CN114115253A - 一种基于改进型人工势场的医院智能机器人路径规划系统 - Google Patents

一种基于改进型人工势场的医院智能机器人路径规划系统 Download PDF

Info

Publication number
CN114115253A
CN114115253A CN202111352422.1A CN202111352422A CN114115253A CN 114115253 A CN114115253 A CN 114115253A CN 202111352422 A CN202111352422 A CN 202111352422A CN 114115253 A CN114115253 A CN 114115253A
Authority
CN
China
Prior art keywords
intelligent robot
positioning
potential field
robot
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
Application number
CN202111352422.1A
Other languages
English (en)
Inventor
吴俊宏
姚志江
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.)
Zhejiang Yuantu Interconnection Technology Co ltd
Original Assignee
Zhejiang Yuantu Interconnection Technology Co ltd
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 Zhejiang Yuantu Interconnection Technology Co ltd filed Critical Zhejiang Yuantu Interconnection Technology Co ltd
Priority to CN202111352422.1A priority Critical patent/CN114115253A/zh
Publication of CN114115253A publication Critical patent/CN114115253A/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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了智慧医院技术领域的一种基于改进型人工势场的医院智能机器人路径规划系统；包括信息输入、定位系统、整体路径选择系统、避障系统和姿态调整系统。本发明的有益效果是：本发明解决医院特殊科室的人力资源短缺等问题，为解决智能机器人路径规划中最佳路径的选取，以及智能机器人避障过程中的局部最小值问题，结合医院特有的环境以及硬件条件，由于医院人流量巨大，机器人所遇见的障碍类型基本都为动态障碍，所以本文运用区分障碍性质，区别对待解决局部极限小值问题。

Description

一种基于改进型人工势场的医院智能机器人路径规划系统
技术领域
本发明涉及智慧医院技术领域，具体是一种基于改进型人工势场的医院智能机器人路径规划系统。
背景技术
路径规划是智能机器人的关键技术，合理的路径规划能让智能机器人的办事效率大大提高，当下最常用的路径规划算法为人工势场，主要由于其应用灵活，可以在保证安全的情况下获得一条平滑路径，并且对于动态环境可以实现实时运动控制等优点，但是传统的人工势场局部极小值问题，导致机器人在该处停止或在其周围振动，从而无法到达目标位置。针对此问题，文献中提出了许多解决方法例如沿墙跟踪法、极限环法、虚拟水流法等，虽然此类方法能一定层度上缓解局部最小值的出现，但是在实际应用中都存在一定的问题。因此，本领域技术人员提供了一种基于改进型人工势场的医院智能机器人路径规划系统，以解决上述背景技术中提出的问题。
发明内容
本发明的目的在于提供一种基于改进型人工势场的医院智能机器人路径规划系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：包括信息输入、定位系统、整体路径选择系统、避障系统和姿态调整系统：
S1：定位系统：包括蓝牙定位系统、无线网络系统和电子罗盘；
S2：整体路径选择系统：包括位置获取、目标地获取、路径规划、路径选择和路径确认；
S3：避障系统：包括障碍物检测、地图生成、创建人工势场、构件函数、局部判断、结束算法；
S4：姿态调整系统：包括航向角度计算、期望角度计算、实质角度偏移、期望角度矫正；
所述定位系统中的蓝牙定位用于确认当前位置，通过无线网络系统对当前位置楼层进行定位，进而通过电子罗盘进行姿态调整，所述整体路径选择与智能地图服务器信号连接，通过定位系统中获取的位置信息，及外部输入的目标地信息规划至少三条导航路径，对导航路径的人流量进行监控，根据不同的人流量通过遗传算法得出最佳导航路径，直至到达目的地。
作为本发明进一步的方案：所述定位系统包括如下子系统：S101，利用蓝牙定位系统获取智能机器人位置坐标，从而实现的位置定位；S102，利用不同楼层的无线网络系统获取智能机器人所在的楼层信息，从而实现楼层定位；S103，利用电子罗盘实现进行方向定位，实现智能机器人的方向点位。
作为本发明再进一步的方案：S201、根据步骤S1获得智能机器人当前所在的位置，所在楼层，以及其自身方向的定位信息；S202，输入目标地的定位信息；S203，以智能机器人当前所在的定位信号为起点，目标地所在的点位信息为终点利用智能地图服务器规划出至少3条导航路径；S204，使用医院内部的摄像网络系统对不同导航路径的人流量进行监控，得出不同路径人流量的大小；S205，结合步骤S205得出不同路径的人流量，通过遗传算法(GA)得到最佳导航路径。
作为本发明再进一步的方案：所述避障系统包括如下子系统：S301，利用智能机器人自带的摄像头实时的获取周围信息，以及检测障碍物类型；S302，根据步骤S301获取的周围信息，通过映射转化为规划算法中需要的整体地图；S303，创建人工势场，得出空间的和势场为引力势场和斥力势场的和即：U(x)＝Ua(x)-Ur(x)
其中其中，Ua(x)是目标产生的引力势场；Ur(x)是各障碍物产生即
Figure BSA0000257812060000031
S304，构建引力势场函数和斥力势场函数：
Figure BSA0000257812060000032
Figure BSA0000257812060000033
其中，ξ标识引力势的相对影响；ηj表示第j个障碍物的斥力势的相对影响；x表示机器人当前位置；G表示目标点位置；d(x，G)表示机器人距离目标的距离；
Figure BSA0000257812060000034
的作用是在机器人距离目标较远时；削弱目标引力势的作用；dj(x)表示机器人距离第j个障碍物的距离；
Figure BSA0000257812060000035
表示第j个障碍物的斥力势作用范围；
S305，利用步骤S303中构造的引力势函数和斥力势函数的梯度计算得到机器人收到的假想引力和斥力：
Figure BSA0000257812060000036
Figure BSA0000257812060000037
；S306，当机器人的运行环境中包含形状复杂或者距离很近的障碍物时，可能出现势场局部极小点，判断是否出现极小值点，判断公式如下：
Figure BSA0000257812060000038
其中，ε是一个很小的正数，其含义是机器人受到的虚拟合力接近0，若虚拟合力满足上述公式则表示出现极小值点；
S307，若不满足步骤S305中的公式则继续执行S308，若满足步骤S305中的公式则出现极小值，首先利用步骤S301的摄像头判断障碍物是否为动态障碍物，若是，则智能机器人线性降速至停止，待局部极小值消失后执行S308；S308，若为静态障碍物，机器人沿着斥力场等势线运动，开始绕行行为，直至离开局部最小值点；S309，继续向目标地点前行，若出现局部极小值点则执行S307；S310，到达目标地点，退出算法。
作为本发明再进一步的方案：所述S4姿态调整系统包括下述子系统：S401，对比机器人的当前定位信息和S202目标定位信息，计算横向偏差和航向角偏差；S402，将步骤S401得到的两个偏差输入到自适应模糊PID控制器，控制器通过模糊自适应PID算法计算输出期望角度；S403，智能机器人的转向执行机构将期望角度执行为实际角度；S404，实时监测转向执行机构的实际角度，并作为自适应模糊PID控制器的反馈，实时校正期望角度，控制智能机器人到达目标地。
与现有技术相比，本发明的有益效果是：本发明解决医院特殊科室(例如传染科，放射科)的人力资源短缺等问题，为解决智能机器人路径规划中最佳路径的选取，以及智能机器人避障过程中的局部最小值问题，结合医院特有的环境以及硬件条件，首先利用智能地图服务器规划多条备选路径，然后利用医院的监控系统，监控备选路径的人流量，通过得到的人流量利用遗传算法得到最佳路径，在遇见局部极限值时，首先智能机器人的监控摄像头识别障碍为动态障碍还是静态障碍，若为动态障碍智能机器人线性减速直至停止，若为静态障碍智能机器人沿着斥力场等势线运动，开始绕行行为直至局部最小值消失。由于医院人流量巨大，机器人所遇见的障碍类型基本都为动态障碍，所以本文运用区分障碍性质，区别对待解决局部极限小值问题。
附图说明
图1为本发明的系统结构示意图；
图2为本发明中定位系统的结构示意图；
图3为本发明中避障系统的结构示意图；
图4为本发明中映射势力场的结构示意图；
图5为本发明中姿态调整系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～5，本发明实施例中，包括信息输入、定位系统、整体路径选择系统、避障系统和姿态调整系统：
S1：定位系统：包括蓝牙定位系统、无线网络系统和电子罗盘；
S2：整体路径选择系统：包括位置获取、目标地获取、路径规划、路径选择和路径确认；
S3：避障系统：包括障碍物检测、地图生成、创建人工势场、构件函数、局部判断、结束算法；
S4：姿态调整系统：包括航向角度计算、期望角度计算、实质角度偏移、期望角度矫正；
定位系统中的蓝牙定位用于确认当前位置，通过无线网络系统对当前位置楼层进行定位，进而通过电子罗盘进行姿态调整，整体路径选择与智能地图服务器信号连接，通过定位系统中获取的位置信息，及外部输入的目标地信息规划至少三条导航路径，对导航路径的人流量进行监控，根据不同的人流量通过遗传算法得出最佳导航路径，直至到达目的地。
定位系统包括如下子系统：S101，利用蓝牙定位系统获取智能机器人位置坐标，从而实现的位置定位；S102，利用不同楼层的无线网络系统获取智能机器人所在的楼层信息，从而实现楼层定位；S103，利用电子罗盘实现进行方向定位，实现智能机器人的方向点位；S201、根据步骤S1获得智能机器人当前所在的位置，所在楼层，以及其自身方向的定位信息；S202，输入目标地的定位信息；S203，以智能机器人当前所在的定位信号为起点，目标地所在的点位信息为终点利用智能地图服务器规划出至少3条导航路径；S204，使用医院内部的摄像网络系统对不同导航路径的人流量进行监控，得出不同路径人流量的大小；S205，结合步骤S205得出不同路径的人流量，通过遗传算法(GA)得到最佳导航路径。
避障系统包括如下子系统：S301，利用智能机器人自带的摄像头实时的获取周围信息，以及检测障碍物类型；S302，根据步骤S301获取的周围信息，通过映射转化为规划算法中需要的整体地图；S303，创建人工势场，得出空间的和势场为引力势场和斥力势场的和即：U(x)＝Ua(x)-Ur(x)
其中其中，Ua(x)是目标产生的引力势场；Ur(x)是各障碍物产生即
Figure BSA0000257812060000061
S304，构建引力势场函数和斥力势场函数：
Figure BSA0000257812060000062
Figure BSA0000257812060000063
其中，ξ标识引力势的相对影响；ηj表示第j个障碍物的斥力势的相对影响；x表示机器人当前位置；G表示目标点位置；d(x，G)表示机器人距离目标的距离；
Figure BSA0000257812060000064
的作用是在机器人距离目标较远时；削弱目标引力势的作用；dj(x)表示机器人距离第j个障碍物的距离；
Figure BSA0000257812060000071
表示第j个障碍物的斥力势作用范围；
S305，利用步骤S303中构造的引力势函数和斥力势函数的梯度计算得到机器人收到的假想引力和斥力：
Figure BSA0000257812060000072
Figure BSA0000257812060000073
；S306，当机器人的运行环境中包含形状复杂或者距离很近的障碍物时，可能出现势场局部极小点，判断是否出现极小值点，判断公式如下：
Figure BSA0000257812060000074
其中，ε是一个很小的正数，其含义是机器人受到的虚拟合力接近0，若虚拟合力满足上述公式则表示出现极小值点；
S307，若不满足步骤S305中的公式则继续执行S308，若满足步骤S305中的公式则出现极小值，首先利用步骤S301的摄像头判断障碍物是否为动态障碍物，若是，则智能机器人线性降速至停止，待局部极小值消失后执行S308；S308，若为静态障碍物，机器人沿着斥力场等势线运动，开始绕行行为，直至离开局部最小值点；S309，继续向目标地点前行，若出现局部极小值点则执行S307；S310，到达目标地点，退出算法。
S4姿态调整系统包括下述子系统：S401，对比机器人的当前定位信息和S202目标定位信息，计算横向偏差和航向角偏差；S402，将步骤S401得到的两个偏差输入到自适应模糊PID控制器，控制器通过模糊自适应PID算法计算输出期望角度；S403，智能机器人的转向执行机构将期望角度执行为实际角度；S404，实时监测转向执行机构的实际角度，并作为自适应模糊PID控制器的反馈，实时校正期望角度，控制智能机器人到达目标地。
本发明的工作原理是：本发明通过定位系统获取目标位置信息及机器人当前楼层、位置信息，然后通过智能地图服务器规划出多条备选路径，利用医院自身监控系统，查看并筛选人流量，通过得到的人流量利用遗传算法得到最佳路径，同时在遇到局部极限值时，通过机器人自身的摄像头对障碍物进行识别，若为动态障碍物，则机器人停止，等待障碍物避让，若为静态障碍物，则沿着斥力场等视线进行运动，同时开始绕行，直至局部最小值小时，大大提高医院机器人的路径选择及运行效率。
以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于改进型人工势场的医院智能机器人路径规划系统，包括信息输入、定位系统、整体路径选择系统、避障系统和姿态调整系统，其特征在于：
S1：定位系统：包括蓝牙定位系统、无线网络系统和电子罗盘；
S2：整体路径选择系统：包括位置获取、目标地获取、路径规划、路径选择和路径确认；
S3：避障系统：包括障碍物检测、地图生成、创建人工势场、构件函数、局部判断、结束算法；
S4：姿态调整系统：包括航向角度计算、期望角度计算、实质角度偏移、期望角度矫正；
所述定位系统中的蓝牙定位用于确认当前位置，通过无线网络系统对当前位置楼层进行定位，进而通过电子罗盘进行姿态调整，所述整体路径选择与智能地图服务器信号连接，通过定位系统中获取的位置信息，及外部输入的目标地信息规划至少三条导航路径，对导航路径的人流量进行监控，根据不同的人流量通过遗传算法得出最佳导航路径，直至到达目的地。
2.根据权利要求1所述的一种基于改进型人工势场的医院智能机器人路径规划系统，其特征在于：所述定位系统包括如下子系统：S101，利用蓝牙定位系统获取智能机器人位置坐标，从而实现的位置定位；S102，利用不同楼层的无线网络系统获取智能机器人所在的楼层信息，从而实现楼层定位；S103，利用电子罗盘实现进行方向定位，实现智能机器人的方向点位。
根据权利要求1所述的一种基于改进型人工势场的医院智能机器人路径规划系统，其特征在于：所述整体路径规划系统包括如下子系统：S201、根据步骤S1获得智能机器人当前所在的位置，所在楼层，以及其自身方向的定位信息；S202，输入目标地的定位信息；S203，以智能机器人当前所在的定位信号为起点，目标地所在的点位信息为终点利用智能地图服务器规划出至少3条导航路径；S204，使用医院内部的摄像网络系统对不同导航路径的人流量进行监控，得出不同路径人流量的大小；S205，结合步骤S205得出不同路径的人流量，通过遗传算法得到最佳导航路径。
3.根据权利要求1所述的一种基于改进型人工势场的医院智能机器人路径规划系统，其特征在于：所述避障系统包括如下子系统：S301，利用智能机器人自带的摄像头实时的获取周围信息，以及检测障碍物类型；S302，根据步骤S301获取的周围信息，通过映射转化为规划算法中需要的整体地图；S303，创建人工势场，得出空间的和势场为引力势场和斥力势场的和；S304，构建引力势场函数和斥力势场函数；S305，利用步骤S303中构造的引力势函数和斥力势函数的梯度计算得到机器人收到的假想引力和斥力；S306，当机器人的运行环境中包含形状复杂或者距离很近的障碍物时，可能出现势场局部极小点，判断是否出现极小值点；S307，若不满足步骤S305，则继续执行S308，若满足步骤S305则出现极小值，首先利用步骤S301的摄像头判断障碍物是否为动态障碍物，若是，则智能机器人线性降速至停止，待局部极小值消失后执行S308；S308，若为静态障碍物，机器人沿着斥力场等势线运动，开始绕行行为，直至离开局部最小值点；S309，继续向目标地点前行，若出现局部极小值点则执行S307；S310，到达目标地点，退出算法。
4.根据权利要求1所述的一种基于改进型人工势场的医院智能机器人路径规划系统，其特征在于：所述S4姿态调整系统包括下述子系统：S401，对比机器人的当前定位信息和S202目标定位信息，计算横向偏差和航向角偏差；S402，将步骤S401得到的两个偏差输入到自适应模糊PID控制器，控制器通过模糊自适应PID算法计算输出期望角度；S403，智能机器人的转向执行机构将期望角度执行为实际角度；S404，实时监测转向执行机构的实际角度，并作为自适应模糊PID控制器的反馈，实时校正期望角度，控制智能机器人到达目标地。
CN202111352422.1A 2021-11-16 2021-11-16 一种基于改进型人工势场的医院智能机器人路径规划系统 Pending CN114115253A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111352422.1A CN114115253A (zh) 2021-11-16 2021-11-16 一种基于改进型人工势场的医院智能机器人路径规划系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111352422.1A CN114115253A (zh) 2021-11-16 2021-11-16 一种基于改进型人工势场的医院智能机器人路径规划系统

Publications (1)

Publication Number Publication Date
CN114115253A true CN114115253A (zh) 2022-03-01

Family

ID=80395624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111352422.1A Pending CN114115253A (zh) 2021-11-16 2021-11-16 一种基于改进型人工势场的医院智能机器人路径规划系统

Country Status (1)

Country Link
CN (1) CN114115253A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115494877A (zh) * 2022-10-21 2022-12-20 哈尔滨工业大学 基于人工势场法的卫星模拟器编队避障路径规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898866A (zh) * 2018-07-04 2018-11-27 深圳万智联合科技有限公司 一种有效的智能车辆控制系统
CN111882171A (zh) * 2020-07-06 2020-11-03 湖北合纵科创能源科技有限公司 一种基于需求预测的景区观光车智能调度系统及方法
CN112327836A (zh) * 2020-10-27 2021-02-05 南宁市第一人民医院 基于5g技术的轮椅自动驾驶控制方法及自动驾驶轮椅

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898866A (zh) * 2018-07-04 2018-11-27 深圳万智联合科技有限公司 一种有效的智能车辆控制系统
CN111882171A (zh) * 2020-07-06 2020-11-03 湖北合纵科创能源科技有限公司 一种基于需求预测的景区观光车智能调度系统及方法
CN112327836A (zh) * 2020-10-27 2021-02-05 南宁市第一人民医院 基于5g技术的轮椅自动驾驶控制方法及自动驾驶轮椅

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115494877A (zh) * 2022-10-21 2022-12-20 哈尔滨工业大学 基于人工势场法的卫星模拟器编队避障路径规划方法

Similar Documents

Publication Publication Date Title
Wang et al. Application of Dijkstra algorithm in robot path-planning
CN112859859B (zh) 一种基于三维障碍物体素对象映射的动态栅格地图更新方法
CN111240319B (zh) 室外多机器人协同作业系统及其方法
CN105425795B (zh) 规划最优跟随路径的方法及装置
CN105717929B (zh) 一种多分辨率障碍物环境下移动机器人混合路径规划方法
CN108762264A (zh) 基于人工势场与滚动窗口的机器人的动态避障方法
CN109945873A (zh) 一种用于室内移动机器人运动控制的混合路径规划方法
Lei et al. Algorithm for mobile crane walking path planning in congested industrial plants
CN105865449A (zh) 基于激光和视觉的移动机器人的混合定位方法
CN106873599A (zh) 基于蚁群算法和极坐标变换的无人自行车路径规划方法
CN111949032A (zh) 一种基于强化学习的3d避障导航系统及方法
CN106054876A (zh) 一种针对空间多任务的避障路径最优逐次操作规划方法
WO2018222945A1 (en) System and method for mission planning and flight automation for unmanned aircraft
Garrell et al. Local optimization of cooperative robot movements for guiding and regrouping people in a guiding mission
CN110045738A (zh) 基于蚁群算法和Maklink图的机器人路径规划方法
CN114115253A (zh) 一种基于改进型人工势场的医院智能机器人路径规划系统
CN113442140A (zh) 一种基于Bezier寻优的笛卡尔空间避障规划方法
Choi et al. Online 3D coverage path planning using surface vector
CN108227718B (zh) 一种自适应切换的自动搬运小车路径规划方法
CN113701742A (zh) 一种基于云端与边端融合计算的移动机器人slam方法
Murtra et al. Autonomous navigation for urban service mobile robots
CN110442138A (zh) 一种机器人集群的控制及避障方法
CN116477505A (zh) 一种基于深度学习的塔机实时路径规划系统及方法
Maravall et al. Combination of model-based and reactive methods in autonomous navigation
Kondratenko et al. Safe Navigation of an Autonomous Robot in Dynamic and Unknown Environments

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