CN116069040A - 一种管道曲面约束的爬壁机器人路径规划方法和装置 - Google Patents
一种管道曲面约束的爬壁机器人路径规划方法和装置 Download PDFInfo
- Publication number
- CN116069040A CN116069040A CN202310202448.0A CN202310202448A CN116069040A CN 116069040 A CN116069040 A CN 116069040A CN 202310202448 A CN202310202448 A CN 202310202448A CN 116069040 A CN116069040 A CN 116069040A
- Authority
- CN
- China
- Prior art keywords
- path
- triangular
- pipeline
- curved surface
- point
- 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 67
- 230000009194 climbing Effects 0.000 title claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 239000013598 vector Substances 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000013461 design Methods 0.000 claims abstract description 8
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 49
- 230000033001 locomotion Effects 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000010845 search algorithm Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 9
- 238000001179 sorption measurement Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 239000003463 adsorbent Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic 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
- G05D1/0221—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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种管道曲面约束的爬壁机器人路径规划方法和装置，该方法包括：步骤1，获取代表管道场景的全局静态地图的设计图纸，建立管道壁面三角网格地图；步骤2，对三角网格地图进行预处理，利用快速行进算法，计算各点到终点的测地线距离；步骤3，采用测地线距离作为三角网格地图上两点间距离的度量，并用作变体A*路径搜索算法的启发函数，进行寻路，获得路径点序列；步骤4，在三角网格地图的局部三角面片上执行连续向量场梯度计算，获得路径点之间的平滑轨迹。本发明能够在管道壁面等曲面场景中快速启发、引导路径搜索指向目标点，同时保证规划的连续路径满足爬壁机器人运动学约束，降低失效风险，获得更加可行的全局路径。
Description
技术领域
本发明属于爬壁机器人路径规划领域，涉及一种管道曲面约束的爬壁机器人路径规划方法和装置。
背景技术
具有曲面结构的管道输送系统被广泛应用于工业生产中。然而，随着各类管道运营时间的延长，其老化程度、损坏风险都在加剧，对管道检测的需求也日益提高；其中，管道内检测又是管道检测的重中之重。由于管道的内部环境可能有毒有害，或架设地点不便于人工作业，替代传统人工管道检测的爬壁机器人便应运而生。爬壁机器人具有较强的机动性，能够抵达常规检测设备难以触及的管道内结构，在一些危险场景下替代了人工作业，从而大大降低了安全隐患。
爬壁机器人具有精巧的结构，其利用物理的或化学的方法吸附于管道的弯曲表面，包括磁吸附、真空吸附、化学吸附剂吸附等。与地面机器人相比，强大的吸附能力使得爬壁机器人能够在各种空间曲面上实现更丰富的运动，包括竖直壁面的攀爬、内、外直角结构的翻越、在管道壁顶部倒立行驶等，为管道内检测带来了更多可能性，同时也带来了更高的操作难度和控制要求。
目前，管道内检测移动机器人已经成功地用于燃气输送管道等多种场景。尽管其在一定程度上代替了人工作业，但其壁面运动通常依赖于人工遥控。为了实现机器人完全自主检测，提高检测效率，进一步降低人工成本，需要一套完整的智能化自动导航系统，管道内壁面路径自主规划是其中不可或缺的一环。爬壁机器人需要沿管道内壁爬行，但由于管道内存在复杂壁面形貌，常出现较大曲率变化或倾斜角度，需要综合考虑爬壁机器人的壁面行走失效条件、目标作业任务、负载能力等，优化机器人的曲面行走路径，以实现高效自主可靠的管道内检测作业。
路径规划问题是移动机器人实现自动化运行的重要基础和关键问题，其含义通常被认为是给定环境地图、起点、终点和运动约束，依照某种评价指标，如路径长度、非完整约束等，使用路径规划算法在环境地图中搜寻一条可行的路径，使移动机器人能按照规划的路径运动到目标位置。可行路径通常包含一系列离散的路径点，这是由计算机的数字离散性质导致的。对于离散的路径规划问题，将环境表示为占用栅格地图是一种直观的方法，所有栅格根据其邻接关系构成一张“图”（graph），或称之为“网格”（mesh），从而将路径规划问题转化为图搜索问题。
贪婪的搜索策略牺牲了计算效率和搜索时间以获得完备性和最优性，如Dijkstra算法。为了提高搜索的效率，减少冗余扩展，启发式函数被引入到路径规划算法中，其通过预测到目标的距离，从而引导搜索的方向。在构建适当的启发式函数的前提下，以A*算法为代表的启发式搜索算法可以有效提高搜索速度。当启发式函数对目标成本的预估精确描述了真实的成本时，路径规划算法能够在最少时间内找到最佳路径。否则，无论启发函数低估或高估了真实成本，则该算法都可能会花费更多的时间，同时有可能无法获得最优路径。
地面移动机器人受二维平面的约束，而无人机（UAV）和自主水下机器人可以在三维空间自由移动。它们有直观的测量方法，因此得到了广泛的研究；然而，管道机器人爬壁机器人严格限制在空间曲面上，其壁面行走介于二者之间，它能够实现三维运动，却被严格限制在空间曲面上；从机器人的视角看，它在壁面上做二维运动，但从全局视角看，它却在做三维运动。
核计算和变分贝叶斯推理相结合的方法可以逼近任意复杂函数，将这种回归方法用于地形建模，可以获得曲面的解析表达形式。在定义了起点和终点以及损失函数后，梯度下降算法（如L-BFGS或CHOMP）可被用于路径搜索和优化。然而，这种方法过于复杂，且无法计算出曲面方程的精确形式。
曲面的离散采样同样可以提供足够的信息密度和精度。基于点云的曲面路径规划方法非常简单，其可以仅使用原始传感器数据来评估局部地形的几何结构和可遍历性，省略了任何一种显式曲面重建或拓扑提取方法。在无序点云上，RRT*算法可用于搜索符合曲率和连续性约束的无碰撞路径。RRT*算法的固有缺陷可以通过局部优化加以消除，使规划路径满足运动约束。然而，这种方法是针对野外崎岖地形开发，对于具有更加复杂扭曲的曲面地形（如管道）的场景，树结构很难向目标快速扩展。
曲面流形是一个局部类似于欧几里德空间的拓扑空间，二维流形可以看作是在三维空间中的扭曲平面。不规则三角网格可以较好地兼顾曲面的整体形态和局部特征描述。与二维栅格上的路径规划问题类似，它也可以看作是流形三角形网格上的图搜索问题。张量投票方法可以用于简化原始点云，并细分不同类型的结构，从而实现插值完成和缺失部分的方向估计。该算法以局部增量的方式建立图连接，从而将曲面表示为可扩展的图结构。其他的一些方法如Voxblox使用截断符号距离场作为隐式曲面表示，其能够快速构建和平滑多次观测中的传感器噪声，并用于生成曲面网格。
由于曲面空间不同于欧氏空间，它们具有不同的度量。曲面的第一基本形式是曲面上曲线的弧长，也称为曲面的弯曲不变量，而两点之间最短的弧被称为测地线。当考虑最短路径规划时，在欧氏空间中两点之间的直线最短，而在二维流形上两点之间的测地线最短。启发式函数的设计对路径搜索算法的效率起着关键作用，因此精确估计测地距离是非常重要的。快速行进算法将波传播的思想应用于曲面上的最短路径问题，通过求解Eikonal方程，计算三角形网格上单个源点到所有顶点的测地距离，利于后续通过重心坐标的线性组合计算连续向量场，使曲面上的任何点都具有唯一的路径方向和控制信号。此种方法只能用于最短路径规划，在管道内，不考虑运动姿态的最短路径可能意味着更高的运动风险。
目前，爬壁机器人大多采用带缆作业，即通过遥操作的方式实现人工导航，这对于大型管道网络的日常检修是极为不利的。为了提高爬壁机器人的自动化工作效率，一些针对爬壁机器人的自动路径规划方法被提出，但仍停留在单纯的平面轨迹规划、或在曲面上使用平面轨迹规划方法。由于爬壁机器人的运行环境除了平面，也有较大比例为管道等曲面结构，同时考虑到管道的多重分支结构，常规路径规划方法难以高效启发路径搜索，导致算法效率降低，甚至在有效时间内无法计算出有效路径，当地图规模增加、管道分支增多、机器人数量增加时，常规路径规划方法的耗时将成倍增加。此外，管状曲面曲率变化大，具有许多特殊结构。当爬壁机器人在墙上进行复杂的运动时，如沿垂直管壁爬行或翻越内、外直角时，其侧滑和倾覆的风险很高。现有方法鲜少考虑管道曲面的地形约束和机器人的运动能力，若不对路径加以约束，爬壁机器人在管道内运动发生故障的风险将难以控制。
发明内容
为了解决现有技术中存在的上述技术问题，本发明提出了一种管道曲面约束的爬壁机器人路径规划方法和装置，其具体技术方案如下：
一种管道曲面约束的爬壁机器人路径规划方法，包括以下步骤：
步骤1，获取代表管道场景的全局静态地图的设计图纸，建立管道壁面三角网格地图；
步骤2，对三角网格地图进行预处理，利用快速行进算法，计算各点到终点的测地线距离；
步骤3，采用测地线距离作为三角网格地图上两点间距离的度量，并用作变体A*路径搜索算法的启发函数，利用变体A*全局路径搜索算法进行寻路，获得路径点序列；
步骤4，在三角网格地图的局部三角面片上执行连续向量场梯度计算，获得路径点之间的平滑轨迹。
进一步的，所述管道壁面三角网格地图以三角流形面片网络表示，三角流形面片网络由一系列三角面片及其边、顶点组成，其中每条边只由1~2个三角面片共享，且每个顶点周围的三角面片仅构成一个连续的扇面；所述爬壁机器人路径的起点、终点、路径点均表示为管道壁面三角网格地图中的节点，即三角面片顶点；地图中的节点分为可通行节点和不可通行节点，通过每个三角形面片被占用的概率进行确定；基于静态全局地图的初始地图建立后，管道壁面三角网格地图的节点状态、三角面片被占概率在运动中进行更新。
进一步的，所述建立所述管道壁面三角网格地图，具体包括以下过程：
步骤1.1，根据管道的设计图，利用CAD软件制作立体光刻模型：标准曲面细分语言模型；
步骤1.2，使用移动立方体算法处理标准曲面细分语言模型，将输入体划分为一组离散的立方体，每个立方体中包含一块原始曲面；
步骤1.3，根据立方体八个顶点在原始曲面两侧的分布情况，生成三角网格地图。
进一步的，所述步骤1.3，具体包括：
第一步，计算立方体八个顶点到曲面的符号距离函数，即顶点到曲面的最近距离，若顶点在管道内部，其符号距离函数为正值，若顶点在管道外部，其符号距离函数为负值，若顶点位于曲面上，则为0；
第二步，区分立方体八个顶点在曲面两侧的分布情况：首先由于每个顶点的符号距离函数具有正、负两种状态，将顶点分为种情况，其次考虑反转、旋转不变性，归纳为15种情况，最后，进行面的二义性检验以及立方体内部二义性检验，得到33种特殊类型，将33种特殊类型存储在一个查询表中，每种分布情况分别确定一种特定的立方体内三角网格划分形式；
第三步，对立方体每条边的两个顶点的符号距离函数值进行线性插值，得到三角面片顶点的具体坐标，生成三角网格地图。
进一步的，所述步骤2，具体为：对三角网格地图进行预处理，使用波阵面传播法在三角网格地图中进行测地线距离迭代计算，使得三角网格地图中任意节点到源点的测地线距离估计值趋近于最短距离，包括以下子步骤：
步骤201，对于三角网格地图，其中分别代表所有顶点、边、面的集合，将所有地图节点分为三类，即未处理集、未固定集、固定集，其含义分别为未计算测地线距离的节点、计算过测地线距离但可能再次更新的节点、计算过测地线距离且不再更新的节点，分别记为，令路径规划目标点为单个传播源点即单源点，记为，各节点到源点的测地线距离表示为；
步骤202，除单个传播源点外的所有地图节点归入未处理集，值设为正无穷；单源点归入固定集，值设为0，即：
；
；
；
步骤203，更新通过边与单源点直接相连的节点，即围绕单源点的三角面片的另外两个节点，并将其加入未固定集，即：
；
其中为地图中边的集合；
步骤204，将未固定集中具有最小值的节点取出，并加入固定集，即：
；
步骤205，迭代围绕点
的三角面片，选择除外另两个顶点中一个属于固定集，而另一个不属于固定集的三角面片，即：
；
步骤206，通过将弯曲的测地线拉直，在局部三角形平面上构造一个等价的源点，从而计算源点到的测地线距离，令：
；
以边为基准，节点和到的距离分别为：
；
；
边和在上的投影分别为：
；
；
根据勾股定理得到：
；
若更新后值减小，则用更新后的值取代原始的值，并将更新值后的节点移入未固定集，即：
；
步骤207，返回步骤205直至完成点周围的三角面片迭代，之后返回步骤204直到未固定集为空。
进一步的，所述步骤3，具体包括：
步骤301，定义变体A*路径搜索算法的启发函数为步骤2中计算获得的各点到终点的测地线距离；使用综合考虑距离因素、转向因素、相对表面曲率因素的代价函数进行单步代价值计算，单步代价包括距离代价、转向代价和曲率代价，即：
，为可变参数；设初始节点路径代价，后续子节点路径代价为父节点路径代价加单步代价，表达式为：
；
节点总代价为启发函数加路径代价，表达式为：
；
步骤302，指定路径起始、终止节点，定义两个点集，点集保存所有待定访问的节点，点集中记录已访问过的节点，其中包含起始节点，为空，同时计算；
步骤303，取出中值最小的节点，判断是否为终点，若是，则依次查找父节点并返回路径，完成路径搜索；否则，将该节点移出放入，并继续后续操作；
步骤304，迭代步骤303中取出的节点的所有邻节点，令
；
若已经属于或，且，则忽略该节点；
否则，将设为的父节点，并更新，若不在中，将其加入，并返回步骤302。
进一步的，所述距离代价，具体定义为子节点与父节点空间坐标之间的欧式距离；
转向代价，是路径曲率的平方，路径曲率通过将节点前运动方向和节点后运动方向投影到局部表面来计算，为两个投影向量之间的夹角除以步长；
曲率代价，是曲面法向变化角和接近角的乘积，曲面法向变化角定义为曲面上父子节点法向量的夹角，接近角定义为曲面上父、子节点连线与径向切面的夹角。
进一步的，所述步骤4，具体包括：
根据空间距离提取离散路径点半径范围内的三角面片，并计算各非路径节点到子路径节点的测地线距离；
基于地图各节点的测地线距离计算梯度下降的方向，对于任一三角面片的三个顶点，各自以顶点为圆心、测地线距离为半径画圆，三个圆将交于一点，即该三角面片对应的虚拟源点，指向该虚拟源点的方向即为梯度方向；
对于任一三角面片内的一点，其梯度方向为三个顶点的单位梯度方向的三线性插值：
；
；
；
。
一种管道曲面约束的爬壁机器人路径规划装置，包括一个或多个处理器，用于实现所述的一种管道曲面约束的爬壁机器人路径规划方法。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现所述的一种管道曲面约束的爬壁机器人路径规划方法。
有益效果：
本发明主要解决爬壁机器人在管道等具有分支结构的曲面环境中的可行路径规划问题，提高搜索效率，减少冗余搜索，综合考虑管道曲面的地形约束和机器人的运动能力，对路径进行约束，从而赋予机器人在复杂管道网络中自动化运动的能力，减少了管道检测工作中的人力成本。
附图说明
图1为本发明实施例的一种曲面约束的爬壁机器人路径规划流程示意图；
图2为本发明实施例的测地线距离更新算法示意图；
图3为本发明实施例的曲率代价函数计算示意图；
图4为本发明实施例的不同代价函数参数值对应的路径规划结果示意图；
图5为本发明实施例的连续向量场梯度方向示意图；
图6是本发明实施例的一种曲面约束的爬壁机器人路径规划装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和技术效果更加清楚明白，以下结合说明书附图和实施例，对本发明作进一步详细说明。
如图1所示，本发明的一种曲面约束的爬壁机器人路径规划方法，具体包括以下步骤：
步骤1，获取代表管道场景的全局静态地图的设计图纸，建立管道壁面三角网格地图。
本发明主要解决爬壁机器人在管道等具有分支结构的曲面环境中的可行路径规划问题，从而赋予机器人能够在复杂管道网络中自动化运动的能力；由于管道主体为圆柱形，同时附带三通管、弯管等特殊空间构造，其壁面通常为曲面，因此在进行路径搜索前对曲面进行有效表征和参数化。
在步骤1中，所述建立管道壁面三角网格地图，具体包括：
步骤1.1，根据管道的设计图，利用CAD软件制作立体光刻模型：标准曲面细分语言模型；
步骤1.2，使用移动立方体算法处理标准曲面细分语言模型，将输入体划分为一组离散的立方体，每个立方体中包含一块原始曲面；
步骤1.3，根据立方体八个顶点在曲面两侧的分布情况，生成近似于立方体内部三线性插值的三角网格，具体包括：
第一步，计算立方体八个顶点到原始曲面的符号距离函数，即该顶点到曲面的最近距离，若顶点在管道内部，其符号距离函数为正值，若顶点在管道外部，其符号距离函数为负值，若顶点位于曲面上，则为0；
第二步，区分立方体八个顶点在曲面两侧的分布情况，首先由于每个顶点的符号距离函数具有正、负两种状态，将其分为种情况，其次考虑反转、旋转不变性，归纳为15种基本情况，最后，进行面的二义性检验以及立方体内部二义性检验，最终得到33种特殊类型，将这33种特殊类型存储在一个查询表中，每种情况分别能确定一种特定的立方体内三角网格划分形式；
第三步，对立方体每条边的两个顶点的符号距离函数值进行线性插值，得到三角面片顶点的具体坐标，生成近似于立方体内部三线性插值的三角网格。
所述管道壁面三角网格地图以三角流形面片网络形式进行有效表征，三角流形面片网络由一系列三角面片及其边、顶点组成，其中每条边只由1~2个三角面片共享，且每个顶点周围的三角面片仅构成一个连续的扇面。
所述爬壁机器人路径的起点、终点、路径点均表示为管道壁面三角网格地图中的节点，即三角面片顶点；地图节点分为可通行节点和不可通行节点，可以通过每个三角形面片被占用的概率进行确定；基于静态全局地图的初始地图建立后，管道壁面三角网格地图的节点状态、三角面片被占概率可以在运动中进行更新。
步骤2，对三角网格地图进行预处理，利用快速行进算法，计算各点到终点的测地线距离。
在步骤2中，使用波阵面传播法在三角网格地图中进行测地线距离迭代计算，从而确保地图中任意节点到源点的测地线距离估计值趋近于最短距离。
具体的，所述步骤2采用以下子步骤实现：
步骤201，预定义：对于三角网格地图，其中分别代表所有顶点、边、面的集合，将所有地图节点分为三类，即未处理集、未固定集、固定集，其含义分别为未计算测地线的节点、计算过测地线距离但可能再次更新的节点、计算过测地线距离且不再更新的节点，分别记为，令路径规划目标点为单个传播源点即单源点，记为，各节点到源点的测地线距离表示为；
步骤202，初始化：除单个传播源点外的所有地图节点归入未处理集，值设为正无穷；单源点归入固定集，值设为0，即：
；
；
；
步骤203，第一次传播：更新通过边与单源点直接相连的节点，即围绕单源点的三角面片的另外两个节点，并将其加入未固定集，即：
；
其中为地图中边的集合；
步骤204，固定最小值：将未固定集中具有最小值的节点取出，并加入固定集，即：
；
步骤205，选择更新方向：迭代围绕点的三角面片，选择除外另两个顶点中一个属于固定集，而另一个不属于固定集的三角面片，即：
；
步骤206，更新测地线距离：如图2所示，通过将弯曲的测地线拉直，在局部三角形平面上构造一个等价的源点，从而计算源点到的测地线距离，令：
；
以边为基准，节点和到的距离分别为：
；
；
边和在上的投影分别为：
；
；
根据勾股定理可以得到：
；
若更新后值减小，则用更新后的值取代原始的值，并将更新值节的后点移入未固定集，即：
；
步骤207，循环迭代：返回步骤205直至完成点周围的三角面片迭代，之后返回步骤204直到未固定集为空。
通过步骤2所述的详细算法，可以获得管道壁面上每一点到源点到测地线距离；此外，显见的一点是，曲面上两个点之间到几何关系和最短距离，与常规的欧式几何有着明显的区别，为了实现有效的启发式搜索，必须使用测地线距离，而非欧式距离，作为曲面上点对之间距离的度量。
步骤3，采用测地线距离作为三角网格地图上两点间距离的度量，并用作变体A*路径搜索算法的启发函数，利用变体A*全局路径搜索算法进行寻路，获得路径点序列。
在步骤3中，使用多种评价指标加权的代价函数，令三角网格地图上的每个节点的值为代价函数值与启发函数值的和，通过递归地选择具有最小和值的节点作为路径点以完成路径的搜索，具体包括以下子步骤：
步骤301，定义变体A*路径搜索算法的启发函数为步骤2中计算获得的各点到终点的测地线距离；使用综合考虑距离因素、转向因素、相对表面曲率因素的代价函数进行单步代价值计算，单步代价包括距离代价、转向代价和曲率代价，即：
，为可变参数；
设初始节点路径代价，后续子节点路径代价为父节点路径代价加单步代价，表达式为：
；
节点总代价为启发函数加路径代价，表达式为：
。
其中，为距离代价，具体定义为子节点与父节点空间坐标之间的欧式距离，表达式为：；
为转向代价，是路径曲率的平方，这是为了确保多个较小角度的转弯比单个较大角度的转弯获得更高的分数，从而避免路径发生急剧的转向；此外，起点和终点的转向代价均记为0；
路径曲率通过将节点前运动方向和节点后运动方向投影到局部表面来计算，为两个投影向量之间的夹角除以步长：
；
；
；
；
其中，为路径节点指向其子节点方向的单位向量，为路径节点处曲面的单位法向量，指向管道内部；
如图3所示，为曲率代价，是曲面法向变化角和接近角的乘积，能够限制爬壁机器人的运动姿态，由于爬壁机器人吸附装置需要一定的接触面积以实现稳定吸附，其运动方向应当垂直或平行于曲面梯度下降方向，从而获得最大的接触面积和最小的气隙，增强吸附力，从而提高运动稳定性；其具体定义为曲面法向变化角定义为曲面上父子节点法向量的夹角，接近角定义为曲面父、子节点连线与径向切面的夹角，表达式如下：
；
；
；
；
其中，，为互相正交的单位向量，共同构成路径节点处的机器人本体直角坐标系，代表运动姿态；
步骤302，指定路径起始、终止节点，定义两个点集，点集保存所有待定访问的节点，点集中记录已访问过的节点，其中包含起始节点，为空，同时计算；
步骤303，取出中值最小的节点，判断是否为终点：
若是，依次查找父节点并返回路径，完成路径搜索；
否则，将该节点移出放入，并继续后续操作；
步骤304，迭代步骤303中取出的节点的所有邻节点，令；
若已经属于或，且，则忽略该节点；
否则，将设为的父节点，并更新，若不在中，将其加入，并返回步骤302。
如图4所示，通过步骤3所述的详细算法，可以获得管道壁面上从起点到终点的规划路径；基于步骤301所述的单步代价计算函数，通过调整等三个可变参数，可以获得不同形式的最终路径，即代价函数中的三个权重系数在不同取值时，能够实现不同路径的规划，具体如下：时，只有距离代价生效，对应最短路径；在复杂的管道中，最短路径意味着更高的曲率代价，磁轮与管道曲面具有更大的气隙，从而吸附力下降，将会导致更高的失效风险；
时只有转向代价和曲率代价生效，其中转向代价限制路径出现转向的次数和角度，使路径倾向于“直线”；曲率代价限制路径以大角度穿越高曲率区域，使路径倾向于沿管道轴向或周向前进；值得注意的是，尽管代价函数中不包括距离代价，启发函数仍然与距离有关，路径依然能够有效地拓展。
当时，代价函数以曲率代价为主导，若将管道壁面沿轴线剪开并展开为平面，其路径倾向于“走棋盘”；越大，转向代价在代价函数中占比越高，对路径转向的限制越大，最终路径的转折次数越少。
步骤4，在三角网格地图的局部三角面片上执行连续向量场梯度计算，获得路径点之间的平滑轨迹。
根据可能的偏航范围和允许误差确定阈值距离，根据空间距离提取离散路径点周围的三角面片，并在局部三角网络中计算各非路径节点到子路径节点的测地线距离，计算方式与前述相同；
基于地图各节点的测地线距离计算梯度下降的方向，对任一三角面片的三个顶点而言，各自以顶点为圆心、测地线距离为半径画圆，三个圆将交于一点，即该三角面片对应的虚拟源点，指向该虚拟源点的方向即为梯度方向。
如图5所示，对于任一三角面片内的一点，其梯度方向为三个顶点的单位梯度方向的三线性插值：
；
；
；
。
可以用作爬壁机器人的控制信号，使其在两个离散的路径点之间获得连续的控制信息，也能够帮助爬壁机器人在偏航时仍能导向下一个规划好的路径点。
与前述一种管道曲面约束的爬壁机器人路径规划方法的实施例相对应，本发明还提供了一种管道曲面约束的爬壁机器人路径规划装置的实施例。
参见图6，本发明实施例提供的一种管道曲面约束的爬壁机器人路径规划装置，包括一个或多个处理器，用于实现上述实施例中的一种管道曲面约束的爬壁机器人路径规划方法。
本发明一种管道曲面约束的爬壁机器人路径规划装置的实施例可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图6所示，为本发明一种管道曲面约束的爬壁机器人路径规划装置所在任意具备数据处理能力的设备的一种硬件结构图，除了图6所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述实施例中的一种管道曲面约束的爬壁机器人路径规划方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡（Smart Media Card，SMC）、SD卡、闪存卡（Flash Card）等。进一步的，所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述，仅为本发明的优选实施案例，并非对本发明做任何形式上的限制。虽然前文对本发明的实施过程进行了详细说明，对于熟悉本领域的人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行同等替换。凡在本发明精神和原则之内所做修改、同等替换等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，包括以下步骤：
步骤1，获取代表管道场景的全局静态地图的设计图纸，建立管道壁面三角网格地图；
步骤2，对三角网格地图进行预处理，利用快速行进算法，计算各点到终点的测地线距离；
步骤3，采用测地线距离作为三角网格地图上两点间距离的度量，并用作变体A*路径搜索算法的启发函数，利用变体A*全局路径搜索算法进行寻路，获得路径点序列；
步骤4，在三角网格地图的局部三角面片上执行连续向量场梯度计算，获得路径点之间的平滑轨迹。
2.如权利要求1所述的一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，所述管道壁面三角网格地图以三角流形面片网络表示，三角流形面片网络由一系列三角面片及其边、顶点组成，其中每条边只由1~2个三角面片共享，且每个顶点周围的三角面片仅构成一个连续的扇面；所述爬壁机器人路径的起点、终点、路径点均表示为管道壁面三角网格地图中的节点，即三角面片顶点；地图中的节点分为可通行节点和不可通行节点，通过每个三角形面片被占用的概率进行确定；基于静态全局地图的初始地图建立后，管道壁面三角网格地图的节点状态、三角面片被占概率在运动中进行更新。
3.如权利要求1所述的一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，所述建立所述管道壁面三角网格地图，具体包括以下过程：
步骤1.1，根据管道的设计图，利用CAD软件制作立体光刻模型：标准曲面细分语言模型；
步骤1.2，使用移动立方体算法处理标准曲面细分语言模型，将输入体划分为一组离散的立方体，每个立方体中包含一块原始曲面；
步骤1.3，根据立方体八个顶点在原始曲面两侧的分布情况，生成三角网格地图。
4.如权利要求3所述的一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，所述步骤1.3，具体包括：
第一步，计算立方体八个顶点到曲面的符号距离函数，即顶点到曲面的最近距离，若顶点在管道内部，其符号距离函数为正值，若顶点在管道外部，其符号距离函数为负值，若顶点位于曲面上，则为0；
第二步，区分立方体八个顶点在曲面两侧的分布情况：首先由于每个顶点的符号距离函数具有正、负两种状态，将顶点分为种情况，其次考虑反转、旋转不变性，归纳为15种情况，最后，进行面的二义性检验以及立方体内部二义性检验，得到33种特殊类型，将33种特殊类型存储在一个查询表中，每种分布情况分别确定一种特定的立方体内三角网格划分形式；
第三步，对立方体每条边的两个顶点的符号距离函数值进行线性插值，得到三角面片顶点的具体坐标，生成三角网格地图。
5.如权利要求2所述的一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，所述步骤2，具体为：对三角网格地图进行预处理，使用波阵面传播法在三角网格地图中进行测地线距离迭代计算，使得三角网格地图中任意节点到源点的测地线距离估计值趋近于最短距离，包括以下子步骤：
步骤201，对于三角网格地图，其中分别代表所有顶点、边、面的集合，将所有地图节点分为三类，即未处理集、未固定集、固定集，其含义分别为未计算测地线距离的节点、计算过测地线距离但可能再次更新的节点、计算过测地线距离且不再更新的节点，分别记为，令路径规划目标点为单个传播源点即单源点，记为，各节点到源点的测地线距离表示为；
步骤202，除单个传播源点外的所有地图节点归入未处理集，值设为正无穷；单源点归入固定集，值设为0，即：
；
；
；
步骤203，更新通过边与单源点直接相连的节点，即围绕单源点的三角面片的另外两个节点，并将其加入未固定集，即：
；
其中为地图中边的集合；
步骤204，将未固定集中具有最小值的节点取出，并加入固定集，即：
；
步骤205，迭代围绕点的三角面片，选择除外另两个顶点中一个属于固定集S，而另一个不属于固定集S的三角面片，即：
；
步骤206，通过将弯曲的测地线拉直，在局部三角形平面上构造一个等价的源点S，从而计算源点到的测地线距离，令：
；
以边为基准，节点和S到的距离分别为：
；
；
边和在上的投影分别为：
；
；
根据勾股定理得到：
；
若更新后值减小，则用更新后的值取代原始的值，并将更新值后的节点移入未固定集Q，即：
；
步骤207，返回步骤205直至完成点周围的三角面片迭代，之后返回步骤204直到未固定集Q为空。
6.如权利要求5所述的一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，所述步骤3，具体包括：
步骤301，定义变体A*路径搜索算法的启发函数为步骤2中计算获得的各点到终点的测地线距离；使用综合考虑距离因素、转向因素、相对表面曲率因素的代价函数进行单步代价值计算，单步代价包括距离代价、转向代价和曲率代价，即：
，为可变参数；设初始节点路径代价，后续子节点路径代价为父节点路径代价加单步代价，表达式为：
；
节点总代价为启发函数加路径代价，表达式为：
；
步骤302，指定路径起始、终止节点，定义两个点集，点集保存所有待定访问的节点，点集中记录已访问过的节点，其中包含起始节点，为空，同时计算；
步骤303，取出中值最小的节点，判断是否为终点，若是，则依次查找父节点并返回路径，完成路径搜索；否则，将该节点移出放入，并继续后续操作；
步骤304，迭代步骤303中取出的节点的所有邻节点，令
；
若已经属于或，且，则忽略该节点；
否则，将设为的父节点，并更新，若不在中，将其加入，并返回步骤302。
7.如权利要求6所述的一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，所述距离代价，具体定义为子节点与父节点空间坐标之间的欧式距离；
转向代价，是路径曲率的平方，路径曲率通过将节点前运动方向和节点后运动方向投影到局部表面来计算，为两个投影向量之间的夹角除以步长；
曲率代价，是曲面法向变化角和接近角的乘积，曲面法向变化角定义为曲面上父子节点法向量的夹角，接近角定义为曲面上父、子节点连线与径向切面的夹角。
8.如权利要求6所述的一种管道曲面约束的爬壁机器人路径规划方法，其特征在于，所述步骤4，具体包括：
根据空间距离提取离散路径点半径范围内的三角面片，并计算各非路径节点到子路径节点的测地线距离；
基于地图各节点的测地线距离计算梯度下降的方向，对于任一三角面片的三个顶点，各自以顶点为圆心、测地线距离为半径画圆，三个圆将交于一点，即该三角面片对应的虚拟源点，指向该虚拟源点的方向即为梯度方向；
对于任一三角面片内的一点，其梯度方向为三个顶点的单位梯度方向的三线性插值：
；
；
；
。
9.一种管道曲面约束的爬壁机器人路径规划装置，其特征在于，包括一个或多个处理器，用于实现权利要求1~8中任一项所述的一种管道曲面约束的爬壁机器人路径规划方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1~8中任一项所述的一种管道曲面约束的爬壁机器人路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310202448.0A CN116069040B (zh) | 2023-03-06 | 2023-03-06 | 一种管道曲面约束的爬壁机器人路径规划方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310202448.0A CN116069040B (zh) | 2023-03-06 | 2023-03-06 | 一种管道曲面约束的爬壁机器人路径规划方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116069040A true CN116069040A (zh) | 2023-05-05 |
| CN116069040B CN116069040B (zh) | 2023-07-14 |
Family
ID=86183771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310202448.0A Active CN116069040B (zh) | 2023-03-06 | 2023-03-06 | 一种管道曲面约束的爬壁机器人路径规划方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116069040B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117432949A (zh) * | 2023-12-20 | 2024-01-23 | 东北大学 | 管道巡检机器人的导航方法及装置、存储介质、终端 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102132277A (zh) * | 2008-06-26 | 2011-07-20 | 西门子产品生命周期管理软件公司 | 用于管道和管的路径的无冲突cad设计的系统和方法 |
| CN103984344A (zh) * | 2014-05-20 | 2014-08-13 | 中科华核电技术研究院有限公司 | 用于核电站蒸汽发生器二次侧的爬壁机器人路径规划方法 |
| WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
| US9895803B1 (en) * | 2015-06-19 | 2018-02-20 | X Development Llc | Calculating trajectory corridor for robot end effector |
| CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
| CN113485369A (zh) * | 2021-08-03 | 2021-10-08 | 浙江大学 | 改进a*算法的室内移动机器人路径规划和路径优化方法 |
| CN113758662A (zh) * | 2021-09-24 | 2021-12-07 | 长江三峡通航管理局 | 一种液压启闭机管道连接密封性检测系统 |
| CN114811265A (zh) * | 2022-03-08 | 2022-07-29 | 合肥工业大学 | 一种管道探测装置及系统 |
| CN114879699A (zh) * | 2022-06-15 | 2022-08-09 | 东北大学 | 针对埋地管道野外巡检机器人的自主导航系统及方法 |
| CN115639810A (zh) * | 2022-07-12 | 2023-01-24 | 上海电力大学 | 一种爬壁机器人在管道运维中的轨迹规划和跟踪方法 |
-
2023
- 2023-03-06 CN CN202310202448.0A patent/CN116069040B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102132277A (zh) * | 2008-06-26 | 2011-07-20 | 西门子产品生命周期管理软件公司 | 用于管道和管的路径的无冲突cad设计的系统和方法 |
| CN103984344A (zh) * | 2014-05-20 | 2014-08-13 | 中科华核电技术研究院有限公司 | 用于核电站蒸汽发生器二次侧的爬壁机器人路径规划方法 |
| US9895803B1 (en) * | 2015-06-19 | 2018-02-20 | X Development Llc | Calculating trajectory corridor for robot end effector |
| WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
| CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
| CN113485369A (zh) * | 2021-08-03 | 2021-10-08 | 浙江大学 | 改进a*算法的室内移动机器人路径规划和路径优化方法 |
| CN113758662A (zh) * | 2021-09-24 | 2021-12-07 | 长江三峡通航管理局 | 一种液压启闭机管道连接密封性检测系统 |
| CN114811265A (zh) * | 2022-03-08 | 2022-07-29 | 合肥工业大学 | 一种管道探测装置及系统 |
| CN114879699A (zh) * | 2022-06-15 | 2022-08-09 | 东北大学 | 针对埋地管道野外巡检机器人的自主导航系统及方法 |
| CN115639810A (zh) * | 2022-07-12 | 2023-01-24 | 上海电力大学 | 一种爬壁机器人在管道运维中的轨迹规划和跟踪方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117432949A (zh) * | 2023-12-20 | 2024-01-23 | 东北大学 | 管道巡检机器人的导航方法及装置、存储介质、终端 |
| CN117432949B (zh) * | 2023-12-20 | 2024-03-15 | 东北大学 | 管道巡检机器人的导航方法及装置、存储介质、终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116069040B (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lin et al. | Autonomous aerial navigation using monocular visual‐inertial fusion | |
| Gao et al. | Online safe trajectory generation for quadrotors using fast marching method and bernstein basis polynomial | |
| CN108444482B (zh) | 一种无人机自主寻路避障方法及系统 | |
| Yahja et al. | An efficient on-line path planner for outdoor mobile robots | |
| Yousif et al. | An overview to visual odometry and visual SLAM: Applications to mobile robotics | |
| Gao et al. | Online quadrotor trajectory generation and autonomous navigation on point clouds | |
| US5056031A (en) | Apparatus for detecting the collision of moving objects | |
| CN105258702A (zh) | 一种基于slam导航移动机器人的全局定位方法 | |
| CN116069040B (zh) | 一种管道曲面约束的爬壁机器人路径规划方法和装置 | |
| Gan et al. | Research on robot motion planning based on RRT algorithm with nonholonomic constraints | |
| Ding et al. | Trajectory replanning for quadrotors using kinodynamic search and elastic optimization | |
| CN114494329B (zh) | 用于移动机器人在非平面环境自主探索的导引点选取方法 | |
| Kennedy III et al. | Optimal paths for polygonal robots in SE (2) | |
| Chen et al. | Intelligent warehouse robot path planning based on improved ant colony algorithm | |
| Plaku et al. | Clearance-driven motion planning for mobile robots with differential constraints | |
| Tsardoulias et al. | Construction of minimized topological graphs on occupancy grid maps based on GVD and sensor coverage information | |
| Wang et al. | A partitioning-based approach for robot path planning problems | |
| Scherer et al. | Efficient C-space and cost function updates in 3D for unmanned aerial vehicles | |
| Amorim et al. | Towards efficient path planning of a mobile robot on rough terrain | |
| Zhao et al. | Location technology of indoor robot based on laser sensor | |
| CN115639817A (zh) | 一种路径的轨迹修正方法、装置、设备和介质 | |
| CN111912411A (zh) | 一种机器人导航定位方法、系统及存储介质 | |
| Li et al. | Constrained Path Planning on Pipeline Surface for Wall Climbing Robots | |
| Hong et al. | Design and Implementation of Path Planning for Wheel-Track Hybrid Mobile Robot | |
| Shen et al. | A Novel Self‐Positioning Based on Feature Map Creation and Laser Location Method for RBPF‐SLAM |
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 |