CN113934207A - 一种移动机器人自动避障导航系统及其导航方法 - Google Patents
一种移动机器人自动避障导航系统及其导航方法 Download PDFInfo
- Publication number
- CN113934207A CN113934207A CN202111033637.7A CN202111033637A CN113934207A CN 113934207 A CN113934207 A CN 113934207A CN 202111033637 A CN202111033637 A CN 202111033637A CN 113934207 A CN113934207 A CN 113934207A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- robot
- module
- speed
- main control
- 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 33
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 47
- 230000033001 locomotion Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 10
- 240000007651 Rubus glaucus Species 0.000 claims description 7
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 7
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 41
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- G05D1/0214—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
- G05D1/0231—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种移动机器人自动避障导航系统及其导航方法,系统包括:雷达探测模块,用于采集移动机器人周围环境的三维点云地图数据;姿态采集模块,用于采集移动机器人的角速度和线速度;主控模块,雷达探测模块的输出端和姿态采集模块的输出端均与主控模块的输入端连接;上位工控机,与主控模块通信连接,用于确定最优轨迹,并下发相应的控制指令至主控模块;电机驱动模块,其输入端与主控模块的输出端连接,用于根据控制指令驱动移动机器人进行自动避障。本发明可以对机器人的移动轨迹进行预测,进而可以从预测得到的移动轨迹中选取最优移动轨迹,有效提高了移动机器人自动避障导航的准确度和效率。本发明可广泛应用于机器人控制技术领域。
Description
技术领域
本发明涉及机器人控制技术领域,尤其涉及一种移动机器人自动避障导航系统及其导航方法。
背景技术
随着人工智能技术的不断发展,机器人技术及其应用已从局部的工业场所应用延伸至人们的日常生活之中,并且从机器人技术的发展趋势中可以看出机器人的应用显得越来越智能化,将来能够更好地为人类社会发展提供服务。移动机器人的自动避障技术是机器人技术及应用的研究重点内容之一,目的是实现在有障碍物的环境下,机器人能够自主避开障碍物并规划最佳运动路径运行至目标点,主要涉及机器人自身定位、路径规划以及移动控制等。
现有技术中,大多采用传感器实时探测机器人周围的障碍物,当机器人前进过程中探测到障碍物时,控制机器人进行转向绕开障碍物,然而这种方法不能从整体路径规划上选择最优导航轨迹,导航效率并不高。
发明内容
为了解决上述技术问题,本发明的目的在于:提供一种准确、高效的移动机器人自动避障导航系统及其导航方法。
本发明所采用的第一技术方案是:
一种移动机器人自动避障导航系统,包括:
雷达探测模块,所述雷达探测模块用于采集移动机器人周围环境的三维点云地图数据;
姿态采集模块,所述姿态采集模块用于采集移动机器人的角速度和线速度;
主控模块,所述雷达探测模块的输出端和所述姿态采集模块的输出端均与所述主控模块的输入端连接,所述主控模块用于对所述三维点云地图数据进行处理得到三维地图信息,以及根据所述角速度和所述线速度预测得到移动机器人在下一时段内的移动轨迹;
上位工控机,所述上位工控机与所述主控模块通信连接,所述上位工控机用于根据所述三维地图信息和所述移动轨迹确定最优轨迹,并下发相应的控制指令至所述主控模块;
电机驱动模块,所述电机驱动模块的输入端与所述主控模块的输出端连接,所述电机驱动模块用于根据所述控制指令驱动移动机器人进行自动避障。
进一步,所述雷达探测模块为激光雷达,所述激光雷达用于通过三角测距法对移动机器人预设范围内的环境进行激光测距扫描,得到所述三维点云地图数据。
进一步,所述姿态采集模块包括三轴陀螺仪和三轴加速度计,所述三轴陀螺仪的输出端和所述三轴加速度计的输出端均与所述主控模块的输入端连接,所述三轴陀螺仪用于采集移动机器人的角速度,所述三轴加速度计用于采集移动机器人的线速度。
进一步,所述主控模块为STM32F103RCT6控制芯片。
进一步,所述上位工控机为树莓派,所述树莓派搭载有ROS机器人操作系统。
进一步,所述电机驱动模块包括差速电机和万向轮,所述差速电机的输入端与所述主控模块的输出端连接,所述差速电机用于对所述万向轮进行控制。
进一步,所述移动机器人自动避障导航系统还包括RS-485通信模块,所述主控模块和所述上位工控机通过所述RS-485通信模块连接。
本发明所采用的第二技术方案是:
一种移动机器人自动避障导航系统的导航方法,用于通过上述移动机器人自动避障导航系统执行,包括以下步骤:
通过所述雷达探测模块采集移动机器人周围环境的三维点云地图数据,并通过所述姿态采集模块采集移动机器人的角速度和线速度;
通过所述主控模块对所述三维点云地图数据进行处理得到三维地图信息,并根据所述角速度和所述线速度预测得到移动机器人在下一时段内的移动轨迹;
通过所述上位工控机根据所述三维地图信息和所述移动轨迹确定最优轨迹,并根据所述最优轨迹生成相应的控制指令;
通过所述电机驱动模块根据所述控制指令驱动移动机器人进行自动避障。
进一步,所述根据所述角速度和所述线速度预测得到移动机器人在下一时段内的移动轨迹这一步骤,其具体包括:
构建移动机器人的运动学模型,并确定所述运动学模型的约束条件;
根据所述角速度、所述线速度以及所述约束条件预测得到移动机器人在下一时段内的多个速度数据组;
根据所述速度数据组和所述运动学模型预测得到移动机器人在下一时段内的移动轨迹;
其中,所述约束条件包括机器人最大速度约束、机器人最小速度约束、驱动电机性能约束以及安全制动距离约束。
进一步,所述根据所述三维地图信息和所述移动轨迹确定最优轨迹这一步骤,其具体包括:
根据所述三维地图信息确定目标位置和障碍物位置;
根据所述目标位置确定移动机器人的方位角评价函数,根据所述障碍物位置确定移动机器人与障碍物的距离评价函数,并根据所述速度数据组确定移动和机器人的速度评价函数;
确定所述方位角评价函数、所述距离评价函数以及所述速度评价函数的权重系数,并根据所述权重系数对所述方位角评价函数、所述距离评价函数以及所述速度评价函数进行归一化处理,得到轨迹评价函数;
根据所述轨迹评价函数在所述移动轨迹中筛选出最优轨迹。
本发明的有益效果是:本发明一种移动机器人自动避障导航系统及其导航方法,通过雷达探测模块采集移动机器人周围环境的三维点云地图数据,并通过姿态采集模块采集移动机器人的角速度和线速度,通过主控模块对三维点云地图数据进行处理得到三维地图信息,并根据角速度和线速度预测得到移动机器人在下一时段内的移动轨迹,通过上位工控机根据三维地图信息和移动轨迹确定最优轨迹,并根据最优轨迹生成相应的控制指令,进而通过电机驱动模块根据控制指令驱动移动机器人进行自动避障。本发明通过雷达探测模块可以实时感应移动机器人周围环境的变化,通过姿态采集模块可以实时采集移动机器人当前的角速度和线速度,从而可以对移动机器人的移动轨迹进行预测,进而可以从预测得到的移动轨迹中选取最优移动轨迹,有效提高了移动机器人自动避障导航的准确度和效率。
附图说明
图1为本发明实施例提供的一种移动机器人自动避障导航系统的结构示意图;
图2为本发明实施例提供的移动机器人自动避障导航系统的导航方法的步骤流程图;
图3为本发明实施例提供的移动机器人自动避障导航系统的导航方法的仿真实验结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中,多个的含义是两个以上,如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。
参照图1,本发明实施例提供了一种移动机器人自动避障导航系统,包括:
雷达探测模块,雷达探测模块用于采集移动机器人周围环境的三维点云地图数据;
姿态采集模块,姿态采集模块用于采集移动机器人的角速度和线速度;
主控模块,雷达探测模块的输出端和姿态采集模块的输出端均与主控模块的输入端连接,主控模块用于对三维点云地图数据进行处理得到三维地图信息,以及根据角速度和线速度预测得到移动机器人在下一时段内的移动轨迹;
上位工控机,上位工控机与主控模块通信连接,上位工控机用于根据三维地图信息和移动轨迹确定最优轨迹,并下发相应的控制指令至主控模块;
电机驱动模块,电机驱动模块的输入端与主控模块的输出端连接,电机驱动模块用于根据控制指令驱动移动机器人进行自动避障。
本发明实施例通过雷达探测模块采集移动机器人周围环境的三维点云地图数据,并通过姿态采集模块采集移动机器人的角速度和线速度,通过主控模块对三维点云地图数据进行处理得到三维地图信息,并根据角速度和线速度预测得到移动机器人在下一时段内的移动轨迹,通过上位工控机根据三维地图信息和移动轨迹确定最优轨迹,并根据最优轨迹生成相应的控制指令,进而通过电机驱动模块根据控制指令驱动移动机器人进行自动避障。本发明实施例通过雷达探测模块可以实时感应移动机器人周围环境的变化,通过姿态采集模块可以实时采集移动机器人当前的角速度和线速度,从而可以对移动机器人的移动轨迹进行预测,进而可以从预测得到的移动轨迹中选取最优移动轨迹,有效提高了移动机器人自动避障导航的准确度和效率。
进一步作为可选的实施方式,雷达探测模块为激光雷达,激光雷达用于通过三角测距法对移动机器人预设范围内的环境进行激光测距扫描,得到三维点云地图数据。
具体地,本发明实施例考虑到机器人运行的现场环境、性价比以及系统集成度等因素,选用激光雷达作为机器人感知环境的传感器。激光雷达系统采用三角测距原理,激光测距采样能力能够达到2000次/秒,可以对预设半径范围内进行360度全方位的激光测距扫描,并产生所在空间的三维点云地图数据,可以用于地图测绘、机器人定位导航、物体/环境建模等。本发明实施例中,主控模块通过串口提取激光雷达发送过来的有效数据进行解析从而得到激光雷达的实测信息,即机器人周围环境的三维点云地图数据,其通讯数据帧如下表1所示。
表1
参照图1,进一步作为可选的实施方式,姿态采集模块包括三轴陀螺仪和三轴加速度计,三轴陀螺仪的输出端和三轴加速度计的输出端均与主控模块的输入端连接,三轴陀螺仪用于采集移动机器人的角速度,三轴加速度计用于采集移动机器人的线速度。
具体地,三轴陀螺仪能够测量移动机器人在三维空间内运动的角速度,三轴加速度计能够测量移动机器人在三维空间内运动的线速度,本发明实施例通过三轴陀螺仪和三轴加速度计可以跟踪并捕捉移动机器人在三维空间的完整运动,从而实现更精确的自动避障导航。
进一步作为可选的实施方式,主控模块为STM32F103RCT6控制芯片。
具体地,本发明实施例选用STM32F103RCT6控制芯片作为机器人底层硬件系统的控制器,该芯片拥有的资源非常丰富,如:72MHz速度、256KB程序存储器容量以及丰富的外围设备接口和通信方式。该控制器除了可以对机器人进行运动控制之外,还可以对三轴陀螺仪采集的数据进行解算得到机器人运行角速度、对三轴加速度计采集的数据进行解算得到机器人运行线速度。通过对传感器数据采集和角速度、线速度的相关处理,可以预测得到机器人的移动轨迹,并将该移动轨迹通过串口发送至上位工控机。上位工控机通过算法选取出最优轨迹后,发送相应控制指令至STM32F103RCT6控制芯片,从而控制机器人驱动电机运行,实现自动避障导航。
进一步作为可选的实施方式,上位工控机为树莓派,树莓派搭载有ROS机器人操作系统。
具体地,本发明实施例采用ROS机器人开源操作系统作为机器人开发平台,该平台可以方便快速地为机器人控制系统提供相应的控制服务,包括有:硬件抽象描述、底层设备应用控制、公共功能的操作以及发包管理和程序传递等。基于目前ROS系统只支持在Linux系统上安装部署,在此选用具有体积小、功能丰富、成本低等特点的树莓派3B作为主控器,在平台上安装Ubuntu MATE系统,Ubuntu是一个以桌面应用为主的开源GNU/Linux操作系统,可以实现ROS在树莓派上的稳定运行,并通过串口和硬件层连接实现数据采集和通信。
进一步作为可选的实施方式,电机驱动模块包括差速电机和万向轮,差速电机的输入端与主控模块的输出端连接,差速电机用于对万向轮进行控制。
参照图1,进一步作为可选的实施方式,移动机器人自动避障导航系统还包括RS-485通信模块,主控模块和上位工控机通过RS-485通信模块连接。
具体地,本发明实施例的控制系统主要由上位机和下位机组成,上位机由工控机组成,负责机器人的所有控制,下位机由STM32F103RCT6作为主控芯片组成,负责对机器人差速电机的速度和角度控制,实现机器人运动控制、定位导航等功能。为保证上位机与下位机之间数据传输的准确性与实时性,本发明实施例采用RS-485总线方式进行通信连接。
以上是对本发明实施例的系统结构进行了说明,下面对本发明实施例的导航方法进行说明。
参照图2,本发明实施例提供了一种移动机器人自动避障导航系统的导航方法,用于通过上述移动机器人自动避障导航系统执行,包括以下步骤:
S101、通过雷达探测模块采集移动机器人周围环境的三维点云地图数据,并通过姿态采集模块采集移动机器人的角速度和线速度;
S102、通过主控模块对三维点云地图数据进行处理得到三维地图信息,并根据角速度和线速度预测得到移动机器人在下一时段内的移动轨迹;
S103、通过上位工控机根据三维地图信息和移动轨迹确定最优轨迹,并根据最优轨迹生成相应的控制指令;
S104、通过电机驱动模块根据控制指令驱动移动机器人进行自动避障。
具体地,路径导航技术是移动机器人技术的核心关键技术,目的是使机器人按照预定的路径导航信息自主运动控制,或者依据传感器获取外部环境进行相应的引导,从而规划出一条适合机器人能够顺利达到目标点的路径。在本发明实施例中,首先通过激光雷达传感器获取移动机器人周围环境的三维点云地图信息、通过姿态传感器获取移动机器人的实时角速度和线速度,然后进行路径规划计算,预测得到移动机器人在下一时段内的移动轨迹,并发送至上位工控机,通过上位机的决策层确定最优轨迹,从而实现自动避障导航的控制。
进一步作为可选的实施方式,根据角速度和线速度预测得到移动机器人在下一时段内的移动轨迹这一步骤,其具体包括:
A1、构建移动机器人的运动学模型,并确定运动学模型的约束条件;
A2、根据角速度、线速度以及约束条件预测得到移动机器人在下一时段内的多个速度数据组;
A3、根据速度数据组和运动学模型预测得到移动机器人在下一时段内的移动轨迹;
其中,约束条件包括机器人最大速度约束、机器人最小速度约束、驱动电机性能约束以及安全制动距离约束。
具体地,本发明实施例中机器人系统采用差速电机作为移动控制电机,在机器人的速度(v,w)空间采样多组速度,并预测机器人在这些速度下一定时间内的移动轨迹,得到多组轨迹后,使用评价函数选出最优的移动轨迹来驱动机器人运动。
预测机器人的移动轨迹首先需要建立机器人的运动模型。本发明实施例构建两轮差速机器人的运动学模型如下:
其中,xk和yk表示机器人当前时刻的空间坐标,xk+1和yk+1表示机器人在下一时刻的空间坐标,vx和vy表示机器人当前时刻的线速度在x轴和y轴方向的分量,Δk表示当前时刻与下一时刻的时间间隔,θk表示机器人当前时刻的姿态角,θk+1表示机器人在下一时刻的姿态角,wk表示机器人当前时刻的角速度。
由于机器人自身运动又受到相关条件的制约,如:电机性能、周围环境、机器人自身结构等因素,因此需要依靠机器人的自身条件和环境等客观因素将机器人的速度控制在一定范围内,本发明实施例的约束条件如下:
1)机器人自身最大、最小速度约束:
vm={v∈[vmin,vmax],w∈[wmin,wmax]}
机器人运动控制中的速度受到自身线速度的最大值vmax、最小值vmin以及角速度的最大值wmax、最小值wmin的约束,因此需要将机器人的速度空间vm限制在约束范围内。
2)机器人驱动电机性能约束:
3)安全制动距离约束:
为了保证机器人在碰到障碍物前能够及时停止,因此机器人的速度必须控制在一定范围内,假设机器人在速度为(v,w)时与障碍物的距离为dist(v,w),则机器人的速度空间va为:
本发明实施例中,根据角速度、线速度以及上述约束条件可以预测得到移动机器人在下一时段内的多个速度数据组(包括角速度和线速度),然后根据该速度数据组和上述运动学模型即可预测得到移动机器人在下一时段内的移动轨迹。
进一步作为可选的实施方式,根据三维地图信息和移动轨迹确定最优轨迹这一步骤,其具体包括:
B1、根据三维地图信息确定目标位置和障碍物位置;
B2、根据目标位置确定移动机器人的方位角评价函数,根据障碍物位置确定移动机器人与障碍物的距离评价函数,并根据速度数据组确定移动和机器人的速度评价函数;
B3、确定方位角评价函数、距离评价函数以及速度评价函数的权重系数,并根据权重系数对方位角评价函数、距离评价函数以及速度评价函数进行归一化处理,得到轨迹评价函数;
B4、根据轨迹评价函数在移动轨迹中筛选出最优轨迹。
具体地,通过前述步骤可以预测得到移动机器人在下一时段内的移动轨迹,然后需要建立评价函数选出最优轨迹,最优运行轨迹对应的速度组(v、w)则可作为机器人控制指令。本发明实施例的评价函数如下:
G(v,ω)=σ(α·heading(v,w)+β·dist(v,w)+γ·velocity(v,w))
上式中,heading为方位角评价函数,表示在速度(v,w)下机器人运行至预测轨迹终端时机器人与目标点之间的角度差距,控制过程中要使机器人的运行方向与目标点之间的角度尽量小,朝着目标点运动。本发明实施例中,方位角评价函数通过目标位置确定。
dist为距离评价函数,表示机器人在速度(v,w)下与障碍物之间的最近距离,控制过程中要使机器人与障碍物之间的最近距离尽可能大。本发明实施例中,距离评价函数通过障碍物位置确定。
velocity为速度评价函数,控制过程中要使机器人尽量高速运动。
此外,为了解决各评价函数的评价标准不同导致评价函数不连续的问题,需要对各评价函数进行归一化处理,σ为平滑函数,α、β、γ为权重系数。通过上述轨迹评价函数选取最优轨迹,可以使机器人朝着目标点避开障碍物以最快的速度运行。
可以理解的是,本发明实施例中通过三维图像信息可以确定在三维空间内的目标位置和障碍物位置,其中障碍物需要结合移动机器人的高度进行判定(如各种悬挂物等),在后续的机器人移动控制中,仅需要考虑二维平面内的机器人运动,通过二维平面内的运动控制实现三维空间内的导航避障。
下面结合仿真实验对本发明实施例的导航方法进行验证。
通过MATLAB仿真验证上述算法的有效性,设置机器人的初期状态x(m)、y(m)、yaw(Rad)、v(m/s)、w(rad/s)分别为:0、0、pi/2、0、0。目标点位置为:goal=[10,9]。随机设置障碍物位置点:obstacle=[0,2;1,3;2,4;5,4;5,5;5,6;5,9;8,8;8,9;7,9;6,5;6,3;6,8;6,7;7,4;9,8;9,11;9,6]。冲突判定用的障碍物半径obstacleR=0.2。机器人运动学模型参数:最高速度[m/s]、最高旋转速度[rad/s]、加速度[m/s2]、旋转加速度[rad/ss]、速度分辨率[m/s]、转速分辨率[rad/s]为:Kinematic=[1.0,toRadian(20.0),0.2,toRadian(50.0),0.01,toRadian(1)]。轨迹评价函数参数[heading,dist,velocity,predictDT]为:evalParam=[0.05,0.2,0.1,3.0]。进行仿真实验得到结果如图3所示。
通过仿真实验和图3可知,本发明实施例的导航方法可以控制机器人顺利地避开各障碍物到达目标点,而且生成的轨迹平滑,说明本发明实施例能够有效定位并实现局部路径自动避障导航功能。
可以理解的是,本发明通过雷达探测模块可以实时感应移动机器人周围环境的变化,通过姿态采集模块可以实时采集移动机器人当前的角速度和线速度,从而可以对移动机器人的移动轨迹进行预测,进而可以从预测得到的移动轨迹中选取最优移动轨迹,有效提高了移动机器人自动避障导航的准确度和效率,且具有易开发、低成本、结构化等优点。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。上述方法可以使用标准编程技术—包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。上述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,上述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所描述步骤的指令或程序时,本文所描述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所描述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文所描述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种移动机器人自动避障导航系统,其特征在于,包括:
雷达探测模块,所述雷达探测模块用于采集移动机器人周围环境的三维点云地图数据;
姿态采集模块,所述姿态采集模块用于采集移动机器人的角速度和线速度;
主控模块,所述雷达探测模块的输出端和所述姿态采集模块的输出端均与所述主控模块的输入端连接,所述主控模块用于对所述三维点云地图数据进行处理得到三维地图信息,以及根据所述角速度和所述线速度预测得到移动机器人在下一时段内的移动轨迹;
上位工控机,所述上位工控机与所述主控模块通信连接,所述上位工控机用于根据所述三维地图信息和所述移动轨迹确定最优轨迹,并下发相应的控制指令至所述主控模块;
电机驱动模块,所述电机驱动模块的输入端与所述主控模块的输出端连接,所述电机驱动模块用于根据所述控制指令驱动移动机器人进行自动避障。
2.根据权利要求1所述的一种移动机器人自动避障导航系统,其特征在于:所述雷达探测模块为激光雷达,所述激光雷达用于通过三角测距法对移动机器人预设范围内的环境进行激光测距扫描,得到所述三维点云地图数据。
3.根据权利要求1所述的一种移动机器人自动避障导航系统,其特征在于:所述姿态采集模块包括三轴陀螺仪和三轴加速度计,所述三轴陀螺仪的输出端和所述三轴加速度计的输出端均与所述主控模块的输入端连接,所述三轴陀螺仪用于采集移动机器人的角速度,所述三轴加速度计用于采集移动机器人的线速度。
4.根据权利要求1所述的一种移动机器人自动避障导航系统,其特征在于:所述主控模块为STM32F103RCT6控制芯片。
5.根据权利要求1所述的一种移动机器人自动避障导航系统,其特征在于:所述上位工控机为树莓派,所述树莓派搭载有ROS机器人操作系统。
6.根据权利要求1所述的一种移动机器人自动避障导航系统,其特征在于:所述电机驱动模块包括差速电机和万向轮,所述差速电机的输入端与所述主控模块的输出端连接,所述差速电机用于对所述万向轮进行控制。
7.根据权利要求1至6中任一项所述的一种移动机器人自动避障导航系统,其特征在于:所述移动机器人自动避障导航系统还包括RS-485通信模块,所述主控模块和所述上位工控机通过所述RS-485通信模块连接。
8.一种移动机器人自动避障导航系统的导航方法,用于通过如权利要求1至7中任一项所述的移动机器人自动避障导航系统执行,其特征在于,包括以下步骤:
通过所述雷达探测模块采集移动机器人周围环境的三维点云地图数据,并通过所述姿态采集模块采集移动机器人的角速度和线速度;
通过所述主控模块对所述三维点云地图数据进行处理得到三维地图信息,并根据所述角速度和所述线速度预测得到移动机器人在下一时段内的移动轨迹;
通过所述上位工控机根据所述三维地图信息和所述移动轨迹确定最优轨迹,并根据所述最优轨迹生成相应的控制指令;
通过所述电机驱动模块根据所述控制指令驱动移动机器人进行自动避障。
9.根据权利要求8所述的导航方法,其特征在于,所述根据所述角速度和所述线速度预测得到移动机器人在下一时段内的移动轨迹这一步骤,其具体包括:
构建移动机器人的运动学模型,并确定所述运动学模型的约束条件;
根据所述角速度、所述线速度以及所述约束条件预测得到移动机器人在下一时段内的多个速度数据组;
根据所述速度数据组和所述运动学模型预测得到移动机器人在下一时段内的移动轨迹;
其中,所述约束条件包括机器人最大速度约束、机器人最小速度约束、驱动电机性能约束以及安全制动距离约束。
10.根据权利要求9所述的导航方法,其特征在于,所述根据所述三维地图信息和所述移动轨迹确定最优轨迹这一步骤,其具体包括:
根据所述三维地图信息确定目标位置和障碍物位置;
根据所述目标位置确定移动机器人的方位角评价函数,根据所述障碍物位置确定移动机器人与障碍物的距离评价函数,并根据所述速度数据组确定移动和机器人的速度评价函数;
确定所述方位角评价函数、所述距离评价函数以及所述速度评价函数的权重系数,并根据所述权重系数对所述方位角评价函数、所述距离评价函数以及所述速度评价函数进行归一化处理,得到轨迹评价函数;
根据所述轨迹评价函数在所述移动轨迹中筛选出最优轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111033637.7A CN113934207A (zh) | 2021-09-03 | 2021-09-03 | 一种移动机器人自动避障导航系统及其导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111033637.7A CN113934207A (zh) | 2021-09-03 | 2021-09-03 | 一种移动机器人自动避障导航系统及其导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113934207A true CN113934207A (zh) | 2022-01-14 |
Family
ID=79275140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111033637.7A Pending CN113934207A (zh) | 2021-09-03 | 2021-09-03 | 一种移动机器人自动避障导航系统及其导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113934207A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114348138A (zh) * | 2022-01-22 | 2022-04-15 | 石家庄东方热电热力工程有限公司 | 一种水冷壁场景的爬壁机器人导航系统及其导航方法 |
CN114384920A (zh) * | 2022-03-23 | 2022-04-22 | 安徽大学 | 一种基于局部栅格地图实时构建的动态避障方法 |
CN114852296A (zh) * | 2022-05-24 | 2022-08-05 | 华能盐城大丰新能源发电有限责任公司 | 一种全姿态水下机器人的运动控制方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665847A (zh) * | 2020-06-24 | 2020-09-15 | 上海应用技术大学 | 一种基于模糊逻辑的动态窗口避障算法 |
CN215954140U (zh) * | 2021-09-03 | 2022-03-04 | 广东交通职业技术学院 | 一种移动机器人自动避障导航系统 |
-
2021
- 2021-09-03 CN CN202111033637.7A patent/CN113934207A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665847A (zh) * | 2020-06-24 | 2020-09-15 | 上海应用技术大学 | 一种基于模糊逻辑的动态窗口避障算法 |
CN215954140U (zh) * | 2021-09-03 | 2022-03-04 | 广东交通职业技术学院 | 一种移动机器人自动避障导航系统 |
Non-Patent Citations (1)
Title |
---|
彭育强: "基于动态窗口法的移动机器人自动避障导航研究", 自动化仪表, 20 October 2020 (2020-10-20), pages 26 - 29 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114348138A (zh) * | 2022-01-22 | 2022-04-15 | 石家庄东方热电热力工程有限公司 | 一种水冷壁场景的爬壁机器人导航系统及其导航方法 |
CN114384920A (zh) * | 2022-03-23 | 2022-04-22 | 安徽大学 | 一种基于局部栅格地图实时构建的动态避障方法 |
US11720110B2 (en) | 2022-03-23 | 2023-08-08 | Anhui University | Dynamic obstacle avoidance method based on real-time local grid map construction |
CN114852296A (zh) * | 2022-05-24 | 2022-08-05 | 华能盐城大丰新能源发电有限责任公司 | 一种全姿态水下机器人的运动控制方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113934207A (zh) | 一种移动机器人自动避障导航系统及其导航方法 | |
Asadi et al. | An integrated UGV-UAV system for construction site data collection | |
JP6906011B2 (ja) | オブジェクトの二次元境界枠を自動運転車両の三次元位置に転換するための方法[method for transforming 2d bounding boxes of objects into 3d positions for autonomous driving vehicles (advs)] | |
JP6845894B2 (ja) | 自動運転車両におけるセンサー故障を処理するための方法 | |
JP6878493B2 (ja) | 自動運転車両(adv)に用いるピッチ角の補正方法 | |
JP7108583B2 (ja) | 自動運転車両のための曲率補正経路サンプリングシステム | |
JP7086111B2 (ja) | 自動運転車のlidar測位に用いられるディープラーニングに基づく特徴抽出方法 | |
JP7060625B2 (ja) | 自動運転車において3dcnnネットワークを用いてソリューション推断を行うlidar測位 | |
CN107562048B (zh) | 一种基于激光雷达的动态避障控制方法 | |
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 | |
JP2019501384A (ja) | 自律測位航法設備、測位航法方法及び自律測位航法システム | |
JP2021515178A (ja) | 自動運転車両においてrnnとlstmを用いて時間平滑化を行うlidar測位 | |
JP2018070145A (ja) | 自律走行車用のバネシステムに基づく車線変更方法 | |
JP2009173263A (ja) | 無人航空機(uav)によって移動目標物を自律的に追跡するための方法及びシステム | |
CN111857155B (zh) | 一种机器人控制方法 | |
JP2019501809A (ja) | 自律走行車の速度を追従する方法及びシステム | |
JP2021511995A (ja) | 自動運転車の高速計画のための多項式フィッティングベースの基準線平滑化方法 | |
JP6935507B2 (ja) | 自動運転のための自己反転線の相互回避アルゴリズム | |
CN215954140U (zh) | 一种移动机器人自动避障导航系统 | |
CN110968099B (zh) | 一种机器人被困检测方法以及机器人 | |
Chen et al. | Improved dynamic window approach for dynamic obstacle avoidance of quadruped robots | |
CN110908388B (zh) | 一种机器人被困检测方法以及机器人 | |
CN111897337A (zh) | 一种机器人沿边行走时的避障控制方法及其控制系统 | |
Wang et al. | Agv navigation based on apriltags2 auxiliary positioning | |
Hu et al. | Research on Intelligent Car PID Autonomous Navigation System Based on ROS and Lidar |
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 |