methods 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
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
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)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种水面机器人避障方法、装置、设备及可读存储介质，该方法包括：生成多条预设时段的轨迹线，划分可行区域和非可行区域；从可行区域中的多条预设时段的轨迹线中删除不可行轨迹线，得到多条预设时段的可行轨迹线；通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行第一步的步骤，直至水面机器人到达目标点。通过本发明，解决了当出现高密度障碍物或移动的障碍物时，无法准确预判障碍物的位置，导致无法选择出水面机器人移动的最优路径，使得到达目标点所需的时间长的问题。
Description
技术领域
本发明涉及水面机器人技术领域，尤其涉及一种水面机器人避障方法、装置、设备及可读存储介质。
背景技术
自主避障技术是移动机器人领域研究中的核心问题，在无人驾驶车辆、快递配送、外卖配送、军事上无人艇巡航等众多领域有着极其广泛的应用。随着图像处理器(GPU)技术愈发成熟，深度学习在图像上取得飞速进展，激光雷达以及姿态仪等硬件传感器设备的感知愈发精确，移动机器人的研究从陆地上拓展到水面上，但是，水面机器人会受到来自水流波动等一些其他因素的干扰，对于智能规划的算法准确性的要求更高。在目前水面机器人自主避障中的智能规划采用滑动窗口算法完成局部路径的规划，但也存在一些问题，比如：基于滑动窗口的算法实现自主避障中，当出现高密度障碍物或移动的障碍物时，无法准确预判障碍物的位置，导致无法选择出水面机器人移动的最优路径，使得到达目标点所需的时间长。
发明内容
本发明的主要目的在于提供一种水面机器人避障方法、装置、设备及可读存储介质，旨在解决当出现高密度障碍物或移动的障碍物时，无法准确预判障碍物的位置，导致无法选择出水面机器人移动的最优路径，使得到达目标点所需的时间长的问题。
第一方面，本发明提供一种水面机器人避障方法，所述水面机器人避障方法包括：
在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；
获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；
根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；
从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；
通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；
基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。
可选的，所述在预设时刻获取水面机器人的速度采样空间的步骤包括：
根据水面机器人本身的限制和环境限制，将采用速度控制在一定范围内，水面机器人受自身最大速度和最小速度的限制用Vm表示如下：
Vm＝{v∈[vmin，vmax]，w∈[wmin，wmax]}；
根据水面机器人受到自身电机性能的影响，水面机器人轨迹向前模拟的周期内，存在一个速度范围，用Vd表示如下：
其中，v表示水面机器人任一时刻的线速度，w表示水面机器人任一时刻的角速度，vc是水面机器人当前c时刻的线速度，wc是水面机器人的当前c时刻的角速度，v′b和v′a对应水面机器人前进方向上的最大减速度和最大加速度；w′b和w′a对应水面机器人旋转方向上的最大减速度和最大加速度；
在最大减速度条件下，水面机器人速度范围用Va表示如下：
其中dist(v，w)为速度(v，w)对应轨迹上离障碍物最近的距离；
根据上述分析，求取Vm、Vd以及Va速度范围的交集，获取预设时刻水面机器人的速度采样空间。
可选的，所述根据速度采样空间生成多条预设时段的轨迹线的步骤包括：
从速度采样空间中选取多组采样速度，根据水面机器人的多组采样速度利用水面机器人运动模型进行推算，生成多条预设时段的轨迹线，其中，水面机器人运动模型包括非全向运动模型和全向运动模型；
若水面机器人的运动模型为非全向运动模型，则根据非全向运动模型预测模拟机器人的轨迹，每一段相邻两时刻之间的时长内的移动距离计算如下：
其中，Δt表示每一段相邻两时刻之间的时长，v表示水面机器人移动的采样线速度，θt表示沿水面机器人坐标系x轴移动时与世界坐标系x轴的夹角，Δx表示沿水面机器人坐标系x轴方向上Δt时间内移动的距离，Δy表示沿水面机器人坐标系y轴方向上Δt时间内移动的距离；
依次类推，推算预设时段的轨迹，即累加上述公式中的增量，非全向运动模型累加公式如下：
其中，x表示沿水面机器人坐标系x轴方向上Δt时间内累加的移动距离，y表示沿水面机器人坐标系y轴方向上Δt时间内累加的移动距离，w表示水面机器人移动的采样角速度；
若水面机器人的运动模型为全向运动模型，即有y方向上的速度，则将水面机器人运动模型在水面机器人坐标y轴移动的距离投影到世界坐标系，计算水面机器人运动模型沿水面机器人坐标系x轴方向和y轴方向上Δt时间内移动的距离，计算公式如下：
其中，vy表示沿水面机器人坐标系y轴方向移动的速度；
此时预设时段轨迹的推演只需将y轴移动的距离累加在之前的计算公式上，全向运动模型累加计算公式如下：
可选的，所述根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域的步骤包括：
获取以水面机器人领域半径为半径的圆一，其中，圆一的圆心为水面机器人在障碍物坐标系下的方位；
获取以障碍物的速度大小为半径的圆三，其中，圆三的圆心为障碍物的位置；
获取以水面机器人预设时刻速度大小为半径的圆二，其中，圆二的圆心与圆三的圆心在同一方向且圆二与圆一之间的距离大于零且小于两倍的水面机器人领域半径；
获取经过圆二的圆心且与圆一相切的第一切线和第二切线；
获取经过圆三的圆心且与第一切线平行的第三切线以及与第二切线平行的第四切线；
第三切线和第四切线与圆二的交点到圆二的圆心所组成的区域划分为不可行区域，圆二中的其他区域划分为可行区域。
可选的，所述通过评价函数对多条预设时段的可行轨迹线进行评价的步骤包括：
通过评价函数对多条预设时段的可行轨迹线进行评价，所述评价函数如下：
G(v，w)＝σ(α*heading(v，w)+β*dist(v，w)+γ*velocity(v，w))；
其中，heading(v，w)表示水面机器人在预设时刻的采样速度下达到模拟轨迹末端时的朝向和水面机器人中心与目标点之间连线的夹角，dist(v，w)表示水面机器人在当前轨迹上与最近的障碍物之间的距离，若该条轨迹上无障碍物则将其设定为常数，velocity(v，w)评价当前轨迹的速度大小；
运用待评价项heading(v，w)、dist(v，w)和velocity(v，w)计算时，先对待评价项进行归一化处理再相加计算，归一化处理公式如下：
其中，i为待评价的当前轨迹点，n为采样的所有轨迹点。
第二方面，本发明还提供一种水面机器人避障装置，所述水面机器人避障装置包括：
第一获取模块，用于在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；
第二获取模块，用于获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；
划分模块，用于根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；
删除模块，用于从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；
评价模块，用于通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；
运行模块，用于基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。
可选的，所述第一获取模块，用于：
根据水面机器人本身的限制和环境限制，将采用速度控制在一定范围内，水面机器人受自身最大速度和最小速度的限制用Vm表示如下：
Vm＝{v∈[vmin，vmax]，w∈[wmin，wmax]}；
根据水面机器人受到自身电机性能的影响，水面机器人轨迹向前模拟的周期内，存在一个速度范围，用Vd表示如下：
其中，v表示水面机器人任一时刻的线速度，w表示水面机器人任一时刻的角速度，vc是水面机器人当前c时刻的线速度，wb是水面机器人的当前b时刻的角速度，v′b和v′a对应水面机器人前进方向上的最大减速度和最大加速度；w′b和w′a对应水面机器人旋转方向上的最大减速度和最大加速度；
在最大减速度条件下，水面机器人速度范围用Va表示如下：
其中dist(v，w)为速度(v，w)对应轨迹上离障碍物最近的距离；
根据上述分析，求取Vm、Vd以及Va速度范围的交集，获取预设时刻水面机器人的速度采样空间。
可选的，所述划分模块，用于：
获取以水面机器人领域半径为半径的圆一，其中，圆一的圆心为水面机器人在障碍物坐标系下的方位；
获取以障碍物的速度大小为半径的圆三，其中，圆三的圆心为障碍物的位置；
获取以水面机器人预设时刻速度大小为半径的圆二，其中，圆二的圆心与圆三的圆心在同一方向且圆二与圆一之间的距离大于零且小于两倍的水面机器人领域半径；
获取经过圆二的圆心且与圆一相切的第一切线和第二切线；
获取经过圆三的圆心且与第一切线平行的第三切线以及与第二切线平行的第四切线；
第三切线和第四切线与圆二的交点到圆二的圆心所组成的区域划分为不可行区域，圆二中的其他区域划分为可行区域。
第三方面，本发明还提供一种水面机器人避障设备，所述水面机器人避障设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的水面机器人避障程序，其中所述水面机器人避障程序被所述处理器执行时，实现如上所述的水面机器人避障方法的步骤。
第四方面，本发明还提供一种可读存储介质，所述可读存储介质上存储有水面机器人避障程序，其中所述水面机器人避障程序被处理器执行时，实现如上所述的水面机器人避障方法的步骤。
本发明中，在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。通过本发明，根据速度采样空间中的多组采样速度推算生成多条预设时段的轨迹线，划分可行区域和非可行区域并删除可行区域中的多条预设时段的轨迹线中的不可行轨迹线，得到多条预设时段的轨迹线中的可行轨迹线，通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线，再基于最优轨迹线对应的速度运行水面机器人行驶预设时段后判断水面机器人是否到达目标点，依次循环，直至水面机器人到达目标点，解决了当出现高密度障碍物或移动的障碍物时，无法准确预判障碍物的位置，导致无法选择出水面机器人移动的最优路径，使得到达目标点所需的时间长的问题。
附图说明
图1为本发明实施例方案中涉及的水面机器人避障设备的硬件结构示意图；
图2为本发明水面机器人避障方法第一实施例的流程示意图；
图3为本发明水面机器人避障方法一实施例的水面机器人全向运动模型轨迹示意图；
图4为本发明水面机器人避障方法一实施例的多条预设时段的轨迹线示意图；
图5为本发明水面机器人避障方法一实施例的可行区域与非可行区域划分示意图；
图6为本发明水面机器人避障方法一实施例的滑动窗口仿真结果示意图；
图7为本发明水面机器人避障方法一实施例的改进后的滑动窗口仿真结果示意图；
图8为本发明水面机器人避障装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
第一方面，本发明实施例提供一种水面机器人避障设备。
参照图1，图1为本发明实施例方案中涉及的水面机器人避障设备的硬件结构示意图。本发明实施例中，水面机器人避障设备可以包括处理器1001(例如中央处理器CentralProcessing Unit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及水面机器人避障程序。其中，处理器1001可以调用存储器1005中存储的水面机器人避障程序，并执行本发明实施例提供的水面机器人避障方法。
第二方面，本发明实施例提供了一种水面机器人避障方法。
一实施例中，参照图2，图2为图2为本发明水面机器人避障方法第一实施例的流程示意图。如图2所示，水面机器人避障方法包括以下步骤：
S10，在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；
本实施例中，水面机器人的速度采样空间中有多组水面机器人在二维空间中不同时刻的速度，水面机器人领域半径是水面机器人的自身尺寸所决定的一个安全距离范围，方位即方向位置，即在预设时刻获取水面机器人在障碍物坐标系下的方向位置。
进一步地，一实施例中，所述在预设时刻获取水面机器人的速度采样空间的步骤包括：
根据水面机器人本身的限制和环境限制，将采用速度控制在一定范围内，水面机器人受自身最大速度和最小速度的限制用Vm表示如下：
Vm＝{v∈[vmin，vmax]，w∈[wmin，wmax]}；
根据水面机器人受到自身电机性能的影响，水面机器人轨迹向前模拟的周期内，存在一个速度范围，用Vd表示如下：
其中，v表示水面机器人任一时刻的线速度，w表示水面机器人任一时刻的角速度，vc是水面机器人当前c时刻的线速度，wc是水面机器人的当前c时刻的角速度，v′b和v′a对应水面机器人前进方向上的最大减速度和最大加速度；w′b和w′a对应水面机器人旋转方向上的最大减速度和最大加速度；
在最大减速度条件下，水面机器人速度范围用Va表示如下：
其中dist(v，w)为速度(v，w)对应轨迹上离障碍物最近的距离；
根据上述分析，求取Vm、Vd以及Va速度范围的交集，获取预设时刻水面机器人的速度采样空间。
本实施例中，分别获取水面机器人受自身最大速度和最小速度限制的速度范围Vm、受自身电机性能影响的速度范围Vd以及为了能够在碰到在障碍物前停下来，在最大减速度条件下的速度范围Va，求取Vm、Vd以及Va这三个速度范围的交集，获取预设时刻水面机器人的速度采样空间，其中，速度采样空间中的多组速度为水面机器人在二维空间中的不同时刻的速度。
S20，获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；
本实施例中，实时获取通过水面机器人的激光雷达扫描到的全场景以水面机器人为中心的局部坐标系下的障碍物，然后将障碍物在以水面机器人为中心的局部坐标系下的坐标转换到世界坐标系下，根据欧式距离的公式获取相邻两帧同一障碍物在世界坐标系中的距离，再根据获取相邻两帧同一障碍物所需要的时长得到障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物。若障碍物的速度为0，则将障碍物划分为静态障碍物，若障碍物的速度不为0，则将障碍物划分为动态障碍物，其中，激光雷达扫描到大量点云，经过提速滤波算法来实现大量减少点云数目，并同时保持各个障碍物的轮廓，最后通过DBSCAN聚类算法来实现障碍物的聚类操作，获取最后的障碍物。
S30，根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；
本实施例中，利用A*算法规划出全局路径，并根据预设的滑动窗口的大小计算起始目标点，即当前局部规划的终点，下一次局部规划的起点，然后根据速度采样空间中的多组采样速度并利用水面机器人运动模型进行推算，生成多条预设时段的轨迹线，其中，A*算法是一种广度优先搜索算法，利用启发式搜索的方式，在状态空间中对每一个搜索位置进行评估，找到最佳位置，再从这个位置进行搜索直到目标。
根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长，非可行区域表示水面机器人按照对应的速度方向前进，碰到障碍物的区域，一般原则可行区域与非可行区域组成360度的圆，找到非可行区域，剩余部分即为可行区域。同一场景同一时刻的可行区域与非可行区域为互补关系。
进一步地，一实施例中，所述根据速度采样空间生成多条预设时段的轨迹线的步骤包括：
从速度采样空间中选取多组采样速度，根据水面机器人的多组采样速度利用水面机器人运动模型进行推算，生成多条预设时段的轨迹线，其中，水面机器人运动模型包括非全向运动模型和全向运动模型；
若水面机器人的运动模型为非全向运动模型，则根据非全向运动模型预测模拟机器人的轨迹，每一段相邻两时刻之间的时长内的移动距离计算如下：
其中，Δt表示每一段相邻两时刻之间的时长，v表示水面机器人移动的采样线速度，θt表示沿水面机器人坐标系x轴移动时与世界坐标系x轴的夹角，Δx表示沿水面机器人坐标系x轴方向上Δt时间内移动的距离，Δy表示沿水面机器人坐标系y轴方向上Δt时间内移动的距离；
依次类推，推算预设时段的轨迹，即累加上述公式中的增量，非全向运动模型累加公式如下：
其中，x表示沿水面机器人坐标系x轴方向上Δt时间内累加的移动距离，y表示沿水面机器人坐标系y轴方向上Δt时间内累加的移动距离，w表示水面机器人移动的采样角速度；
若水面机器人的运动模型为全向运动模型，即有y方向上的速度，则将水面机器人运动模型在水面机器人坐标y轴移动的距离投影到世界坐标系，计算水面机器人运动模型沿水面机器人坐标系x轴方向和y轴方向上Δt时间内移动的距离，计算公式如下：
其中，vy表示沿水面机器人坐标系y轴方向移动的速度；
此时预设时段轨迹的推演只需将y轴移动的距离累加在之前的计算公式上，全向运动模型累加计算公式如下：
本实施例中，参照图4，图4为本发明水面机器人避障方法一实施例的多条预设时段的轨迹线示意图。如图4所示，根据水面机器人采样空间中的多组采样速度，利用水面机器人运动模型进行推算，生成多条预设时段的轨迹线，其中，多组采用速度样例如：(vc，wc)、(vc-v′bΔt，wc-w′bΔt)和(vc-v′bΔt，wc+w′bΔt)。水面机器人运动模型包括非全向运动模型和全向运动模型。参照图3，图3为本发明水面机器人避障方法一实施例的水面机器人全向运动模型轨迹示意图。如图3所示，圆形表示全向运动的水面机器人模型，Xrobot是以机器人为中心建立的坐标系x轴，Yrobot是以机器人为中心建设的坐标系y轴；外部坐标系x与y轴，表示世界坐标系，虚射线X表示对应世界坐标系x轴，其中，Xrobot与世界坐标系X方向之间的夹角为θ，全向运动模型即可以横向移动也可以纵向移动。非全向运动模型不能纵向移动，所以推算预设时段的轨迹时，去掉了y方向的分量。先计算沿水面机器人坐标系x轴方向上Δt时间内的移动距离和沿水面机器人坐标系y轴方向上Δt时间内的移动距离，以此类推进行累加，即可推算预设时段的轨迹。根据水面机器人的多组采样速度进行推算，即生成多条预设时段的轨迹线。
进一步地，一实施例中，所述根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域的步骤包括：
获取以水面机器人领域半径为半径的圆一，其中，圆一的圆心为水面机器人在障碍物坐标系下的方位；
获取以障碍物的速度大小为半径的圆三，其中，圆三的圆心为障碍物的位置；
获取以水面机器人预设时刻速度大小为半径的圆二，其中，圆二的圆心与圆三的圆心在同一方向且圆二与圆一之间的距离大于零且小于两倍的水面机器人领域半径；
获取经过圆二的圆心且与圆一相切的第一切线和第二切线；
获取经过圆三的圆心且与第一切线平行的第三切线以及与第二切线平行的第四切线；
第三切线和第四切线与圆二的交点到圆二的圆心所组成的区域划分为不可行区域，圆二中的其他区域划分为可行区域。
本实施例中，根据障碍物的速度、水面机器人的速度以及自身位置关系，将可行区域划分为8个方位，分别是：第一象限、跨第一、二象限、第二象限、跨第二、三象限、第三象限、跨第三、四象限、第四象限和跨第四、一象限。以其中一个方位为例，当水面机器人的领域半径跨越了障碍物的前进方向轴，即跨第一、二象限，障碍物的速度小于水面机器人时，参照图5，图5为本发明水面机器人避障方法一实施例的可行区域与非可行区域划分示意图。如图5所示，获取以水面机器人领域半径为半径的圆一，其中，圆一的圆心为水面机器人在障碍物坐标系下的方位，获取以障碍物的速度大小为半径的圆三，其中，圆三的圆心为障碍物的位置，获取以水面机器人预设时刻速度大小为半径的圆二，其中，圆二的圆心与圆三的圆心在同一方向且圆二与圆一之间的距离大于零且小于两倍的水面机器人领域半径，获取经过圆二的圆心且与圆一相切的第一切线和第二切线，获取经过圆三的圆心且与第一切线平行的第三切线以及与第二切线平行的第四切线，第三切线和第四切线与圆二的交点，交点1、交点2、交点3以及交点4到圆二的圆心所组成的区域划分为不可行区域，如图5中圆二中的黑色阴影区域，圆二中的其他区域划分为可行区域。进一步地，由于水面机器人和障碍物的速度为零的两种情况，任何方位均合适，单独讨论即可。
S40，从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；
本实施例中，结合静态障碍物与动态障碍物来缩减模拟轨迹数目，根据几何数学中点是否在线上的公式，计算可行区域中的多条预设时段的轨迹线是否与障碍物相交。当轨迹线与静态障碍物相交时，直接删除掉该轨迹线；当轨迹线上与动态障碍物相交时，实时记录水面机器人与该动态障碍物之间的距离，当距离小于设定阈值时，则说明会碰撞，则删除该轨迹，得到可行区域中的多条预设时段的可行轨迹线，避免了下一步大量评价各条轨迹线，同时提高了局部路径规划中躲避障碍物的效率，加快了执行的速度。
S50，通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；
本实施例中，删除不可行区域以及可行区域中的多条预设时段的不可行轨迹线之后，通过评价函数对可行区域中的多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线。
进一步地，一实施例中，所述通过评价函数对多条预设时段的可行轨迹线进行评价的步骤包括：
通过评价函数对多条预设时段的可行轨迹线进行评价，所述评价函数如下：
G(v，w)＝σ(α*heading(v，w)+β*dist(v，w)+γ*velocity(v，w))；
其中，heading(v，w)表示水面机器人在预设时刻的采样速度下达到模拟轨迹末端时的朝向和水面机器人中心与目标点之间连线的夹角，dist(v，w)表示水面机器人在当前轨迹上与最近的障碍物之间的距离，若该条轨迹上无障碍物则将其设定为常数，velocity(v，w)评价当前轨迹的速度大小；
运用待评价项heading(v，w)、dist(v，w)和velocity(v，w)计算时，先对待评价项进行归一化处理再相加计算，归一化处理公式如下：
其中，i为待评价的当前轨迹点，n为采样的所有轨迹点。
本实施例中，由于并不是每一条轨迹线上均有障碍物，导致障碍物距离这一项指标不是连续的，进而影响某项参数在评价函数中所占比重过大，因此通过归一化处理来消除该问题。评价函数是使评价定量化的一种数学模型，通过评价函数对多条预设时段的可行轨迹线进行评价，得到多条预设时段的可行轨迹线的评价结果，基于评价结果，确定多条预设时段的可行轨迹线中的最优的轨迹线。
S60，基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。
本实施例中，参照图6，图6为本发明水面机器人避障方法一实施例的滑动窗口仿真结果示意图。如图6所示，若不基于最优轨迹线对应的速度运行水面机器人行驶预设时段，按照其他步骤顺序执行，原始的滑动窗口算法较易陷入局部最优且一旦障碍物较为密集则规划不出最优的路径，实际执行时会降低避障过程的执行效率。参照图7，图7为本发明水面机器人避障方法一实施例的改进后的滑动窗口仿真结果示意图。如图7所示，改进的滑动窗口算法，能够先区分静态障碍物与动态障碍物，并选择可行区域中最优的轨迹线以及最优的轨迹线对应的最佳速度，仿真轨迹较为平滑，提高了水面机器人避障过程的效率，同时降低了与障碍物碰撞的风险。
本实施例中，在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。通过本实施例，根据速度采样空间中的多组采样速度推算生成多条预设时段的轨迹线，划分可行区域和非可行区域并删除可行区域中的多条预设时段的轨迹线中的不可行轨迹线，得到多条预设时段的轨迹线中的可行轨迹线，通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线，再基于最优轨迹线对应的速度运行水面机器人行驶预设时段后判断水面机器人是否到达目标点，依次循环，直至水面机器人到达目标点，解决了当出现高密度障碍物或移动的障碍物时，无法准确预判障碍物的位置，导致无法选择出水面机器人移动的最优路径，使得到达目标点所需的时间长的问题。
第三方面，本发明实施例还提供一种水面机器人避障装置。
一实施例中，参照图8，图8为本发明水面机器人避障装置第一实施例的功能模块示意图。如图8所示，水面机器人避障装置包括：
第一获取模块10，用于在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；
第二获取模块20，用于获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；
划分模块30，用于根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；
删除模块40，用于从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；
评价模块50，用于通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；
运行模块60，用于基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。
进一步地，一实施例中，第一获取模块10，具体用于：
根据水面机器人本身的限制和环境限制，将采用速度控制在一定范围内，水面机器人受自身最大速度和最小速度的限制用Vm表示如下：
Vm＝{v∈[vmin，vmax]，w∈[wmin，wmax]}；
根据水面机器人受到自身电机性能的影响，水面机器人轨迹向前模拟的周期内，存在一个速度范围，用Vd表示如下：
其中，v表示水面机器人任一时刻的线速度，w表示水面机器人任一时刻的角速度，vc是水面机器人当前c时刻的线速度，wc是水面机器人的当前c时刻的角速度，v′b和v′a对应水面机器人前进方向上的最大减速度和最大加速度；w′b和w′a对应水面机器人旋转方向上的最大减速度和最大加速度；
在最大减速度条件下，水面机器人速度范围用Va表示如下：
其中dist(v，w)为速度(v，w)对应轨迹上离障碍物最近的距离；
根据上述分析，求取Vm、Vd以及Va速度范围的交集，获取预设时刻水面机器人的速度采样空间。
进一步地，一实施例中，划分模块30，具体用于：
从速度采样空间中选取多组采样速度，根据水面机器人的多组采样速度利用水面机器人运动模型进行推算，生成多条预设时段的轨迹线，其中，水面机器人运动模型包括非全向运动模型和全向运动模型；
若水面机器人的运动模型为非全向运动模型，则根据非全向运动模型预测模拟机器人的轨迹，每一段相邻两时刻之间的时长内的移动距离计算如下：
其中，Δt表示每一段相邻两时刻之间的时长，v表示水面机器人移动的采样线速度，θt表示沿水面机器人坐标系x轴移动时与世界坐标系x轴的夹角，Δx表示沿水面机器人坐标系x轴方向上Δt时间内移动的距离，Δy表示沿水面机器人坐标系y轴方向上Δt时间内移动的距离；
依次类推，推算预设时段的轨迹，即累加上述公式中的增量，非全向运动模型累加公式如下：
其中，x表示沿水面机器人坐标系x轴方向上Δt时间内累加的移动距离，y表示沿水面机器人坐标系y轴方向上Δt时间内累加的移动距离，w表示水面机器人移动的采样角速度；
若水面机器人的运动模型为全向运动模型，即有y方向上的速度，则将水面机器人运动模型在水面机器人坐标y轴移动的距离投影到世界坐标系，计算水面机器人运动模型沿水面机器人坐标系x轴方向和y轴方向上Δt时间内移动的距离，计算公式如下：
其中，vy表示沿水面机器人坐标系y轴方向移动的速度；
此时预设时段轨迹的推演只需将y轴移动的距离累加在之前的计算公式上，全向运动模型累加计算公式如下：
进一步地，一实施例中，划分模块30，还用于：
获取以水面机器人领域半径为半径的圆一，其中，圆一的圆心为水面机器人在障碍物坐标系下的方位；
获取以障碍物的速度大小为半径的圆三，其中，圆三的圆心为障碍物的位置；
获取以水面机器人预设时刻速度大小为半径的圆二，其中，圆二的圆心与圆三的圆心在同一方向且圆二与圆一之间的距离大于零且小于两倍的水面机器人领域半径；
获取经过圆二的圆心且与圆一相切的第一切线和第二切线；
获取经过圆三的圆心且与第一切线平行的第三切线以及与第二切线平行的第四切线；
第三切线和第四切线与圆二的交点到圆二的圆心所组成的区域划分为不可行区域，圆二中的其他区域划分为可行区域。
进一步地，一实施例中，评价模块50，具体用于：
通过评价函数对多条预设时段的可行轨迹线进行评价，所述评价函数如下：
G(v，w)＝σ(α*heading(v，w)+β*dist(v，w)+γ*velocity(v，w))；
其中，heading(v，w)表示水面机器人在预设时刻的采样速度下达到模拟轨迹末端时的朝向和水面机器人中心与目标点之间连线的夹角，dist(v，w)表示水面机器人在当前轨迹上与最近的障碍物之间的距离，若该条轨迹上无障碍物则将其设定为常数，velocity(v，w)评价当前轨迹的速度大小；
运用待评价项heading(v，w)、dist(v，w)和velocity(v，w)计算时，先对待评价项进行归一化处理再相加计算，归一化处理公式如下：
其中，i为待评价的当前轨迹点，n为采样的所有轨迹点。
其中，上述水面机器人避障装置中各个模块的功能实现与上述水面机器人避障方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
第四方面，本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有水面机器人避障程序，其中所述水面机器人避障程序被处理器执行时，实现如上述的水面机器人避障方法的步骤。
其中，水面机器人避障程序被执行时所实现的方法可参照本发明水面机器人避障方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种水面机器人避障方法，其特征在于，所述水面机器人避障方法包括：
在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；
获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；
根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；
从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；
通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；
基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。
2.如权利要求1所述的水面机器人避障方法，其特征在于，所述在预设时刻获取水面机器人的速度采样空间的步骤包括：
根据水面机器人本身的限制和环境限制，将采用速度控制在一定范围内，水面机器人受自身最大速度和最小速度的限制用Vm表示如下：
Vm＝{v∈[vmin，vmax]，w∈[wmin，wmax]}；
根据水面机器人受到自身电机性能的影响，水面机器人轨迹向前模拟的周期内，存在一个速度范围，用Vd表示如下：
其中，v表示水面机器人任一时刻的线速度，w表示水面机器人任一时刻的角速度，vc是水面机器人当前c时刻的线速度，wc是水面机器人的当前c时刻的角速度，v′b和v′a对应水面机器人前进方向上的最大减速度和最大加速度；w′b和w′a对应水面机器人旋转方向上的最大减速度和最大加速度；
在最大减速度条件下，水面机器人速度范围用Va表示如下：
其中dist(v，w)为速度(v，w)对应轨迹上离障碍物最近的距离；
根据上述分析，求取Vm、Vd以及Va速度范围的交集，获取预设时刻水面机器人的速度采样空间。
3.如权利要求1所述的水面机器人避障方法，其特征在于，所述根据速度采样空间生成多条预设时段的轨迹线的步骤包括：
从速度采样空间中选取多组采样速度，根据水面机器人的多组采样速度利用水面机器人运动模型进行推算，生成多条预设时段的轨迹线，其中，水面机器人运动模型包括非全向运动模型和全向运动模型；
若水面机器人的运动模型为非全向运动模型，则根据非全向运动模型预测模拟机器人的轨迹，每一段相邻两时刻之间的时长内的移动距离计算如下：
其中，Δt表示每一段相邻两时刻之间的时长，v表示水面机器人移动的采样线速度，θt表示沿水面机器人坐标系x轴移动时与世界坐标系x轴的夹角，Δx表示沿水面机器人坐标系x轴方向上Δt时间内移动的距离，Δy表示沿水面机器人坐标系y轴方向上Δt时间内移动的距离；
依次类推，推算预设时段的轨迹，即累加上述公式中的增量，非全向运动模型累加公式如下：
其中，x表示沿水面机器人坐标系x轴方向上Δt时间内累加的移动距离，y表示沿水面机器人坐标系y轴方向上Δt时间内累加的移动距离，w表示水面机器人移动的采样角速度；
若水面机器人的运动模型为全向运动模型，即有y方向上的速度，则将水面机器人运动模型在水面机器人坐标y轴移动的距离投影到世界坐标系，计算水面机器人运动模型沿水面机器人坐标系x轴方向和y轴方向上Δt时间内移动的距离，计算公式如下：
其中，vy表示沿水面机器人坐标系y轴方向移动的速度；
此时预设时段轨迹的推演只需将y轴移动的距离累加在之前的计算公式上，全向运动模型累加计算公式如下：
4.如权利要求1所述的水面机器人避障方法，其特征在于，所述根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域的步骤包括：
获取以水面机器人领域半径为半径的圆一，其中，圆一的圆心为水面机器人在障碍物坐标系下的方位；
获取以障碍物的速度大小为半径的圆三，其中，圆三的圆心为障碍物的位置；
获取以水面机器人预设时刻速度大小为半径的圆二，其中，圆二的圆心与圆三的圆心在同一方向且圆二与圆一之间的距离大于零且小于两倍的水面机器人领域半径；
获取经过圆二的圆心且与圆一相切的第一切线和第二切线；
获取经过圆三的圆心且与第一切线平行的第三切线以及与第二切线平行的第四切线；
第三切线和第四切线与圆二的交点到圆二的圆心所组成的区域划分为不可行区域，圆二中的其他区域划分为可行区域。
5.如权利要1所述的水面机器人避障方法，其特征在于，所述通过评价函数对多条预设时段的可行轨迹线进行评价的步骤包括：
通过评价函数对多条预设时段的可行轨迹线进行评价，所述评价函数如下：
G(v，w)＝σ(α*heading(v，w)+β*dist(v，w)+γ*velocity(v，w))；
其中，heading(v，w)表示水面机器人在预设时刻的采样速度下达到模拟轨迹末端时的朝向和水面机器人中心与目标点之间连线的夹角，dist(v，w)表示水面机器人在当前轨迹上与最近的障碍物之间的距离，若该条轨迹上无障碍物则将其设定为常数，velocity(v，w)评价当前轨迹的速度大小；
运用待评价项heading(v，w)、dist(v，w)和velocity(v，w)计算时，先对待评价项进行归一化处理再相加计算，归一化处理公式如下：
其中，i为待评价的当前轨迹点，n为采样的所有轨迹点。
6.一种水面机器人避障装置，其特征在于，所述水面机器人避障装置包括：
第一获取模块，用于在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位；
第二获取模块，用于获取障碍物的速度大小，根据障碍物的速度大小将障碍物划分为静态障碍物和动态障碍物；
划分模块，用于根据速度采样空间生成多条预设时段的轨迹线，根据预设时刻水面机器人速度大小、领域半径、水面机器人在障碍物坐标系下的方位以及障碍物的速度大小划分可行区域和非可行区域，其中，预设时刻为相邻两预设时刻之间的时长；
删除模块，用于从可行区域中的多条预设时段的轨迹线中删除与静态障碍物相交或与动态障碍物相交且与障碍物的距离小于领域半径的轨迹线，得到多条预设时段的可行轨迹线；
评价模块，用于通过评价函数对多条预设时段的可行轨迹线进行评价，基于评价结果，确定预设时段的最优的轨迹线；
运行模块，用于基于最优轨迹线对应的速度运行水面机器人行驶预设时段，判断水面机器人能否到达目标点，若不能，则执行在预设时刻获取水面机器人的速度采样空间、水面机器人领域半径以及水面机器人在障碍物坐标系下的方位的步骤，直至水面机器人到达目标点。
7.如权利要求6所述的水面机器人避障装置，其特征在于，所述第一获取模块，用于：
根据水面机器人本身的限制和环境限制，将采用速度控制在一定范围内，水面机器人受自身最大速度和最小速度的限制用Vm表示如下：
Vm＝{v∈[vmin，vmax]，w∈[wmin，Wmax]}；
根据水面机器人受到自身电机性能的影响，水面机器人轨迹向前模拟的周期内，存在一个速度范围，用Vd表示如下：
其中，v表示水面机器人任一时刻的线速度，w表示水面机器人任一时刻的角速度，vc是水面机器人当前c时刻的线速度，wc是水面机器人的当前c时刻的角速度，v′b和v′a对应水面机器人前进方向上的最大减速度和最大加速度；w′b和w′a对应水面机器人旋转方向上的最大减速度和最大加速度；
在最大减速度条件下，水面机器人速度范围用Va表示如下：
其中dist(v，w)为速度(v，w)对应轨迹上离障碍物最近的距离；
根据上述分析，求取Vm、Vd以及Va速度范围的交集，获取预设时刻水面机器人的速度采样空间。
8.如权利要求6所述的水面机器人避障装置，其特征在于，所述划分模块，用于：
获取以水面机器人领域半径为半径的圆一，其中，圆一的圆心为水面机器人在障碍物坐标系下的方位；
获取以障碍物的速度大小为半径的圆三，其中，圆三的圆心为障碍物的位置；
获取以水面机器人预设时刻速度大小为半径的圆二，其中，圆二的圆心与圆三的圆心在同一方向且圆二与圆一之间的距离大于零且小于两倍的水面机器人领域半径；
获取经过圆二的圆心且与圆一相切的第一切线和第二切线；
获取经过圆三的圆心且与第一切线平行的第三切线以及与第二切线平行的第四切线；
第三切线和第四切线与圆二的交点到圆二的圆心所组成的区域划分为不可行区域，圆二中的其他区域划分为可行区域。
9.一种水面机器人避障设备，其特征在于，所述水面机器人避障设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的水面机器人避障程序，其中所述水面机器人避障程序被所述处理器执行时，实现如权利要求1至5中任一项所述的水面机器人避障方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有水面机器人避障程序，其中所述水面机器人避障程序被处理器执行时，实现如权利要求1至5中任一项所述的水面机器人避障方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111265676.XA CN113885522B (zh) | 2021-10-28 | 2021-10-28 | 水面机器人避障方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111265676.XA CN113885522B (zh) | 2021-10-28 | 2021-10-28 | 水面机器人避障方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113885522A true CN113885522A (zh) | 2022-01-04 |
| CN113885522B CN113885522B (zh) | 2023-04-25 |
Family
ID=79014152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111265676.XA Active CN113885522B (zh) | 2021-10-28 | 2021-10-28 | 水面机器人避障方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113885522B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102541057A (zh) * | 2010-12-29 | 2012-07-04 | 沈阳新松机器人自动化股份有限公司 | 一种基于激光测距仪的移动机器人避障方法 |
| CN105182979A (zh) * | 2015-09-23 | 2015-12-23 | 上海物景智能科技有限公司 | 一种移动机器人障碍物检测及避让方法和系统 |
| CN105955273A (zh) * | 2016-05-25 | 2016-09-21 | 速感科技（北京）有限公司 | 室内机器人导航系统及方法 |
| EP3112969A1 (en) * | 2015-07-03 | 2017-01-04 | Korea Advanced Institute of Science and Technology | Method and apparatus for relocation of mobile robot in indoor environment |
| CN107748561A (zh) * | 2017-09-25 | 2018-03-02 | 华南理工大学 | 一种基于多传感参数的无人船局部避障系统及方法 |
| CN107957684A (zh) * | 2017-11-17 | 2018-04-24 | 华南理工大学 | 一种基于虚拟速度向量场的机器人三维无碰轨迹规划方法 |
| CN109991963A (zh) * | 2017-12-29 | 2019-07-09 | 深圳市优必选科技有限公司 | 速度规划方法及终端设备 |
| CN111881580A (zh) * | 2020-07-28 | 2020-11-03 | 交通运输部水运科学研究所 | 一种无人船规避障碍物的运动规划方法 |
| CN112230634A (zh) * | 2019-06-26 | 2021-01-15 | 北京海益同展信息科技有限公司 | 一种机器人避障方法和装置 |
-
2021
- 2021-10-28 CN CN202111265676.XA patent/CN113885522B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102541057A (zh) * | 2010-12-29 | 2012-07-04 | 沈阳新松机器人自动化股份有限公司 | 一种基于激光测距仪的移动机器人避障方法 |
| EP3112969A1 (en) * | 2015-07-03 | 2017-01-04 | Korea Advanced Institute of Science and Technology | Method and apparatus for relocation of mobile robot in indoor environment |
| CN105182979A (zh) * | 2015-09-23 | 2015-12-23 | 上海物景智能科技有限公司 | 一种移动机器人障碍物检测及避让方法和系统 |
| CN105955273A (zh) * | 2016-05-25 | 2016-09-21 | 速感科技（北京）有限公司 | 室内机器人导航系统及方法 |
| CN107748561A (zh) * | 2017-09-25 | 2018-03-02 | 华南理工大学 | 一种基于多传感参数的无人船局部避障系统及方法 |
| CN107957684A (zh) * | 2017-11-17 | 2018-04-24 | 华南理工大学 | 一种基于虚拟速度向量场的机器人三维无碰轨迹规划方法 |
| CN109991963A (zh) * | 2017-12-29 | 2019-07-09 | 深圳市优必选科技有限公司 | 速度规划方法及终端设备 |
| CN112230634A (zh) * | 2019-06-26 | 2021-01-15 | 北京海益同展信息科技有限公司 | 一种机器人避障方法和装置 |
| CN111881580A (zh) * | 2020-07-28 | 2020-11-03 | 交通运输部水运科学研究所 | 一种无人船规避障碍物的运动规划方法 |
Non-Patent Citations (4)
| Title |
|---|
| 乔兴等: ""冗余机器人安全系统的可靠性分析"", 《齐齐哈尔大学学报(自然科学版)》 * |
| 王伟等: ""电力无人机气象环境适应性试验及防倾覆策略"", 《湖北电力》 * |
| 翟敬梅等: ""室内移动机器人自主导航系统设计与方法"", 《计算机集成制造系统》 * |
| 钱伟等: ""基于智能仓储重载AGV运动控制系统研究与实现"", 《自动化与仪器仪表》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113885522B (zh) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | High speed navigation for quadrotors with limited onboard sensing | |
| CN111665842B (zh) | 一种基于语义信息融合的室内slam建图方法及系统 | |
| Rummelhard et al. | Conditional monte carlo dense occupancy tracker | |
| CN113345008B (zh) | 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法 | |
| Song et al. | Online coverage and inspection planning for 3D modeling | |
| CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
| CN115268443A (zh) | 一种机器人避障路径规划方法 | |
| Burger et al. | Fast multi-pass 3D point segmentation based on a structured mesh graph for ground vehicles | |
| CN114998276B (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
| CN110568861A (zh) | 一种人机运动障碍物监测方法、可读存储介质和无人机 | |
| CN113110521A (zh) | 移动机器人路径规划控制方法及其控制装置、存储介质 | |
| CN110736456A (zh) | 稀疏环境下基于特征提取的二维激光实时定位方法 | |
| CN111709988A (zh) | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 | |
| CN112859110A (zh) | 一种基于三维激光雷达的定位导航方法 | |
| CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
| CN117331071A (zh) | 一种基于毫米波雷达与视觉多模态融合的目标检测方法 | |
| Du et al. | Particle filter based object tracking of 3D sparse point clouds for autopilot | |
| CN116858253A (zh) | 一种适用室内环境的轻量性预测式导航方法及系统 | |
| CN113885522B (zh) | 水面机器人避障方法、装置、设备及可读存储介质 | |
| CN115690343A (zh) | 一种基于视觉跟随的机器人激光雷达扫描建图方法 | |
| CN113311862B (zh) | 机器人规避障碍物的运动规划方法 | |
| Alagić et al. | Design of mobile robot motion framework based on modified vector field histogram | |
| CN114815899A (zh) | 基于3d激光雷达传感器的无人机三维空间路径规划方法 | |
| CN115047871A (zh) | 动态目标的多无人车协同搜索方法、装置、设备及介质 | |
| Xia et al. | Research on parameter adjustment method of cartographer 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |