CN114200939A - 一种机器人防碰撞路径规划方法 - Google Patents
一种机器人防碰撞路径规划方法 Download PDFInfo
- Publication number
- CN114200939A CN114200939A CN202111509871.2A CN202111509871A CN114200939A CN 114200939 A CN114200939 A CN 114200939A CN 202111509871 A CN202111509871 A CN 202111509871A CN 114200939 A CN114200939 A CN 114200939A
- Authority
- CN
- China
- Prior art keywords
- path
- robot
- segments
- line segments
- planning
- 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 26
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 abstract description 6
- 238000012937 correction Methods 0.000 description 13
- 238000005457 optimization Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G05D1/021—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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- 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)
- 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防碰撞路径规划方法,该方法为:获取第一坐标点与第二坐标点之间生成的原始路径,所述原始路径至少包括两条不共线的线段;将所述原始路径按线段分割;将分割所得的线段分别对中,并在相邻线段的连接处分别构造贝塞尔曲线;将线段及线段间构造的贝塞尔曲线形成的连续性线作为规划路径。本发明的连续光滑中对齐的机器人路径规划方法具有极大的实际使用价值,它可以用于机器人的在复杂场景中导航,行驶稳定,不会擦碰到障碍物,特别是在狭窄的过道,通过狭窄的门时,具有很大的优越性。
Description
技术领域
本发明属于机器人定位技术领域,特别涉及一种机器人防碰撞路径规划方法。
背景技术
随着人工智能的发展,移动机器人被广泛应用于各种领域。路径规划是移动机器人在环境空间中,根据某一优化目标规划出一条最优无碰撞路径,指导机器人从初始点出发到达目标点。国内外学者对路径规划做了诸多研究,提出各种路径规划算法,常用传统路径规划算法有A*,Dijkstra,RRT*等。在实际的机器人应用环境,发明人发现机器人在基于传统路径规划所得到的路径进行运动时,会发生定位过程中的位置飘逸问题。
发明内容
本发明针对上述现有技术的存在的问题,提供一种机器人防碰撞路径规划方法。本发明旨在解决机器人在实际应用场景中的通过性差的难题。当移动机器人在狭窄的过道里行驶时,或者在通过狭小的门时,经常发生擦碰现象,引起机器人漂移,打滑,导致定位误差增大,并进而导致规划失败。本发明在保证全局路径最优的基础上,使得规划出来的路径是连续光滑中对齐的,即路径在位于路的中央,并且是光滑的,从而大大提高机器人的通过性和行驶稳定性。
本发明通过以下技术手段实现解决上述技术问题的:
一种机器人防碰撞路径规划方法,该方法为:
获取第一坐标点与第二坐标点之间生成的原始路径,所述原始路径至少包括两条不共线的线段;
将所述原始路径按线段分割;
将分割所得的线段分别对中,并在相邻线段的连接处分别构造贝塞尔曲线;
将线段及线段间构造的贝塞尔曲线形成的连续性线作为规划路径。
进一步的,所述路径基于带有障碍物的已知地图生成。
进一步的,将所述原始路径按线段分割时,提取原始路径上相邻线段的连接点作为关键路径坐标点,以同一线段两端的关键路径坐标点确定每一条线段分割时的状态函数。
进一步的,所述状态函数在同一坐标系中建立。
本发明的有益效果为:本发明的连续光滑中对齐的机器人路径规划方法具有极大的实际使用价值,它可以用于机器人的在复杂场景中导航,行驶稳定,不会擦碰到障碍物,特别是在狭窄的过道,通过狭窄的门时,具有很大的优越性。
附图说明
图1为未采用本发明方法的路径规划仿真结果;
图2为采用本发明方法的路径规划仿真结果。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
实施例
通过研究机器人路径规划模型,发明人发现,传统的路径规划算法所得的路径存在相同的问题:基于避障的路径规划,以最短路径为目标,规划出来的路径不是在道路的中间,而是偏向一侧,如图1,是一典型的路径规划算法A*的结果,非常明显地看出路径是靠近墙边的。这使得机器人在行走时容易碰到障碍物,特别是机器人在拐角处容易擦碰到障碍物。导致机器人位置发生漂移,并进而导致机器人定位不准确。机器人的本体尺寸越大,擦碰到障碍物的机会就越大。
因此为了解决该问题,本发明对传统的路径规划算法进行优化,即优先获取规划的路径,再对该路径进行进一步的优化,主要思路是先对路径进行对中,再对路径进行光滑处理。
具体的如图1和2所示,图1对应的是未采用本发明方法的路径规划结果,图2对应的是采用本发明方法的路径规划结果。在已知的地图上设定起点和终点,分别对应已知的第一坐标点与第二坐标点,并计算生成规划路径,该生成的规划路径可以是如图1所示采用路径规划算法A*的结果。
当规划路径生成后,提取关键路径坐标点,基于相邻坐标点生成路段函数,所示关键路径坐标点为规划路径中机器人行进方向发生改变的转折点,所生成的路段函数有相邻的关键路径坐标点的坐标信息在坐标系中建立,例如可以是以第一坐标点作为原点、经纬方向为坐标轴建立的坐标系,或者现有的常用的世界坐标系等均可。
例如,从第一坐标点开始,规划路径上的关键路径坐标点依次为(0,0)、(0,-3)、(-3,-3)、(-3,3),则对应的路段函数依次为x=0、y=-3、x=-3。
分别对组成规划路径的每个路段函数进行校正量的计算,具体为:
在地图的二维坐标系上,取路段函数的上一或下一关键路径坐标点,计算得到辅助点,例如对于路段函数x=0,取关键路径坐标点A(-3,-3)计算得到辅助点B(0,-3),使得点A与点B连线为路段函数的法线方向,并标记为第一校正方向,为第二校正方向,规定路段函数的偏移步长,例如为0.005,该偏移步长可以根据机器人的路径规划的精度进行同步设定,通过向第一校正方向累加偏移,直至路段函数显示的直线上出现交叉点或路段函数显示的直线与障碍物边缘重合,记录该偏移的累加次数,并计算总的第一偏移量,例如为2,同样,使路段函数向第二校正方向累加偏移,已获得第二偏移量,例如为4,则证明该路段函数所对应的路径是偏向第一校正方向规划的,因此需要对其进行对中优化。即:首先比较第二偏移量与第一偏移量的大小,如果相等则停止该路段函数的优化,如果不相等,则优化方向设定为偏移量大的校正方向,本实施例中则对应的优化方向为第二校正方向,而校正量则对应为第一偏移量与第二偏移量的差的一半,本实施例中对应为1,即相应的将路段函数x=0及其端点沿第二校正方向校正偏移1,则对中优化后所得的路段函数为x=-1,对应的端点为(-1,0)、(-1,-3)。
在对组成规划路径的所有的路段函数均进行对中校正后,对相邻线段的交接处进一步进行光滑处理,主要通过构造贝塞尔曲线完成。
延伸该得到的路段函数上对应的路径线段by delta,得到另两个延伸点,对相邻两个路径线段,以原端点和延伸点作为控制点,构造一贝塞尔曲线,将线段的原两端点构造成目标点加入到机器人的waypoint中,在构造的贝塞尔曲线上取N个点,构造成目标点,加入waypoint中即可。
在实际应用场景中,理想的路径规划是从出发点到目标点的若干个路径中选择一条最短的路径,而在所选择的最短路径中,路径是中对齐的,即路径在位于路的中央,并且是连续光滑的。这样,路径规划既满足了最短路径的要求,又连续光滑中对齐,满足了机器人的行驶安全。
本发明的路径规划算法正式满足了这两个属性,它既具备了全局最短,又连续光滑中对齐,具有极大的实际应用价值。本发明的光滑连续中对齐的机器人路径规划算法提供统一的C++接口函数,在ROS中的机器人全局路径规划中直接调用,非常简单方便。在配置文件里设置参数delta和N值,这两个参数将影响贝塞尔曲线的光滑程度。
要说明的是,在本文中,如若存在第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种机器人防碰撞路径规划方法,其特征在于,该方法为:
获取第一坐标点与第二坐标点之间生成的原始路径,所述原始路径至少包括两条不共线的线段;
将所述原始路径按线段分割;
将分割所得的线段分别对中,并在相邻线段的连接处分别构造贝塞尔曲线;
将线段及线段间构造的贝塞尔曲线形成的连续性线作为规划路径。
2.根据权利要求1所述的一种机器人防碰撞路径规划方法,其特征在于,所述路径基于带有障碍物的已知地图生成。
3.根据权利要求1所述的一种机器人防碰撞路径规划方法,其特征在于,将所述原始路径按线段分割时,提取原始路径上相邻线段的连接点作为关键路径坐标点,以同一线段两端的关键路径坐标点确定每一条线段分割时的状态函数。
4.根据权利要求1所述的一种机器人防碰撞路径规划方法,其特征在于,所述状态函数在同一坐标系中建立。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509871.2A CN114200939B (zh) | 2021-12-10 | 2021-12-10 | 一种机器人防碰撞路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509871.2A CN114200939B (zh) | 2021-12-10 | 2021-12-10 | 一种机器人防碰撞路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114200939A true CN114200939A (zh) | 2022-03-18 |
CN114200939B CN114200939B (zh) | 2024-02-27 |
Family
ID=80652470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111509871.2A Active CN114200939B (zh) | 2021-12-10 | 2021-12-10 | 一种机器人防碰撞路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114200939B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120221237A1 (en) * | 2011-02-25 | 2012-08-30 | Dongguk University Industry-Academic Cooperation Foundation | Apparatus and method of cell-based path planning for mobile body |
CN106971144A (zh) * | 2017-02-28 | 2017-07-21 | 北京航空航天大学 | 一种应用Visual Graph算法提取道路中线的方法 |
US20170357270A1 (en) * | 2016-06-09 | 2017-12-14 | X Development Llc | Sensor Trajectory Planning for a Vehicle |
US20180281191A1 (en) * | 2017-03-30 | 2018-10-04 | Brain Corporation | Systems and methods for robotic path planning |
CN109557912A (zh) * | 2018-10-11 | 2019-04-02 | 同济大学 | 一种自动驾驶特种作业车辆的决策规划方法 |
CN110109467A (zh) * | 2019-05-31 | 2019-08-09 | 北京极智嘉科技有限公司 | 机器人的转弯路径控制方法、装置、存储介质及机器人 |
CN110196592A (zh) * | 2019-04-26 | 2019-09-03 | 纵目科技(上海)股份有限公司 | 一种轨迹线的更新方法、系统、终端和存储介质 |
US20190347493A1 (en) * | 2017-03-31 | 2019-11-14 | Tecent Technology (Shenzhen) Comphany Limited | Method and apparatus for determining lane centerline |
CN110948488A (zh) * | 2019-11-26 | 2020-04-03 | 江苏集萃智能制造技术研究所有限公司 | 一种基于时间最优的机器人自适应轨迹规划算法 |
CN111761581A (zh) * | 2020-07-07 | 2020-10-13 | 上海木木聚枞机器人科技有限公司 | 路径规划方法及装置、狭窄空间行进方法及装置 |
US10829121B1 (en) * | 2018-08-02 | 2020-11-10 | GM Global Technology Operations LLC | Controlling an autonomous vehicle based upon computed lane boundaries |
CN112033426A (zh) * | 2020-08-05 | 2020-12-04 | 东软睿驰汽车技术(沈阳)有限公司 | 行驶路径规划方法、装置及电子设备 |
CN112683278A (zh) * | 2021-01-08 | 2021-04-20 | 东南大学 | 一种基于改进a*算法和贝塞尔曲线的全局路径规划方法 |
CN112697161A (zh) * | 2020-12-15 | 2021-04-23 | 上海电机学院 | 一种agv路径规划方法、存储介质和终端 |
CN112947486A (zh) * | 2021-03-31 | 2021-06-11 | 珠海市一微半导体有限公司 | 移动机器人的路径规划方法、芯片及移动机器人 |
CN113031592A (zh) * | 2021-02-25 | 2021-06-25 | 杭州国辰机器人科技有限公司 | 一种基于五阶贝塞尔曲线的机器人路径平滑方法及系统 |
US20210333302A1 (en) * | 2020-12-21 | 2021-10-28 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing trajectory, roadside device and cloud control platform |
-
2021
- 2021-12-10 CN CN202111509871.2A patent/CN114200939B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120221237A1 (en) * | 2011-02-25 | 2012-08-30 | Dongguk University Industry-Academic Cooperation Foundation | Apparatus and method of cell-based path planning for mobile body |
US20170357270A1 (en) * | 2016-06-09 | 2017-12-14 | X Development Llc | Sensor Trajectory Planning for a Vehicle |
CN106971144A (zh) * | 2017-02-28 | 2017-07-21 | 北京航空航天大学 | 一种应用Visual Graph算法提取道路中线的方法 |
US20180281191A1 (en) * | 2017-03-30 | 2018-10-04 | Brain Corporation | Systems and methods for robotic path planning |
US20190347493A1 (en) * | 2017-03-31 | 2019-11-14 | Tecent Technology (Shenzhen) Comphany Limited | Method and apparatus for determining lane centerline |
US10829121B1 (en) * | 2018-08-02 | 2020-11-10 | GM Global Technology Operations LLC | Controlling an autonomous vehicle based upon computed lane boundaries |
CN109557912A (zh) * | 2018-10-11 | 2019-04-02 | 同济大学 | 一种自动驾驶特种作业车辆的决策规划方法 |
CN110196592A (zh) * | 2019-04-26 | 2019-09-03 | 纵目科技(上海)股份有限公司 | 一种轨迹线的更新方法、系统、终端和存储介质 |
CN110109467A (zh) * | 2019-05-31 | 2019-08-09 | 北京极智嘉科技有限公司 | 机器人的转弯路径控制方法、装置、存储介质及机器人 |
CN110948488A (zh) * | 2019-11-26 | 2020-04-03 | 江苏集萃智能制造技术研究所有限公司 | 一种基于时间最优的机器人自适应轨迹规划算法 |
CN111761581A (zh) * | 2020-07-07 | 2020-10-13 | 上海木木聚枞机器人科技有限公司 | 路径规划方法及装置、狭窄空间行进方法及装置 |
CN112033426A (zh) * | 2020-08-05 | 2020-12-04 | 东软睿驰汽车技术(沈阳)有限公司 | 行驶路径规划方法、装置及电子设备 |
CN112697161A (zh) * | 2020-12-15 | 2021-04-23 | 上海电机学院 | 一种agv路径规划方法、存储介质和终端 |
US20210333302A1 (en) * | 2020-12-21 | 2021-10-28 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing trajectory, roadside device and cloud control platform |
CN112683278A (zh) * | 2021-01-08 | 2021-04-20 | 东南大学 | 一种基于改进a*算法和贝塞尔曲线的全局路径规划方法 |
CN113031592A (zh) * | 2021-02-25 | 2021-06-25 | 杭州国辰机器人科技有限公司 | 一种基于五阶贝塞尔曲线的机器人路径平滑方法及系统 |
CN112947486A (zh) * | 2021-03-31 | 2021-06-11 | 珠海市一微半导体有限公司 | 移动机器人的路径规划方法、芯片及移动机器人 |
Non-Patent Citations (6)
Title |
---|
何磊;曹虎;陈雷;: "基于改进A*算法的狭窄空间装配路径规划", 航空制造技术, no. 12 * |
刘冲;周驰;: "基于RRT*的母线布线路径规划算法", 计算机测量与控制, no. 05 * |
吴海晨;田中俊;: "一种机器人行驶路径规划优化算法", 枣庄学院学报, no. 05 * |
张豫南;闫永宝;: "基于平滑A*算法的6×6轮式车最优路径规划", 制造业自动化, no. 13 * |
杨秀清;梅涛;骆敏舟;王海莲;: "一种平面并联机构的轨迹规划与仿真验证", 中国机械工程, no. 15 * |
石征锦;宿一凡;卜春光;范晓亮;: "基于改进A*的移动机器人路径规划算法", 单片机与嵌入式系统应用, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN114200939B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11460311B2 (en) | Path planning method, system and device for autonomous driving | |
CN110487279B (zh) | 一种基于改进a*算法的路径规划方法 | |
CN106647769B (zh) | 基于a*提取引导点的agv路径跟踪与避障协调方法 | |
Lan et al. | Continuous curvature path planning for semi-autonomous vehicle maneuvers using RRT | |
CN113204236B (zh) | 一种智能体路径跟踪控制方法 | |
Héry et al. | Map-based curvilinear coordinates for autonomous vehicles | |
JP5868420B2 (ja) | 自律走行システム | |
CN112197778A (zh) | 基于改进a*算法的轮式机场巡界机器人路径规划方法 | |
CN112985445A (zh) | 基于高精地图的车道级精度实时性运动规划方法 | |
CN114115298B (zh) | 一种无人车路径平滑方法及系统 | |
CN109634284A (zh) | 基于嵌套三分算法的机器人执行端避障的路径规划方法 | |
CN108981702A (zh) | 一种多位置联合粒子滤波的车辆定位方法 | |
CN112269965A (zh) | 一种非完整约束条件下的连续曲率路径优化方法 | |
Asghar et al. | Vehicle localization based on visual lane marking and topological map matching | |
WO2022089547A1 (zh) | 机器人定位充电桩的方法及系统 | |
CN107421545B (zh) | 一种机器人的位置偏差检测方法、装置及机器人 | |
JPH07129238A (ja) | 障害物回避経路生成方式 | |
CN109974739A (zh) | 基于高精度地图的全局导航系统及导航信息生成方法 | |
JP2023546510A (ja) | Uターン走路線を自動的にマーキングするための方法及び装置、コンピュータ可読記憶媒体、及び地図 | |
CN110954100A (zh) | 一种基于激光与惯导融合的足式机器人本体状态估计方法 | |
CN109523781A (zh) | 一种基于卫星定位的路口预测方法 | |
CN111857142A (zh) | 一种基于强化学习的路径规划避障辅助方法 | |
TWI448665B (zh) | 物體定位方法、位置計算系統、地圖系統以及定位系統 | |
CN104731997A (zh) | 一种道路路线设计中卵型曲线的计算机辅助设计方法 | |
CN114200939A (zh) | 一种机器人防碰撞路径规划方法 |
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 |