CN115373388A - 一种舰载机器人的路径规划系统及方法 - Google Patents

一种舰载机器人的路径规划系统及方法 Download PDF

Info

Publication number
CN115373388A
CN115373388A CN202210958464.8A CN202210958464A CN115373388A CN 115373388 A CN115373388 A CN 115373388A CN 202210958464 A CN202210958464 A CN 202210958464A CN 115373388 A CN115373388 A CN 115373388A
Authority
CN
China
Prior art keywords
robot
path
information
point
module
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
CN202210958464.8A
Other languages
English (en)
Inventor
吴玉祥
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.)
Shanghai Donggu Intelligent Technology Co ltd
Original Assignee
Shanghai Donggu Intelligent 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 Shanghai Donggu Intelligent Technology Co ltd filed Critical Shanghai Donggu Intelligent Technology Co ltd
Priority to CN202210958464.8A priority Critical patent/CN115373388A/zh
Publication of CN115373388A publication Critical patent/CN115373388A/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
    • G05D1/0238—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
    • G05D1/0231—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
    • G05D1/0257—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)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Optics & Photonics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明的一种舰载机器人的路径规划系统及方法，属于智能机器人技术领域。包括环境感知模块，环境感知模块获取机器人相对于自身周围环境的信息并发出；决策模块，决策模块接收环境感知模块发出的信息，根据信息生成机器人下一步行动的动作决策指令并发出；控制模块，控制模块接收决策模块发出的动作决策指令并转化为响应的电气控制参数来控制机器人移动。针对设定好巡检路线，能有效提升巡检速度，和避免机器人陷入局部最优导致卡死的情况；基于Frenet坐标系，将全局路径转换到Frenet坐标下，根据横向偏离距离，通过损失函数，能够有效避免机器人偏离设定的路线，提升机器人巡检效率。

Description

一种舰载机器人的路径规划系统及方法
技术领域
本发明属于智能机器人技术领域，具体来说是一种舰载机器人的路径规划系统及方法。
背景技术
随着智能机器人行业的发展，自主行动的机器人在巡检等方面能够有效替代人工作业，越来越多的领域正在使用这一技术提高生产作业效率，在舰船领域，常见的巡检机器人是轮腿式的，但这种机构的巡检机器人对摇晃的抗干扰性不强，不适合在大多海况下工作，而永磁式履带式机器人能够很好的应对这一情况，为了这类机器人能够高效的作业，巡检路径规划系统十分重要，常见的局部路径规划方法有DWA(dynamic window approach，动态窗口法)，TEB(Time Elastic Band，时间弹性带法)等，但是这类算法容易陷入局部最优，容易偏离预先设定的路径，在设定好完整的巡检路线时，不能高效的完成巡检任务。
发明内容
1.发明要解决的技术问题
本发明的目的在于解决现有的机器人路径自动规划容易陷入局部最优，容易偏离预先设定的路径，在设定好完整的巡检路线时，不能高效的完成巡检任务的问题。
2.技术方案
为达到上述目的，本发明提供的技术方案为：
本发明的一种舰载机器人的路径规划系统，包括
环境感知模块，所述环境感知模块获取机器人相对于自身周围环境的信息并发出；
决策模块，所述决策模块接收环境感知模块发出的信息，根据信息生成机器人下一步行动的动作决策指令并发出；
控制模块，所述控制模块接收决策模块发出的动作决策指令并转化为响应的电气控制参数来控制机器人移动。
优选的，所述环境感知模块包括多线激光雷达、IMU定位单元、阵面激光雷达和相机；所述多线激光雷达用于获取机器人周围环境的雷达点云数据，包括位置和角度，并传输给所述决策模块；所述IMU定位模块用于获取机器人的加速度信息和航向角信息，并传输给决策模块；所述阵面激光雷达用于获取机器人的正前方障碍物点云，并传输给决策模块；所述相机用于获取舰船上的仪器仪表参数以及其他舰船设备的工作情况，并传输给决策模块。
优选的，所述决策模块包括局部路径规划单元和全局路径规矩单元；
所述全局路径规划单元用于人为设定机器人在舰船内巡检的路线的路径点，是一组坐标点集；所述路径点通过遥控方式控制机器人行走一遍来示教或通过软件形式来设定路径，生成路径后传输给所述局部路径规划单元；
所述局部路径规划单元接受全局路径点以及环境感知模块的传感器信息；通过局部路径规划算法生成五次多项式抽样曲线，通过局部路径规划算法生成多条可行路径，并根据机器人和障碍物点距离，以及机器人偏离全局路径的程度，以损失函数的形式，来对路径打分，选取最佳局部路径并将路径参数发送给控制模块。
优选的，所述控制模块根据最佳局部路径的参数信息生成机器人前进速度、转向速度、以及转向参数，并控制机器人电机转动。
一种舰载机器人的路径规划方法，所述方法采用上述所述的系统实现，所述方法具体为：
步骤S100、机器人通过环境感知模块中传感器获取地图信息，包括机器人的定位信息，以及周围障碍物的信息；
步骤S200、机器人通过全局路径规划模块获取全局路径点信息；
步骤S300、根据全局路径点信息，基于Frenet坐标系生成五次多项式样条曲线，将全局路径点坐标转换到Frenet坐标系下的坐标；
步骤S400、根据Frenet坐标下的全局路径点以及机器人周围障碍物信息生成最优局部路径，并转换回机器人地图坐标系；
步骤S500、根据最优局部路径信息，生成目标点坐标序列和机器人前向速度序列，转向速度序列，将参数序列发送控制模块；
步骤S600、根据参数序列，控制机器人行走。
优选的，所述步骤S100具体为地图信息是通过激光雷达建图算法生成的栅格地图，其中黑色代表占据，白色代表可行区域。
优选的，所述步骤S200中的全局路径点信息是在栅格地图中的笛卡尔坐标系中一组点集的坐标，其中障碍物信息是在栅格地图上的黑色占据像素组合，为静态的障碍物或动态的障碍物，动态障碍物的变换反映在栅格的地图的更新。
优选的，所述步骤S300具体为根据设定好的全局路径从笛卡尔坐标系转换到Frenet坐标系，将(x,y,t)转换到(s,l,t)下，其中x,y,t表示笛卡尔坐标下的坐标和时间，s,l,t表示机器人沿Frenet坐标下全局路径曲线的横向距离，纵向距离和时间，将机器人的轨迹点投影到全局路径参考线上得到参考点
Figure BDA0003789007920000031
使用参考点的切向量
Figure BDA0003789007920000032
和法向量
Figure BDA0003789007920000033
建立坐标系。
优选的，所述步骤S400具体为根据障碍物信息和路径信息，由损失函数评分，从备选路径中剔除路径点经过障碍物的备选路径，获得最优局部路径点；
横向轨迹的损失函数为Cl＝ωll2+ωtT，式中，ωll2表示机器人的局部路径偏离预先设定的全局路径的程度，ωtT是机器人行驶效率的评价指标；
纵向轨迹的损失函数为
Figure BDA0003789007920000041
式中，
Figure BDA0003789007920000042
表示当前纵向速度和期望速度的差值；
总的损失函数为横向损失函数与纵向损失函数加权平均，即：Ctotal＝klCl+ksCs，其中kl为横向损失函数的加权数，ks为纵向损失函数的加权数，根据总的损失函数计算出备选路径集合中每条备选路径的得分，通过计算障碍物点与路径点的距离来判断路径点是否在碰撞范围内，从而将路径点经过障碍物的备选路径剔除，然后选出剔除碰撞路径后中得分最高的局部路径为最优局部路径。
优选的，所述步骤S500具体为根据最佳局部路径，反推出机器人在最佳局部路径中各个点位置的前向速度Vx和转向速度ωz，以及局部路径点在全局笛卡尔坐标系的坐标(x,y)。
3.有益效果
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
本发明的一种舰载机器人的路径规划系统及方法，包括环境感知模块，环境感知模块获取机器人相对于自身周围环境的信息并发出；决策模块，决策模块接收环境感知模块发出的信息，根据信息生成机器人下一步行动的动作决策指令并发出；控制模块，控制模块接收决策模块发出的动作决策指令并转化为响应的电气控制参数来控制机器人移动。针对设定好巡检路线，能有效提升巡检速度，和避免机器人陷入局部最优导致卡死的情况；基于Frenet坐标系，将全局路径转换到Frenet坐标下，根据横向偏离距离，通过损失函数，能够有效避免机器人偏离设定的路线，提升机器人巡检效率。
附图说明
图1为实施例2的栅格地图示意图；
图2为本发明的Frenet坐标系示意图；
图3为实施例2生成的备选局部路径序列示意图；
图4为本发明的方法流程示意图；
图5为实施例2的局部规划系统避障效果示意图；
图6为实施例2的障碍物点云投影到栅格的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。
此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例1
本实施例的一种舰载机器人的路径规划系统，包括
环境感知模块，所述环境感知模块获取机器人相对于自身周围环境的信息并发出；
决策模块，所述决策模块接收环境感知模块发出的信息，根据信息生成机器人下一步行动的动作决策指令并发出；
控制模块，所述控制模块接收决策模块发出的动作决策指令并转化为响应的电气控制参数来控制机器人移动。
所述环境感知模块包括多线激光雷达、IMU定位单元、阵面激光雷达和相机；所述多线激光雷达用于获取机器人周围环境的雷达点云数据，包括位置和角度，并传输给所述决策模块；所述IMU定位模块用于获取机器人的加速度信息和航向角信息，并传输给决策模块；所述阵面激光雷达用于获取机器人的正前方障碍物点云，并传输给决策模块；所述相机用于获取舰船上的仪器仪表参数以及其他舰船设备的工作情况，并传输给决策模块。
所述决策模块包括局部路径规划单元和全局路径规矩单元；
所述全局路径规划单元用于人为设定机器人在舰船内巡检的路线的路径点，是一组坐标点集；所述路径点通过遥控方式控制机器人行走一遍来示教或通过软件形式来设定路径，生成路径后传输给所述局部路径规划单元；
所述局部路径规划单元接受全局路径点以及环境感知模块的传感器信息；通过局部路径规划算法生成五次多项式抽样曲线，通过局部路径规划算法生成多条可行路径，并根据机器人和障碍物点距离，以及机器人偏离全局路径的程度，以损失函数的形式，来对路径打分，选取最佳局部路径并将路径参数发送给控制模块。
所述控制模块根据最佳局部路径的参数信息生成机器人前进速度、转向速度、以及转向参数，并控制机器人电机转动。
实施例2
一种舰载机器人的路径规划方法，所述方法实施例1所述的系统实现，所述方法具体为：
步骤S100、机器人通过环境感知模块中传感器获取地图信息，包括机器人的定位信息，以及周围障碍物的信息；
步骤S200、机器人通过全局路径规划模块获取全局路径点信息；
步骤S300、根据全局路径点信息，基于Frenet坐标系生成五次多项式样条曲线，将全局路径点坐标转换到Frenet坐标系下的坐标；
步骤S400、根据Frenet坐标下的全局路径点以及机器人周围障碍物信息生成最优局部路径，并转换回机器人地图坐标系；
步骤S500、根据最优局部路径信息，生成目标点坐标序列和机器人前向速度序列，转向速度序列，将参数序列发送控制模块；
步骤S600、根据参数序列，控制机器人行走。
所述步骤S100具体为：地图信息是通过激光雷达建图算法生成的栅格地图，栅格地图可以看成周围环境如墙面，管道以及其他障碍物等投影到地面的二维像素地图，黑色代表占据，白色代表可行区域，如图1所示；全局路径信息是在栅格地图中的笛卡尔坐标系中一组点集的坐标；障碍物信息是在栅格地图上的黑色占据像素组合，可以是静态的障碍物，也可以是动态的障碍物，动态障碍物的变换反映在栅格的地图的更新；
所述步骤S200中的全局路径点信息是在栅格地图中的笛卡尔坐标系中一组点集的坐标，其中障碍物信息是在栅格地图上的黑色占据像素组合，为静态的障碍物或动态的障碍物，动态障碍物的变换反映在栅格的地图的更新。
所述步骤S300具体为根据设定好的全局路径从笛卡尔坐标系转换到Frenet坐标系，将(x,y,t)转换到(s,l,t)下，其中x,y,t表示笛卡尔坐标下的坐标和时间，s,l,t表示机器人沿Frenet坐标下全局路径曲线的横向距离，纵向距离和时间，将机器人的轨迹点投影到全局路径参考线上得到参考点
Figure BDA0003789007920000081
使用参考点的切向量
Figure BDA0003789007920000082
和法向量
Figure BDA0003789007920000083
建立坐标系。
轨迹点
Figure BDA0003789007920000084
可以在参考线的纵向方向s和横向方向l描述为
Figure BDA0003789007920000085
s即为轨迹点对应的参考点的弧长坐标，l为轨迹点相对参考线的横向偏移。设a为任意一个向量，记
Figure BDA0003789007920000086
根据平面几何关系，可以求出笛卡尔坐标系向Frenet坐标系的转换关系：
Figure BDA0003789007920000087
如果[(y-yr)cosθr-(x-xr)sinθr]＞0，l为正，反之为负。(x,y)为轨迹点笛卡尔坐标，(xr,yr)为参考点的笛卡尔坐标，θr为参考线的航向角，
Figure BDA0003789007920000091
Δθ＝θx-θr，式中vx为当前机器人前向速度，θx为当前轨迹点轨迹航向角。
Figure BDA0003789007920000092
式中ax为当前机器人前向加速度、
Figure BDA0003789007920000093
kx、kr为轨迹点与参考点的曲率。
Figure BDA0003789007920000094
式中k′r参考线曲率对弧长s的微分。
Figure BDA0003789007920000095
Figure BDA0003789007920000096
同理，有Frenet坐标系向笛卡尔坐标系转换公式，x＝xr-lsinΔθr，y＝yr+lcosΔθr，
Figure BDA0003789007920000097
为了简化计算，ax、kx、θx可以通过如下公式近似计算：
Figure BDA0003789007920000098
Figure BDA0003789007920000099
式中k为轨迹点的采样时刻，Δt为相邻采样时刻的时间间隔，如图2所示，因此机器人按照设定路线巡检问题，可以分割为横向和纵向上的规划，通过五次多项式函数分别对横向和纵向上的移动进行规划，生成一组备选路径集合，如图3所示，其中黑线为备选路径；
所述步骤S400具体为根据障碍物信息和路径信息，由损失函数评分，从备选路径中剔除路径点经过障碍物的备选路径，获得最优局部路径点；
横向轨迹的损失函数为Cl＝ωll2+ωtT，式中，ωll2表示机器人的局部路径偏离预先设定的全局路径的程度，机器人不能偏离全局路径太大。ωtT是机器人行驶效率的评价指标，过长的转向时间不仅影响行驶效率；纵向轨迹的损失函数为
Figure BDA00037890079200000910
式中，
Figure BDA00037890079200000911
表示当前纵向速度和期望速度的差值，能让机器人的纵向速度尽可能接近设定的速度。总的损失函数为横向损失函数与纵向损失函数加权平均，即：Ctotal＝klCl+ksCs，其中kl为横向损失函数的加权数，ks为纵向损失函数的加权数，根据总的损失函数计算出备选路径集合中每条备选路径的得分，通过计算障碍物点与路径点的距离来判断路径点是否在碰撞范围内，从而将路径点经过障碍物的备选路径剔除，然后选出剔除碰撞路径后中得分最高的局部路径。如图5所示。
所述步骤S500具体为根据最佳局部路径，反推出机器人在最佳局部路径中各个点位置的前向速度Vx和转向速度ωz，以及局部路径点在全局笛卡尔坐标系的坐标(x,y)。以上所述实施例仅表达了本发明的某种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种舰载机器人的路径规划系统，其特征在于：包括
环境感知模块，所述环境感知模块获取机器人相对于自身周围环境的信息并发出；
决策模块，所述决策模块接收环境感知模块发出的信息，根据信息生成机器人下一步行动的动作决策指令并发出；
控制模块，所述控制模块接收决策模块发出的动作决策指令并转化为响应的电气控制参数来控制机器人移动。
2.根据权利要求1所述的一种舰载机器人的路径规划系统，其特征在于：
所述环境感知模块包括多线激光雷达、IMU定位单元、阵面激光雷达和相机；所述多线激光雷达用于获取机器人周围环境的雷达点云数据，包括位置和角度，并传输给所述决策模块；所述IMU定位模块用于获取机器人的加速度信息和航向角信息，并传输给决策模块；所述阵面激光雷达用于获取机器人的正前方障碍物点云，并传输给决策模块；所述相机用于获取舰船上的仪器仪表参数以及其他舰船设备的工作情况，并传输给决策模块。
3.根据权利要求1所述的一种舰载机器人的路径规划系统，其特征在于：所述决策模块包括局部路径规划单元和全局路径规矩单元；
所述全局路径规划单元用于人为设定机器人在舰船内巡检的路线的路径点，是一组坐标点集；所述路径点通过遥控方式控制机器人行走一遍来示教或通过软件形式来设定路径，生成路径后传输给所述局部路径规划单元；
所述局部路径规划单元接受全局路径点以及环境感知模块的传感器信息；通过局部路径规划算法生成五次多项式抽样曲线，通过局部路径规划算法生成多条可行路径，并根据机器人和障碍物点距离，以及机器人偏离全局路径的程度，以损失函数的形式，来对路径打分，选取最佳局部路径并将路径参数发送给控制模块。
4.根据权利要求3所述的一种舰载机器人的路径规划系统，其特征在于：所述控制模块根据最佳局部路径的参数信息生成机器人前进速度、转向速度、以及转向参数，并控制机器人电机转动。
5.一种舰载机器人的路径规划方法，其特征在于，所述方法采用上述权利要求1-4任一项所述的系统实现，所述方法具体为：
步骤S100、机器人通过环境感知模块中传感器获取地图信息，包括机器人的定位信息，以及周围障碍物的信息；
步骤S200、机器人通过全局路径规划模块获取全局路径点信息；
步骤S300、根据全局路径点信息，基于Frenet坐标系生成五次多项式样条曲线，将全局路径点坐标转换到Frenet坐标系下的坐标；
步骤S400、根据Frenet坐标下的全局路径点以及机器人周围障碍物信息生成最优局部路径，并转换回机器人地图坐标系；
步骤S500、根据最优局部路径信息，生成目标点坐标序列和机器人前向速度序列，转向速度序列，将参数序列发送控制模块；
步骤S600、根据参数序列，控制机器人行走。
6.根据权利要求5所述的一种舰载机器人的路径规划方法，其特征在于：所述步骤S100具体为地图信息是通过激光雷达建图算法生成的栅格地图，其中黑色代表占据，白色代表可行区域。
7.根据权利要求6所述的一种舰载机器人的路径规划方法，其特征在于：所述步骤S200中的全局路径点信息是在栅格地图中的笛卡尔坐标系中一组点集的坐标，其中障碍物信息是在栅格地图上的黑色占据像素组合，为静态的障碍物或动态的障碍物，动态障碍物的变换反映在栅格的地图的更新。
8.根据权利要求7所述的一种舰载机器人的路径规划方法，其特征在于：所述步骤S300具体为根据设定好的全局路径从笛卡尔坐标系转换到Frenet坐标系，将(x,y,t)转换到(s,l,t)下，其中x,y,t表示笛卡尔坐标下的坐标和时间，s,l,t表示机器人沿Frenet坐标下全局路径曲线的横向距离，纵向距离和时间，将机器人的轨迹点投影到全局路径参考线上得到参考点
Figure FDA0003789007910000031
使用参考点的切向量
Figure FDA0003789007910000032
和法向量
Figure FDA0003789007910000033
建立坐标系。
9.根据权利要求8所述的一种舰载机器人的路径规划方法，其特征在于：所述步骤S400具体为根据障碍物信息和路径信息，由损失函数评分，从备选路径中剔除路径点经过障碍物的备选路径，获得最优局部路径点；
横向轨迹的损失函数为Cl＝ωll2+ωtT，式中，ωll2表示机器人的局部路径偏离预先设定的全局路径的程度，ωtT是机器人行驶效率的评价指标；
纵向轨迹的损失函数为
Figure FDA0003789007910000034
式中，
Figure FDA0003789007910000035
表示当前纵向速度和期望速度的差值；
总的损失函数为横向损失函数与纵向损失函数加权平均，即：Ctotal＝klCl+ksCs，其中kl为横向损失函数的加权数，ks为纵向损失函数的加权数，根据总的损失函数计算出备选路径集合中每条备选路径的得分，通过计算障碍物点与路径点的距离来判断路径点是否在碰撞范围内，从而将路径点经过障碍物的备选路径剔除，然后选出剔除碰撞路径后中得分最高的局部路径为最优局部路径。
10.根据权利要求9所述的一种舰载机器人的路径规划方法，其特征在于：所述步骤S500具体为根据最佳局部路径，反推出机器人在最佳局部路径中各个点位置的前向速度Vx和转向速度ωz，以及局部路径点在全局笛卡尔坐标系的坐标(x,y)。
CN202210958464.8A 2022-08-09 2022-08-09 一种舰载机器人的路径规划系统及方法 Pending CN115373388A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210958464.8A CN115373388A (zh) 2022-08-09 2022-08-09 一种舰载机器人的路径规划系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210958464.8A CN115373388A (zh) 2022-08-09 2022-08-09 一种舰载机器人的路径规划系统及方法

Publications (1)

Publication Number Publication Date
CN115373388A true CN115373388A (zh) 2022-11-22

Family

ID=84065695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210958464.8A Pending CN115373388A (zh) 2022-08-09 2022-08-09 一种舰载机器人的路径规划系统及方法

Country Status (1)

Country Link
CN (1) CN115373388A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116627145A (zh) * 2023-07-25 2023-08-22 陕西欧卡电子智能科技有限公司 无人游船的自主航行控制方法及系统
CN116674594A (zh) * 2023-07-28 2023-09-01 广汽埃安新能源汽车股份有限公司 一种基于路径规划的纵向控制方法及装置
CN117428774A (zh) * 2023-11-23 2024-01-23 中国船舶集团有限公司第七一六研究所 一种用于船舶巡检的工业机器人控制方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116627145A (zh) * 2023-07-25 2023-08-22 陕西欧卡电子智能科技有限公司 无人游船的自主航行控制方法及系统
CN116627145B (zh) * 2023-07-25 2023-10-20 陕西欧卡电子智能科技有限公司 无人游船的自主航行控制方法及系统
CN116674594A (zh) * 2023-07-28 2023-09-01 广汽埃安新能源汽车股份有限公司 一种基于路径规划的纵向控制方法及装置
CN116674594B (zh) * 2023-07-28 2023-10-27 广汽埃安新能源汽车股份有限公司 一种基于路径规划的纵向控制方法及装置
CN117428774A (zh) * 2023-11-23 2024-01-23 中国船舶集团有限公司第七一六研究所 一种用于船舶巡检的工业机器人控制方法及系统

Similar Documents

Publication Publication Date Title
CN115373388A (zh) 一种舰载机器人的路径规划系统及方法
Polvara et al. Obstacle avoidance approaches for autonomous navigation of unmanned surface vehicles
CN110341711B (zh) 一种基于码头环境的行驶轨迹生成系统及方法
CN109828566B (zh) 一种水面无人艇自主航行方法
CN110737271B (zh) 一种水面机器人自主巡航系统及方法
CN109471432B (zh) 一种自主导航农用车最短避障路径规划方法
US20080059015A1 (en) Software architecture for high-speed traversal of prescribed routes
CN106094606A (zh) 一种水面无人艇导航与控制遥操作平台
Phanthong et al. Application of A* algorithm for real-time path re-planning of an unmanned surface vehicle avoiding underwater obstacles
EP3022618A1 (en) Route planning
CN114332647B (zh) 一种用于无人船的河道边界检测与跟踪方法及系统
CN108196538B (zh) 基于三维点云模型的田间农业机器人自主导航系统及方法
CN113110514A (zh) 一种基于大数据的无人船航行避障系统及方法
CN109211260A (zh) 智能车的行驶路径规划方法及装置、智能车
CN109490926B (zh) 一种基于双目相机和gnss的路径规划方法
CN113721615A (zh) 一种基于机器视觉的海航路径规划方法及系统
Wang et al. Research on autonomous planning method based on improved quantum Particle Swarm Optimization for Autonomous Underwater Vehicle
CN115993089B (zh) 基于pl-icp的在线四舵轮agv内外参标定方法
CN110471425A (zh) 一种基于声呐的改进型模糊人工势场无人船避障方法
Atsuzawa et al. Robot navigation in outdoor environments using odometry and convolutional neural network
Muller et al. A model-based object following system
CN111984006B (zh) 融合海流及尺度差异影响的无人艇多目标会遇避碰方法
CN114003041A (zh) 一种多无人车协同探测系统
CN115185262A (zh) 一种基于最小安全会遇距离的动态避障路径快速规划方法
CN114281109A (zh) 一种无人机引导的多机协作控制系统

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