CN115435793B - 机器人路径规划方法及装置、存储介质、电子设备 - Google Patents

机器人路径规划方法及装置、存储介质、电子设备 Download PDF

Info

Publication number
CN115435793B
CN115435793B CN202211388544.0A CN202211388544A CN115435793B CN 115435793 B CN115435793 B CN 115435793B CN 202211388544 A CN202211388544 A CN 202211388544A CN 115435793 B CN115435793 B CN 115435793B
Authority
CN
China
Prior art keywords
robot
grid
area
path planning
dimensional grid
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.)
Active
Application number
CN202211388544.0A
Other languages
English (en)
Other versions
CN115435793A (zh
Inventor
郑子轩
李恺
袁建平
郭宇飞
梁启明
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202211388544.0A priority Critical patent/CN115435793B/zh
Publication of CN115435793A publication Critical patent/CN115435793A/zh
Application granted granted Critical
Publication of CN115435793B publication Critical patent/CN115435793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开具体涉及机器人探测技术领域，具体涉及机器人路径规划方法及装置、存储介质、电子设备。所述方法包括：获取待探测区域对应的三维栅格地图；利用所述三维栅格地图对所述待探测区域进行地域特征分析，并根据地域特征分析结果构建路径规划成本函数；结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。本方案能够减少机器人路径规划成本，提高机器人的适应性和安全性。

Description

机器人路径规划方法及装置、存储介质、电子设备
技术领域
本公开涉及机器人探测技术领域，具体涉及一种机器人路径规划方法、一种机器人路径规划装置、一种存储介质，以及一种电子设备。
背景技术
随着机器人技术的快速发展，机器人在越来越多的领域中被使用，例如，外星球探测、危险环境探测，无人驾驶车辆等。对机器人、无人驾驶车辆进行路径规划，成为非常重要的。在利用探测机器人对未知环境进行探测时，尤其对于月球、火星等星球表面进行环境探测时，由于环境影响因素不同，常规的路径规划方式并不能适用与外星球环境的探测，尤其是月面的机器人环境探测。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供一种机器人路径规划方法、一种机器人路径规划装置、一种存储介质，以及一种电子设备，能够减少机器人路径规划成本，提高机器人的适应性和安全性，有效克服现有技术中存在的缺陷。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种机器人路径规划方法，所述方法包括：
获取待探测区域对应的三维栅格地图；
利用所述三维栅格地图对所述待探测区域进行地域特征分析，并根据地域特征分析结果构建路径规划成本函数；
结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。
在一些示例性实施方式中，所述利用所述三维栅格地图对所述待探测区域进行地域特征分析，包括：
利用所述三维栅格地图对所述待探测区域进行地形特征分析，划分可通行区域和不可通行区域；
利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域；
利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区。
在一些示例性实施方式中，利用所述三维栅格地图对所述待探测区域进行地形特征分析，包括：
对所述三维栅格地图中各栅格进行坡度分析、粗糙度分析以及起伏度分析中的至少一项。
在一些示例性实施方式中，对所述三维栅格地图中各栅格进行坡度分析，包括：
根据机器人的最大爬坡角度定义基于坡度的第一约束条件；
确定所述三维栅格地图中各栅格对应的平面坡度；
将各栅格对应的平面坡度与所述第一约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
在一些示例性实施方式中，所述确定所述三维栅格地图中各栅格对应的平面坡度，包括：
利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；
将所述拟合平面与基准平面的夹角配置为所述栅格对应的平面坡度。
在一些示例性实施方式中，对所述三维栅格地图中各栅格进行粗糙度分析，包括：
根据机器人可接受的表面粗糙度定义基于粗糙度的第二约束条件；
确定所述三维栅格地图中各栅格对应的区域粗糙度；
将各栅格对应的区域粗糙度与所述第二约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
在一些示例性实施方式中，所述确定所述三维栅格地图中各栅格对应的区域粗糙度，包括：
利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；
根据所述栅格内各高程点到所述拟合平面的距离确定栅格对应的区域粗糙度。
在一些示例性实施方式中，对所述三维栅格地图中各栅格进行起伏度分析，包括：
根据机器人的攀爬能力定义基于起伏度的第三约束条件；
确定所述三维栅格地图中各栅格对应的起伏度；
将各栅格对应的起伏度与所述第三约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
在一些示例性实施方式中，所述确定所述三维栅格地图中各栅格对应的起伏度，包括：
根据所述栅格内各高程点的坐标计算高程平均值；
利用所述高程平均值计算所述栅格内各高程点的高程标准差，并作为所述栅格对应的起伏度。
在一些示例性实施方式中，所述利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域，包括：
确定光源参数；所述光源参数包括：高度角、方位角和变化周期；
在自定义坐标系内，根据所述光源参数配置测试光线；
对所述测试光线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；
根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；
将所述测试点的地理高度与测试点在所述测试光线上的高度进行比对，以确定各栅格为光照区域或阴影区域。
在一些示例性实施方式中，所述方法还包括：
在所述自定义坐标系内根据所述光源参数确定光源的入射单位向量；
基于所述光源的入射单位向量与所述栅格的拟合平面法向量的夹角，确定该栅格的光照强度。
在一些示例性实施方式中，所述方法还包括：
根据所述栅格的光照强度，所述机器人上装备的太阳能板的第一功能参数，确定太阳能电池板的额定功率；
根据所述额定功率、太阳能板的第二功能参数，确定太阳能板的输出功率。
在一些示例性实施方式中，所述利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区，包括：
确定信号传输参数；所述信号传输参数包括：高度角、方位角；
在自定义坐标系内，根据所述信号从传输参数配置测试信号线；
对所述测试信号线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；
根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；
将所述测试点的地理高度与测试点在所述测试信号线上的高度进行比对，以确定所述三维栅格地图中通信盲区的分布。
在一些示例性实施方式中，所述地域特征分析结果包括所述三维栅格地图中的可通行区域、不可通行区域识别结果。
在一些示例性实施方式中，所述根据地域特征分析结果构建路径规划成本函数，包括：
根据机器人在所述三维栅格地图中各栅格的受力分析，确定机器人在该栅格中的能耗，以用于在所述三维栅格地图中的可通行区域中进行路径规划；
根据所述机器人的初始储能、路径中各栅格的总能耗，确定路径规划成本函数。
在一些示例性实施方式中，所述路径规划模型为基于D*LITE算法的路径规划模型。
在一些示例性实施方式中，所述利用所述路径规划模型进行机器人路径规划，包括：
计算所有节点的启发值；其中，所述节点为所述三维栅格地图中的各栅格；
对所有节点的G值、Rhs值进行初始化处理，计算目标节点的Rhs值和键值，并将目标节点插入待检测队列；
由起点进行寻路，由目标节点逆向扩展，根据节点的Rhs值确定一条由起点到目标节点的规划路径；
令机器人根据所述规划路径进行移动，并不断检测周围环境中障碍物是否改变；
若周围环境中障碍物未改变则保持原规划路径移动，同时更新起点；或者，
若检测到周围环境中障碍物改变，则更新Km值，并对障碍节点周围的节点进行更新，并重新进行寻路直至寻路结束。
在一些示例性实施方式中，所述计算所有节点的启发值，包括：
为各节点构建对角线距离，以用于在规划路径时进行八邻域搜索节点。
在一些示例性实施方式中，所述方法还包括：
为对所述节点及对应的对角线方向的子节点根据方向分类，并配置对应的优先级。
根据本公开的第二方面，提供一种机器人路径规划装置，包括：
三维栅格地图获取模块，用于获取待探测区域对应的三维栅格地图；
三维栅格地图分析模块，用于利用所述三维栅格地图对所述待探测区域进行地域特征分析，并根据地域特征分析结果构建路径规划成本函数；
路径规划模块，用于结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。
根据本公开的第三方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的机器人路径规划方法。
根据本公开的第四方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令时实现上述的机器人路径规划方法。
本公开的一种实施例所提供的机器人路径规划方法，通过利用三维格栅地图进行地域特征分析，并利用分析结果来确认三维环境模型，建立基于多约束成本的路径规划成本函数，从而可以基于路径规划成本函数构建路径规划模型，并对探测机器人进行路径规划。通过以三维格栅地图为数据基础，可以更加真实、准确的描述环境特征；通过利用地域特征分析结果构建路径规划成本函数并构建路径规划模型，实现从不同角度出发引入多个约束条件，能够使用于对复杂环境中的路径规划，提高本方法的环境适应性和安全性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出本公开示例性实施例中一种机器人路径规划方法的示意图。
图2示意性示出本公开示例性实施例一种月面地形坡度分析示意图。
图3示意性示出本公开示例性实施例一种机器人水平面匀速行驶时受力分析示意图。
图4示意性示出本公开示例性实施例中一种机器人坡面向上匀速行驶时受力分析示意图。
图5示意性示出本公开示例性实施例中一种机器人坡面向下匀速行驶时受力分析示意图。
图6示意性示出本公开示例性实施例中一种子节点选择优化示意图。
图7示意性示出本公开示例性实施例中一种机器人路径规划装置的组成示意图。
图8示意性示出本公开示例性实施例中一种电子设备的组成示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在相关技术中，在月表环境探测任务中，月面机器人需要长途跋涉。然而，月球表面覆盖着松散的风化层，陨石坑边缘有无数陡峭的斜坡。为了保证月面机器人在探索中能够有效避开危险区域，安全地到达目的地，合理进行路径规划显得尤为重要。同时，月面机器人可利用的资源（如供电、通信）是有限的，因此在确定路径时需要考虑能量效率。在月面环境中，机器人大多都是以太阳能供电，月面光照的环境直接影响着机器人的储能。同时，月面的复杂地形对机器人的移动距离和安全性也产生了重要影响。此外，机器人移动过程中也必须考虑自身越障能力。目前，国内月面机器人路径规划的相关研究较少，大多都是基于二维平面环境和模拟地图，在真实的月面三维环境具有一定局限性。这些研究多注重地形障碍，没有综合考虑诸如月面光照、地形等特殊外部环境以及机器人自身能力对自主路径规划结果的影响。
针对现有技术的缺点和不足，本示例实施方式中提供了一种机器人路径规划方法，可以应用于对指定区域进行环境探测时的探测机器人的路径规划，适用于月面复杂环境的机器人自主综合路径规划。参考图1中所示，具体可以包括：
步骤S11，获取待探测区域对应的三维栅格地图；
步骤S12，利用所述三维栅格地图对所述待探测区域进行地域特征分析，并根据地域特征分析结果构建路径规划成本函数；
步骤S13，结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。
本示例实施方式所提供的机器人路径规划方法，可以适用于月面复杂环境的机器人自主综合路径规划。通过利用三维格栅地图进行地域特征分析，并利用分析结果来确认三维环境模型，建立基于多约束成本的路径规划成本函数，从而可以基于路径规划成本函数构建路径规划模型，并对探测机器人进行路径规划。通过以三维格栅地图为数据基础，可以更加真实、准确的描述环境特征；通过利用地域特征分析结果构建路径规划成本函数并构建路径规划模型，实现从不同角度出发引入多个约束条件，能够使用于对复杂环境中的路径规划，提高本方法的环境适应性和安全性。
下面，将结合附图及实施例对本示例实施方式中的机器人路径规划方法的各个步骤进行更详细的说明。
在步骤S11中，获取待探测区域对应的三维栅格地图。
本示例实施方式中，以月面机器人路径规划为例，在对月表环境进行探测时，可以使用月面DEM（Digital Elevation Model，数字高程模型）地图，并将其规则栅格化，得到一幅三维栅格地图。数字高程模型是通过有限的地形高程数据实现对地面地形的数字化模拟，即地形表面形态的数字化表达。DEM是三维地形图的数字表示，它记录了区域内一系列离散点在三维空间中的位置信息，每个离散点都可以用一个三维向量进行表示：R i =(x i ，y i ，z i )，i=1，2，...，N ；其中，（x i ，y i ）是离散点的平面位置坐标，z i 是相应的高程数值。
由于离散点是无法对地形特征进行描述，所以可以将DEM进行栅格化，根据实际需求划分成多个栅格区域，每个栅格内都含有一定的离散点。其中，数字高程模型的表达形式可以包括：点方式（规则网格、不规则网格）、线方式（剖面线、等高线、特征线）等等。假设所提取的月面数字高程模型的尺寸是M×N，单元栅格的尺寸为m×n，则可得到月面数字高程模型的分辨率为
Figure 114895DEST_PATH_IMAGE001
。
单元栅格的尺寸需要考虑月面探测器的大小，若选取的栅格尺寸过大会导致地图信息较少，而无法准确地规划出可行路径。栅格尺寸过小亦会耗费较多的运算资源，则无法达到简化路径规划运算的目的。因此栅格化处理主要考虑使全局路径规划的运算量尽可能小的同时保证栅格区域的精确性，只需要栅格尺寸远远大于月面机器人投影面积即可。
在步骤S12中，利用所述三维栅格地图对所述待探测区域进行地域特征分析，并根据地域特征分析结果构建路径规划成本函数。
本示例实施方式中，所述利用所述三维栅格地图对所述待探测区域进行地域特征分析，包括：
利用所述三维栅格地图对所述待探测区域进行地形特征分析，划分可通行区域和不可通行区域；
利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域；
利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区。
本示例实施方式中，利用所述三维栅格地图对所述待探测区域进行地形特征分析，包括：对所述三维栅格地图中各栅格进行坡度分析、粗糙度分析以及起伏度分析中的至少一项。
本示例实施方式中，对所述三维栅格地图中各栅格进行坡度分析，包括：
步骤S211，根据机器人的最大爬坡角度定义基于坡度的第一约束条件；
步骤S212，确定所述三维栅格地图中各栅格对应的平面坡度；
步骤S213，将各栅格对应的平面坡度与所述第一约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
本示例实施方式中，具体的，在步骤S212中，所述确定所述三维栅格地图中各栅格对应的平面坡度，包括：利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；将所述拟合平面与基准平面的夹角配置为所述栅格对应的平面坡度。
具体而言，在各栅格内可以假设有n个高程点，每个高程点的坐标为R i =(x i ，y i ，z i )，i=1，2，...，n。其中，（x i ，y i ）是高程点的平面位置坐标，z i 是相应的高程数值。栅格内的拟合平面为：
Figure 766456DEST_PATH_IMAGE002
。
利用最小二乘法计算该平面，需要有一组参数（a，b，c），使得
Figure 546193DEST_PATH_IMAGE003
最小，那么就需要满足以下条件：
Figure 613507DEST_PATH_IMAGE004
基于此，可以求得：
Figure 162300DEST_PATH_IMAGE005
其中，
Figure 781500DEST_PATH_IMAGE006
，
Figure 782954DEST_PATH_IMAGE007
。
最后，求得该拟合平面的法向量n1={a，b，-1}，基准平面法向量为n2={0，0，1}。
举例而言，参考图2所示的地形坡度图，θ为拟合平面与基准平面的夹角，φ为拟合平面的方向角，表示坡面方向。基于此，可得平面的坡度为：
Figure 981854DEST_PATH_IMAGE008
假设月面机器人的最大爬坡角度为θmax，可以定义关于坡度的第一约束条件。当满足条件θ≤θmax时，该单元栅格设定为可通行区域；当满足条件θ≥θmax时，该单元栅格设定为不可通行区域。
本示例实施方式中，对所述三维栅格地图中各栅格进行粗糙度分析，包括：
步骤S221，根据机器人可接受的表面粗糙度定义基于粗糙度的第二约束条件；
步骤S222，确定所述三维栅格地图中各栅格对应的区域粗糙度；
步骤S223，将各栅格对应的区域粗糙度与所述第二约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
本示例实施方式中，具体的，在步骤S222中所述确定所述三维栅格地图中各栅格对应的区域粗糙度，包括：利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；根据所述栅格内各高程点到所述拟合平面的距离确定栅格对应的区域粗糙度。
具体而言，地形的粗糙度会影响月面探测器的行驶能力，地形粗糙度过大会造成月面探测器行动困难，甚至陷入其中，无法动弹。粗糙度可以用栅格内每个高程点与拟合平面距离的平方和的均值来描述。其中，每个高程点到拟合平面的距离为：
Figure 572104DEST_PATH_IMAGE009
基于此，可以计算栅格区域的粗糙度为：
Figure 299889DEST_PATH_IMAGE010
其中，R表示为该栅格内的区域粗糙度。粗糙度越大，月面机器人通过该区域的可能性就越低。假设月面机器人可接受的月面粗糙度最大为Rmax，当满足条件R≤Rmax时，该单元栅格设定为可通行区域；当满足条件R≥Rmax时，该单元栅格设定为不可通行区域。
本示例实施方式中，对所述三维栅格地图中各栅格进行起伏度分析，包括：
步骤S231，根据机器人的攀爬能力定义基于起伏度的第三约束条件；
步骤S232，确定所述三维栅格地图中各栅格对应的起伏度；
步骤S233，将各栅格对应的起伏度与所述第三约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
本示例实施方式中，具体的，所述确定所述三维栅格地图中各栅格对应的起伏度，包括：根据所述栅格内各高程点的坐标计算高程平均值；利用所述高程平均值计算所述栅格内各高程点的高程标准差，并作为所述栅格对应的起伏度。
具体而言，起伏度可以用于表示栅格区域在垂直高度上的落差。月面起伏度会影响月面机器人的攀爬能力，起伏度
Figure 850956DEST_PATH_IMAGE011
用所属栅格内所有离散点的高程标准差来描述。相比与其他方案中只用最大高程点和最小高程点之间的差值来描述更为客观和真实。起伏度计算公式可以包括：
Figure 587968DEST_PATH_IMAGE012
其中，
Figure 845774DEST_PATH_IMAGE013
为栅格内所有高程值的平均值。
具体的，假设月面机器人的最大越障高度为Hmax，当满足条件H≤Hmax时，该单元栅格设定为可通行区域；当满足条件H≥Hmax时，该单元栅格设定为不可通行区域。
基于上述对三维栅格地图中各单元栅格的坡度、粗糙度、起伏度的计算，可以准确的筛选出可通行区域以及不可通行区域。
本示例实施方式中，所述利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域，包括：
步骤S31，确定光源参数；所述光源参数包括：高度角、方位角和变化周期；
步骤S32，在自定义坐标系内，根据所述光源参数配置测试光线；
步骤S33，对所述测试光线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；
步骤S34，根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；
步骤S35，将所述测试点的地理高度与测试点在所述测试光线上的高度进行比对，以确定各栅格为光照区域或阴影区域。
具体而言，在月球上，太阳高度角
Figure 947722DEST_PATH_IMAGE014
和方位角
Figure 923768DEST_PATH_IMAGE015
以29.5天为周期变化，并且它们根据纬度和经度而不同。因此，它们是作为纬度、经度和时间的函数导出的。利用月球上的纬度φ和经度Ψ，
Figure 995629DEST_PATH_IMAGE014
和
Figure 639100DEST_PATH_IMAGE015
表示为：
Figure 708687DEST_PATH_IMAGE016
其中，δ和γ分别表示月球表面的纬度和经度，太阳就在月球表面的正上方。δ的值在-1.5到1.5之间，因为月球的旋转轴几乎垂直于包含太阳的平面。另一方面，γ每天大约变化12.2。
具体的，为了确认月面上某栅格区域是否处在周围障碍物的光照阴影中，通过逆着太阳光线的方向，从该区域投射出一条虚拟测试光线。若光线在到达太阳之前就与其他物体相交，则说明该点位于阳光的阴影区内。
具体而言，可以首先定义坐标系OXYZ：原点O固定在月面，OX轴指向月面正东方向，OY轴指向月面正北方向，OZ轴满足右手定则。在此坐标系下，假设太阳高度角
Figure 358980DEST_PATH_IMAGE014
和方位角
Figure 437795DEST_PATH_IMAGE017
，则阴影测试光线矢量l s 为：
Figure 670193DEST_PATH_IMAGE018
测试光线在月面坐标系上的投影矢量p s 为：
Figure 238578DEST_PATH_IMAGE019
在投影线上按等间距（步长取ds）选取一系列测试点qi；当前点q位置矢量为Q，则测试点的位置矢量qi s 为：
Figure 923637DEST_PATH_IMAGE020
根据测试点位置坐标，从DEM中提取其周围高程点的高度信息，通过线性插值方法，计算测试点的地理高度，记为z i 。而测试点在测试光线上对应的高度为：
Figure 806142DEST_PATH_IMAGE021
从当前位置q出发，逐次比较测试点的地理高度z i ，和光线上的高度h i ，如果出现z i ≥h i ，则当前点q处在光线阴影区内。
本示例实施方式中，上述方法还可以包括：
步骤S36，在所述自定义坐标系内根据所述光源参数确定光源的入射单位向量；
步骤S37，基于所述光源的入射单位向量与所述栅格的拟合平面法向量的夹角，确定该栅格的光照强度。
具体而言，太阳能电池板与太阳光照相对角度不同，其获得的光照强度不同。在相同光照强度下，如果太阳光与电池板法线平行，即垂直照射在电池板上，则光照最强；或者，如果太阳光与电池板法线垂直，没有有效光照，则光照强度为零。以“玉兔二号”为例，其车载太阳能电池板是水平安装在车体上表面且位置固定，所以有效的光照强度就取决于月球车的姿态。同一时刻，不同姿态对应不同的有效光照。而月面机器人的姿态取决于所处区域的坡度。
假设太阳是一个平行光源，即月面探测区域内所有栅格的太阳光角度相同。设太阳高度角
Figure 565151DEST_PATH_IMAGE014
和方位角
Figure 304437DEST_PATH_IMAGE017
，以上述坐标系为基准，则太阳光的入射单位向量m可表示为：
Figure 476792DEST_PATH_IMAGE022
同时假设月面机器人在运动过程中，其车体水平面始终与所处地形平面平行。设某一栅格内的拟合平面法向量为n，则太阳光单位向量m与栅格内拟合平面法向量的夹角η可表示为：
Figure 897409DEST_PATH_IMAGE023
当m与n的夹角小于90°时，太阳背向该拟合平面，因此该栅格处的光照强度为0。
假设在月面某一时刻的某一区域太阳光照强度为ε，那么该区域栅格受到的光照强度ε n 可以表示为：
Figure 291350DEST_PATH_IMAGE024
其中，η为该栅格内拟合平面法向量与太阳光单位向量的夹角。
本示例实施方式中，上述方法还可以包括：
步骤S38，根据所述栅格的光照强度，所述机器人上装备的太阳能板的第一功能参数，确定太阳能电池板的额定功率；
步骤S39，根据所述额定功率、太阳能板的第二功能参数，确定太阳能板的输出功率。
具体而言，上述的第一功能参数可以包括：光照强度ε n 、太阳能转化率λ、太阳能板的面积s。第二功能参数可以包括：太阳能电池板中逆变器转化效率u、充电转化率v。
举例来说以“玉兔二号”为例，设“玉兔二号”上太阳能板的面积为s，其太阳能转化率为λ，太阳能电池板中逆变器转化效率为u，考虑充电效率和充电过程中的损耗，其充电转化率为v。则可以得到太阳能电池板的额定功率P额为：
Figure 139221DEST_PATH_IMAGE025
太阳能电池板的输出功率为：
Figure 64451DEST_PATH_IMAGE026
本示例实施方式中，所述利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区，包括：
步骤S41，确定信号传输参数；所述信号传输参数包括：高度角、方位角；
步骤S42，在自定义坐标系内，根据所述信号从传输参数配置测试信号线；
步骤S43，对所述测试信号线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；
步骤S44，根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；
步骤S45，将所述测试点的地理高度与测试点在所述测试信号线上的高度进行比对，以确定所述三维栅格地图中通信盲区的分布。
具体而言，月面机器人与地球测控站建立通信链路，保证通信可见性是基本的工作要求。假设测控站在地球分布广泛，能够满足全天时的测控需求，那么通信链路是否顺利就取决于月面机器人与地面测控站的连线是否被周围障碍物遮挡。将地面测控站对月面的观测视线看作是一族平行线，类似于上述实施例中照射到月面的太阳光线。考虑通信链路一般是不受月球车姿态影响，分析通信条件时只需要分析月面上通信链路被遮挡的区域分布。可以采用上述实施例中计算光照阴影区域的方法，检测某一栅格区域是否是被障碍物遮挡视线，从而确定通信盲区分布。
本示例实施方式中，在上述的步骤S12中，所述根据地域特征分析结果构建路径规划成本函数，包括：
步骤S121，根据机器人在所述三维栅格地图中各栅格的受力分析，确定机器人在该栅格中的能耗，以用于在所述三维栅格地图中的可通行区域中进行路径规划；
步骤S122，根据所述机器人的初始储能、路径中各栅格的总能耗，确定路径规划成本函数。
具体而言，充足的能源是保证月面机器人完成探索任务的关键，月面机器人的行驶路径对能源的消耗和采集都有非常大的影响。因此，与传统的路径规划技术不同，月面机器人路径规划并不一定以路径长度最短作为优化目标。对太阳光照条件的分析中可以看出，能源变化是由月球车路径的空间位置和时间决定的。时间和空间位置决定了太阳能电池板采集能源的水平，空间的地形特征决定了穿越该区域的能耗水平。因此，本方法能够用于月面复杂环境的移动机器人路径规划，从能源优化的角度出发，保证为不同的任务活动的月面机器人都提供足够的能源。
在此基础上，考虑月面复杂环境，月面机器人在单位栅格内的移动损耗不同。针对不同坡度、不同地形的栅格区域，假设月面机器人始终以匀速行驶，假设单元栅格的边长为d。
当月面机器人在水平面上匀速行驶时，其受力情况如图3所示，其中，G为月面机器人重力；Fn为地面对月面机器人的支持力；F1为月面机器人的牵引力；f 1为月面机器人摩擦力；摩擦系数为μ。可得F1= μG，月面机器人在该栅格内的做功为：W1= F1d。
当月面机器人在坡面上向上匀速行驶时，其受力情况如图4所示。其中，G为月面机器人重力；Fn为地面对月面机器人的支持力；F2为月面机器人的牵引力；f 2为月面机器人摩擦力；摩擦系数为μ；坡度为θ。可得F2= μGcosθ+Gsinθ，月面机器人在该栅格内的做功为：
Figure 85497DEST_PATH_IMAGE027
当月面机器人在坡面上向下匀速行驶时，其受力情况如图5所示，其中，G为月面机器人重力；Fn为地面对月面机器人的支持力；F3为月面机器人的牵引力；f 3为月面机器人摩擦力；摩擦系数为μ；坡度为θ。可得F3= μGcosθ-Gsinθ，月面机器人在该栅格内的做功为：
Figure 146994DEST_PATH_IMAGE028
通过上述对月面复杂环境下多约束条件的分析，我们把栅格地图分为可通行区域和不可同行区域。假设月面机器人移动路径为path，path 中遍历的栅格区域为Ri，i=1，2，...n；则机器人通过栅格Ri所需要的能耗Wcost（Ri）为：
Figure 165765DEST_PATH_IMAGE029
其中，Wdist为通过该栅格距离的做功，Wsun为通过该栅格时间内太阳能电池板吸收的太阳能；Cdist、Csun为权重因子。
设月面机器人初始储能为W1，由上式可得，月面机器人经过路径path后，其剩余储能Wstore表示为：
Figure 250396DEST_PATH_IMAGE030
基于此，Wstore可以作为月面机器人路径规划的目标函数，Wstore越大，则表示该路径所消耗的能量最少，即最优路径。
在步骤S13中，结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。
本示例实施方式中，所述路径规划模型为基于D*LITE算法的路径规划模型。
本示例实施方式中，所述利用所述路径规划模型进行机器人路径规划，包括：
步骤S131，计算所有节点的启发值；其中，所述节点为所述三维栅格地图中的各栅格；
步骤S132，对所有节点的G值、Rhs值进行初始化处理，计算目标节点的Rhs值和键值，并将目标节点插入待检测队列；
步骤S133，由起点进行寻路，由目标节点逆向扩展，根据节点的Rhs值确定一条由起点到目标节点的规划路径；
步骤S134，令机器人根据所述规划路径进行移动，并不断检测周围环境中障碍物是否改变；
步骤S135，若周围环境中障碍物未改变则保持原规划路径移动，同时更新起点；或者，
步骤S136，若检测到周围环境中障碍物改变，则更新Km值，并对障碍节点周围的节点进行更新，并重新进行寻路直至寻路结束。
具体而言，将上述的多约束路径规划成本函数代入到路径规划算法中。考虑月面的复杂环境，月面机器人在移动过程中可能会面临新的障碍。因此在选择月面机器人路径规划算法时，算法应适合面对周围环境未知或者周围环境存在动态变化的场景。同时考虑移动机器人的安全性和搜索效率对算法进行改进。
D*LITE算法采用反向搜索方式，常规的路径规划算法都不能满足移动机器人在未知环境中的路径规划需求，因为其在未知地图中需要不断的尝试，与边走边找到最优路径背道而驰。反向搜索算法能够很好的处理这种情况，D*LITE可以很好的应对环境未知的情况，其算法核心在于假设了未知区域都是自由空间，以此为基础，增量式地实现路径规划，通过最小化
Figure 278395DEST_PATH_IMAGE031
值找到目标点到各个节点的最短距离。在移动机器人按照规划的路径进行前进时其所到的节点即设置为起始节点，因此路径变化或者
Figure 194398DEST_PATH_IMAGE032
值需要更新时，需要更新从目标点到新起点的启发值以及估计成本。由于移动机器人不断的靠近目标点，节点的启发值将不断减少，且减少至不会超过h。由于每次都要减去相同的值，开启列表的顺序并不会改变，因此可以不进行这部分的计算，这样便避免了每次路径改变时的队列遍历过程。所以本发明选择D*LITE算法作为月面机器人路径规划算法，并对D*LITE算法进行改进。
D*LITE算法中，Rhs(s)和G(s)可表示为当前节点到目标节点的代价。一般而言，G值是由Rhs值给予，即G(s)= Rhs(s)。key(s)可表示为路径预估代价。h(s)表示该节点到起点的预估代价。Km为键值修饰器。将步骤上述的多约束路径规划成本函数代入到Rhs(s)和h(s)值中的代价计算。一般来说，D*LITE算法可以包括：Caculate Key（计算键值）程序、Initialize（初始化）程序、UpdateVertex（更新顶点）程序、Compute Shortest Path（计算最短路径）程序、Main（主要）程序五个部分。
基于D*LITE算法的路径规划模型的执行过程可以包括：
（1）计算所有节点的h(s)值。
（2）调用Initialize程序；初始化所有节点Rhs(s)值和G(s)值，计算目标节点的Rhs(s)值和key(s)值，将目标节点插入列表U，即待检测队列。
（3）调用Compute Shortest Path程序进行首次寻路；由目标节点逆向扩展，并根据节点的Rhs(s)值可以确认一条由起点到目标节点的最优路径。
（4）调用Main程序；移动机器人根据最优路径进行移动，并不断检测周围环境的障碍物改变；如果环境不改变则保持原路径行走，同时更新起点；或者，如果检测到周围环境的障碍物改变，则更新
Figure 180809DEST_PATH_IMAGE033
值，对障碍节点周围的节点调用Update Vertex程序；然后重新调用Compute Shortest Path程序直到寻路结束。
本示例实施方式中，所述计算所有节点的启发值，包括：为各节点构建对角线距离，以用于在规划路径时进行八邻域搜索节点。
具体而言，可以构造启发值h(s)。启发值越接近实际距离，扩展次数小，寻路越快。原启发值h(s)使用切比雪夫距离，公式可以包括：
Figure 815053DEST_PATH_IMAGE034
考虑到机器人是八邻域移动，构建对角线距离：
Figure 381163DEST_PATH_IMAGE035
Figure 615922DEST_PATH_IMAGE036
Figure 710917DEST_PATH_IMAGE037
其中，(S x ，S y )是当前节点的位置坐标，
Figure 98036DEST_PATH_IMAGE038
是起点的位置坐标。D表示直穿代价。D2表示斜线穿过代价。
本示例实施方式中，所述方法还包括：为对所述节点及对应的对角线方向的子节点根据方向分类，并配置对应的优先级。
具体而言，采用八邻域搜索虽然提高了运行效率，但在实际运行过程中，可发现斜穿过障碍物栅格的顶点现象。为保障机器人移动安全性，对扩展节点进行分类。如图6所示，选择垂直和水平方向上的子节点作为第一级优先级节点，对角方向相反的子节点为第二级优先级节点。选择根据第一个优先级节点的状态选择第二个优先级节点，例如，如果5的节点是障碍物，则无法选择对角方向的子节点3和8。
本公开实施例所提供的机器人路径规划方法，可以应用于月面探测机器人的路径规划，对月表环境进行探测。考虑到月面的复杂地形，为了准确真实地模拟月面地形环境，采用更真实的数字高程模型DEM，并将其规则栅格化，得到三维栅格地图。利用三维栅格地图分别对月面地形、月面光照、通信、机器人自身能力等约束条件进行研究分析，建立地形、光照等约束条件模型，并确认待检测区域中的可通行区域和不可通行区域。基于上述约束条件，建立适用于月面复杂环境的路径规划成本函数。将改进过的路径规划成本函数应用于路径规划算法，提出适用于月面复杂环境的综合路径规划模型。通过使用三维栅格地图，能够更为准确真实地模拟月面地形环境；并且，综合考虑月面复杂环境，引入月球太阳光照、月面地形、通信、机器人自身能力等约束条件，提供适用于月面复杂环境的综合路径规划方法，进而提高了月面机器人路径规划的环境适应性和移动安全性。
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
进一步的，参考图7所示，本示例的实施方式中还提供一种机器人路径规划装置70，所述装置包括：三维栅格地图获取模块701、三维栅格地图分析模块702、路径规划模块703。其中，
所述三维栅格地图获取模块701可以用于获取待探测区域对应的三维栅格地图。
所述三维栅格地图分析模块702可以用于利用所述三维栅格地图对所述待探测区域进行地域特征分析，并根据地域特征分析结果构建路径规划成本函数。
所述路径规划模块703可以用于结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。
在一些示例性实施方式中，所述三维栅格地图分析模块702可以包括：地形分析模块、光照分析模块、通信盲区分析模块。其中，
所述地形分析模块可以用于利用所述三维栅格地图对所述待探测区域进行地形特征分析，划分可通行区域和不可通行区域。
所述光照分析模块可以用于利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域。
所述通信盲区分析模块可以用于利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区。
在一些示例性实施方式中，所述地形分析模块可以包括坡度分析模块、粗糙度分析模块以及起伏度分析模块中的至少一项。
在一些示例性实施方式中，所述坡度分析模块可以用于根据机器人的最大爬坡角度定义基于坡度的第一约束条件；确定所述三维栅格地图中各栅格对应的平面坡度；将各栅格对应的平面坡度与所述第一约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
在一些示例性实施方式中，所述坡度分析模块还可以用于利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；将所述拟合平面与基准平面的夹角配置为所述栅格对应的平面坡度。
在一些示例性实施方式中，所述粗糙度分析模块可以用于根据机器人可接受的表面粗糙度定义基于粗糙度的第二约束条件；确定所述三维栅格地图中各栅格对应的区域粗糙度；将各栅格对应的区域粗糙度与所述第二约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
在一些示例性实施方式中，所述粗糙度分析模块可以用于利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；根据所述栅格内各高程点到所述拟合平面的距离确定栅格对应的区域粗糙度。
在一些示例性实施方式中，所述起伏度分析模块可以用于根据机器人的攀爬能力定义基于起伏度的第三约束条件；确定所述三维栅格地图中各栅格对应的起伏度；将各栅格对应的起伏度与所述第三约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
在一些示例性实施方式中，所述起伏度分析模块还可以用于根据所述栅格内各高程点的坐标计算高程平均值；利用所述高程平均值计算所述栅格内各高程点的高程标准差，并作为所述栅格对应的起伏度。
在一些示例性实施方式中，所述光照分析模块包括：确定光源参数；所述光源参数包括：高度角、方位角和变化周期；在自定义坐标系内，根据所述光源参数配置测试光线；对所述测试光线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；将所述测试点的地理高度与测试点在所述测试光线上的高度进行比对，以确定各栅格为光照区域或阴影区域。
在一些示例性实施方式中，所述光照分析模块还包括：在所述自定义坐标系内根据所述光源参数确定光源的入射单位向量；基于所述光源的入射单位向量与所述栅格的拟合平面法向量的夹角，确定该栅格的光照强度。
在一些示例性实施方式中，所述光照分析模块还包括：根据所述栅格的光照强度，所述机器人上装备的太阳能板的第一功能参数，确定太阳能电池板的额定功率；根据所述额定功率、太阳能板的第二功能参数，确定太阳能板的输出功率。
在一些示例性实施方式中，所述通信盲区分析模块可以包括确定信号传输参数；所述信号传输参数包括：高度角、方位角；在自定义坐标系内，根据所述信号从传输参数配置测试信号线；对所述测试信号线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；将所述测试点的地理高度与测试点在所述测试信号线上的高度进行比对，以确定所述三维栅格地图中通信盲区的分布。
在一些示例性实施方式中，所述地域特征分析结果包括所述三维栅格地图中的可通行区域、不可通行区域识别结果。
在一些示例性实施方式中，所述三维栅格地图分析模块还可以用于根据机器人在所述三维栅格地图中各栅格的受力分析，确定机器人在该栅格中的能耗，以用于在所述三维栅格地图中的可通行区域中进行路径规划；根据所述机器人的初始储能、路径中各栅格的总能耗，确定路径规划成本函数。
在一些示例性实施方式中，所述路径规划模型为基于D*LITE算法的路径规划模型。
在一些示例性实施方式中，所述路径规划模块包括：计算所有节点的启发值；其中，所述节点为所述三维栅格地图中的各栅格；对所有节点的G值、Rhs值进行初始化处理，计算目标节点的Rhs值和键值，并将目标节点插入待检测队列；由起点进行寻路，由目标节点逆向扩展，根据节点的Rhs值确定一条由起点到目标节点的规划路径；令机器人根据所述规划路径进行移动，并不断检测周围环境中障碍物是否改变；若周围环境中障碍物未改变则保持原规划路径移动，同时更新起点；或者，若检测到周围环境中障碍物改变，则更新Km值，并对障碍节点周围的节点进行更新，并重新进行寻路直至寻路结束。
在一些示例性实施方式中，所述路径规划模块还包括：为各节点构建对角线距离，以用于在规划路径时进行八邻域搜索节点。
在一些示例性实施方式中，所述路径规划模块还包括：为对所述节点及对应的对角线方向的子节点根据方向分类，并配置对应的优先级。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
图8示出了适于用来实现本发明实施例的电子设备的示意图。
需要说明的是，图8示出的电子设备1000仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备1000包括中央处理单元（Central Processing Unit，CPU）1001，其可以根据存储在只读存储器（Read-Only Memory，ROM）1002中的程序或者从储存部分1008加载到随机访问存储器（Random Access Memory，RAM）1003中的程序而执行各种适当的动作和处理。在RAM 1003中，还存储有系统操作所需的各种程序和数据。CPU 1001、ROM1002以及RAM 1003通过总线1004彼此相连。输入/输出（Input/Output，I/O）接口1005也连接至总线1004。
以下部件连接至I/O接口1005：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管（Cathode Ray Tube，CRT）、液晶显示器（Liquid Crystal Display，LCD）等以及扬声器等的输出部分1007；包括硬盘等的储存部分1008；以及包括诸如LAN（Local AreaNetwork，局域网）卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入储存部分1008。
特别地，根据本发明的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元（CPU）1001执行时，执行本申请的系统中限定的各种功能。
具体来说，上述的电子设备可以是手机、平板电脑或者笔记本电脑等智能移动电子设备。或者，上述的电子设备也可以是台式电脑等智能电子设备。
需要说明的是，本发明实施例所示的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何存储介质，该存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
需要说明的是，作为另一方面，本申请还提供了一种存储介质，该存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述存储介质承载有一个或者多个程序，当上述一个或者多个程序被一个电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图1所示的各个步骤。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (19)

1.一种机器人路径规划方法，其特征在于，所述方法包括：
获取待探测区域对应的三维栅格地图，包括：对月表DEM地图进行栅格化，得到对应的三维栅格地图；以及，基于月面探测器的大小配置单元栅格的尺寸；
利用所述三维栅格地图对所述待探测区域进行地域特征分析，以实现对月面地形、月面光照、通信、机器人自身能力的约束条件的分析，包括：利用所述三维栅格地图对所述待探测区域进行地形特征分析，划分可通行区域和不可通行区域；利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域；利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区；并根据地域特征分析结果构建路径规划成本函数，包括：根据机器人在所述三维栅格地图中各栅格的受力分析，确定机器人在该栅格中的能耗，以用于在所述三维栅格地图中的可通行区域中进行路径规划；根据所述机器人的初始储能、路径中各栅格的总能耗，确定路径规划成本函数；所述地域特征分析结果包括所述三维栅格地图中的可通行区域、不可通行区域识别结果；
结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。
2.根据权利要求1所述的机器人路径规划方法，其特征在于，利用所述三维栅格地图对所述待探测区域进行地形特征分析，包括：
对所述三维栅格地图中各栅格进行坡度分析、粗糙度分析以及起伏度分析中的至少一项。
3.根据权利要求2所述的机器人路径规划方法，其特征在于，对所述三维栅格地图中各栅格进行坡度分析，包括：
根据机器人的最大爬坡角度定义基于坡度的第一约束条件；
确定所述三维栅格地图中各栅格对应的平面坡度；
将各栅格对应的平面坡度与所述第一约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
4.根据权利要求3所述的机器人路径规划方法，其特征在于，所述确定所述三维栅格地图中各栅格对应的平面坡度，包括：
利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；
将所述拟合平面与基准平面的夹角配置为所述栅格对应的平面坡度。
5.根据权利要求2所述的机器人路径规划方法，其特征在于，对所述三维栅格地图中各栅格进行粗糙度分析，包括：
根据机器人可接受的表面粗糙度定义基于粗糙度的第二约束条件；
确定所述三维栅格地图中各栅格对应的区域粗糙度；
将各栅格对应的区域粗糙度与所述第二约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
6.根据权利要求5所述的机器人路径规划方法，其特征在于，所述确定所述三维栅格地图中各栅格对应的区域粗糙度，包括：
利用所述栅格内高程点的坐标计算所述栅格对应的拟合平面；
根据所述栅格内各高程点到所述拟合平面的距离确定栅格对应的区域粗糙度。
7.根据权利要求2所述的机器人路径规划方法，其特征在于，对所述三维栅格地图中各栅格进行起伏度分析，包括：
根据机器人的攀爬能力定义基于起伏度的第三约束条件；
确定所述三维栅格地图中各栅格对应的起伏度；
将各栅格对应的起伏度与所述第三约束条件进行比对，以确定所述栅格为可通行区域或不可通行区域。
8.根据权利要求2所述的机器人路径规划方法，其特征在于，所述确定所述三维栅格地图中各栅格对应的起伏度，包括：
根据所述栅格内各高程点的坐标计算高程平均值；
利用所述高程平均值计算所述栅格内各高程点的高程标准差，并作为所述栅格对应的起伏度。
9.根据权利要求1所述的机器人路径规划方法，其特征在于，所述利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域，包括：
确定光源参数；所述光源参数包括：高度角、方位角和变化周期；
在自定义坐标系内，根据所述光源参数配置测试光线；
对所述测试光线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；
根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；
将所述测试点的地理高度与测试点在所述测试光线上的高度进行比对，以确定各栅格为光照区域或阴影区域。
10.根据权利要求9所述的机器人路径规划方法，其特征在于，所述方法还包括：
在所述自定义坐标系内根据所述光源参数确定光源的入射单位向量；
基于所述光源的入射单位向量与所述栅格的拟合平面法向量的夹角，确定该栅格的光照强度。
11.根据权利要求10所述的机器人路径规划方法，其特征在于，所述方法还包括：
根据所述栅格的光照强度，所述机器人上装备的太阳能板的第一功能参数，确定太阳能电池板的额定功率；
根据所述额定功率、太阳能板的第二功能参数，确定太阳能板的输出功率。
12.根据权利要求2所述的机器人路径规划方法，其特征在于，所述利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区，包括：
确定信号传输参数；所述信号传输参数包括：高度角、方位角；
在自定义坐标系内，根据所述信号从传输参数配置测试信号线；
对所述测试信号线在所述自定义坐标系上的投影配置测试点，并确定所述测试点的坐标；
根据所述测试点周围高程点的高度信息确定所述测试点的地理高度；
将所述测试点的地理高度与测试点在所述测试信号线上的高度进行比对，以确定所述三维栅格地图中通信盲区的分布。
13.根据权利要求1所述的机器人路径规划方法，其特征在于，所述路径规划模型为基于D*LITE算法的路径规划模型。
14.根据权利要求13所述的机器人路径规划方法，其特征在于，所述利用所述路径规划模型进行机器人路径规划，包括：
计算所有节点的启发值；其中，所述节点为所述三维栅格地图中的各栅格；
对所有节点的G值、Rhs值进行初始化处理，计算目标节点的Rhs值和键值，并将目标节点插入待检测队列；
由起点进行寻路，由目标节点逆向扩展，根据节点的Rhs值确定一条由起点到目标节点的规划路径；
令机器人根据所述规划路径进行移动，并不断检测周围环境中障碍物是否改变；
若周围环境中障碍物未改变则保持原规划路径移动，同时更新起点；或者，
若检测到周围环境中障碍物改变，则更新Km值，并对障碍节点周围的节点进行更新，并重新进行寻路直至寻路结束。
15.根据权利要求14所述的机器人路径规划方法，其特征在于，所述计算所有节点的启发值，包括：
为各节点构建对角线距离，以用于在规划路径时进行八邻域搜索节点。
16.根据权利要求15所述的机器人路径规划方法，其特征在于，所述方法还包括：
为对所述节点及对应的对角线方向的子节点根据方向分类，并配置对应的优先级。
17.一种机器人路径规划装置，其特征在于，所述装置包括：
三维栅格地图获取模块，用于获取待探测区域对应的三维栅格地图，包括：对月表DEM地图进行栅格化，得到对应的三维栅格地图；以及，基于月面探测器的大小配置单元栅格的尺寸；
三维栅格地图分析模块，用于利用所述三维栅格地图对所述待探测区域进行地域特征分析，以实现对月面地形、月面光照、通信、机器人自身能力的约束条件的分析，包括：利用所述三维栅格地图对所述待探测区域进行地形特征分析，划分可通行区域和不可通行区域；利用所述三维栅格地图对所述待探测区域进行光照角度分析，以确定光照区域和阴影区域；利用所述三维栅格地图对所述待探测区域进行障碍物遮挡分析，以确定通信盲区；并根据地域特征分析结果构建路径规划成本函数，包括：根据机器人在所述三维栅格地图中各栅格的受力分析，确定机器人在该栅格中的能耗，以用于在所述三维栅格地图中的可通行区域中进行路径规划；根据所述机器人的初始储能、路径中各栅格的总能耗，确定路径规划成本函数；所述地域特征分析结果包括所述三维栅格地图中的可通行区域、不可通行区域识别结果；
路径规划模块，用于结合所述路径规划成本函数构建路径规划模型，并利用所述路径规划模型进行机器人路径规划。
18.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至16中任一项所述的机器人路径规划方法。
19.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至16中任一项所述的机器人路径规划方法。
CN202211388544.0A 2022-11-08 2022-11-08 机器人路径规划方法及装置、存储介质、电子设备 Active CN115435793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211388544.0A CN115435793B (zh) 2022-11-08 2022-11-08 机器人路径规划方法及装置、存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211388544.0A CN115435793B (zh) 2022-11-08 2022-11-08 机器人路径规划方法及装置、存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN115435793A CN115435793A (zh) 2022-12-06
CN115435793B true CN115435793B (zh) 2023-02-17

Family

ID=84252915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211388544.0A Active CN115435793B (zh) 2022-11-08 2022-11-08 机器人路径规划方法及装置、存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN115435793B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103869820A (zh) * 2014-03-18 2014-06-18 北京控制工程研究所 一种巡视器地面导航规划控制方法
CN109597415A (zh) * 2018-12-06 2019-04-09 山东大学 基于月球表面安全着陆区的巡视器路径规划方法及系统
CN111982129A (zh) * 2020-08-24 2020-11-24 哈尔滨工业大学 一种基于月面数字高程地图的综合全局路径规划方法
CN113124878A (zh) * 2021-04-21 2021-07-16 哈尔滨工业大学 一种月面大范围道路拓扑网构建方法、系统及装置
CN113867340A (zh) * 2021-09-17 2021-12-31 北京控制工程研究所 一种地外未知环境超视距全局路径规划系统和方法
CN114353808A (zh) * 2021-12-09 2022-04-15 中国科学院空天信息创新研究院 月球车全局路径规划方法、装置、电子设备及存储介质
CN114995429A (zh) * 2022-06-09 2022-09-02 北京信息科技大学 火星探测器路径规划方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110264572B (zh) * 2019-06-21 2021-07-30 哈尔滨工业大学 一种融合几何特性与力学特性的地形建模方法及系统
CN111897365B (zh) * 2020-08-27 2022-09-02 中国人民解放军国防科技大学 一种等高线引导线的自主车三维路径规划方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103869820A (zh) * 2014-03-18 2014-06-18 北京控制工程研究所 一种巡视器地面导航规划控制方法
CN109597415A (zh) * 2018-12-06 2019-04-09 山东大学 基于月球表面安全着陆区的巡视器路径规划方法及系统
CN111982129A (zh) * 2020-08-24 2020-11-24 哈尔滨工业大学 一种基于月面数字高程地图的综合全局路径规划方法
CN113124878A (zh) * 2021-04-21 2021-07-16 哈尔滨工业大学 一种月面大范围道路拓扑网构建方法、系统及装置
CN113867340A (zh) * 2021-09-17 2021-12-31 北京控制工程研究所 一种地外未知环境超视距全局路径规划系统和方法
CN114353808A (zh) * 2021-12-09 2022-04-15 中国科学院空天信息创新研究院 月球车全局路径规划方法、装置、电子设备及存储介质
CN114995429A (zh) * 2022-06-09 2022-09-02 北京信息科技大学 火星探测器路径规划方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于栅格地图的月面巡视器多目标路径规划方法研究;姜啸等;《信息与电脑(理论版)》;20130430(第04期);全文 *
月面巡视器遥操作中的任务规划技术研究;周建亮等;《中国科学:信息科学》;20140430(第04期);全文 *
面向月球车任务规划的环境建模技术;谢圆等;《东南大学学报(自然科学版)》;20100930;全文 *

Also Published As

Publication number Publication date
CN115435793A (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
Beinschob et al. Semi-automated map creation for fast deployment of AGV fleets in modern logistics
Maboudi et al. A Review on Viewpoints and Path Planning for UAV-Based 3-D Reconstruction
Holenstein et al. Watertight surface reconstruction of caves from 3D laser data
US10982966B2 (en) Generation of route network data for movement
CN112612290B (zh) 一种考虑洋流的水下航行器三维多任务路径规划方法
CN113865589B (zh) 一种基于地形坡度的长距离快速路径规划方法
CN115371662B (zh) 一种基于概率栅格移除动态对象的静态地图构建方法
CN114659530A (zh) 用于智能机器人路径规划的网格模型地图构建方法
Kanade et al. Image understanding research at CMU
Zhou et al. Crater identification simulation using LiDAR on Lunar rover
CN115435793B (zh) 机器人路径规划方法及装置、存储介质、电子设备
Zhang et al. Exploration with global consistency using real-time re-integration and active loop closure
Megalingam et al. 2D-3D hybrid mapping for path planning in autonomous robots
Ugur et al. Fast and efficient terrain-aware motion planning for exploration rovers
CN116295426A (zh) 基于三维重建质量反馈的无人机自主探索方法及装置
Despotakis et al. Dynamic GIS models for regional sustainable development
CN115061499B (zh) 无人机控制方法及无人机控制装置
Mekni Using gis data to build informed virtual geographic environments (ivge)
Wettergreen et al. Developing a framework for reliable autonomous surface mobility
CN105571596A (zh) 多车辆环境探索方法及装置
EP4275013A1 (en) Method, data processing apparatus and computer program product for generating map data
Zha et al. Trajectory mining for localization using recurrent neural network
Shillcutt Solar-based navigation for robotic explorers
Kaubukowski et al. Classification of Large and Heterogeneous LiDAR Data Sets
Domınguez et al. Internal simulation for autonomous robot exploration of lava tubes

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