CN116225029B - 一种机器人路径规划方法 - Google Patents
一种机器人路径规划方法 Download PDFInfo
- Publication number
- CN116225029B CN116225029B CN202310495395.6A CN202310495395A CN116225029B CN 116225029 B CN116225029 B CN 116225029B CN 202310495395 A CN202310495395 A CN 202310495395A CN 116225029 B CN116225029 B CN 116225029B
- Authority
- CN
- China
- Prior art keywords
- robot
- path
- moving
- positioning
- target position
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000005265 energy consumption Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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)
- Optics & Photonics (AREA)
- Electromagnetism (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路径规划方法，涉及路径规划技术领域，划定机器人的活动区域，搭建活动区域的三维地图，识别出活动区域内的地形特征；在获取会阻挡机器人移动的遮挡物的尺寸后，将障碍物在三维地图上显示，选择定位路标，将定位路标在三维地图中进行标记；结合地形特征，在规避障碍物后，规划出若干条指向目标位置的移动路径，对机器人沿着移动路径的移动过程进行仿真分析；从若干条移动路径中选择出耗时最短的作为第一路径，由控制单元形成控制指令，使机器人沿着第一路径向目标位置移动。经过仿真分析筛选后的第一路径可靠性更高，使路径规划模型所生成的移动路径和实际情况契合程度更高。
Description
技术领域
本发明涉及路径规划技术领域，具体为一种机器人路径规划方法。
背景技术
移动机器人作为智能化装备的重要组成部分，已经在航天、工业、医疗、农业和服务等不同领域中得到了诸多应用并且发挥了不可或缺的作用。其中，路径规划是机器人移动的关键核心技术。移动机器人路径规划是指寻找一条从起始坐标到的目的坐标的可行路径，并满足路径长度和运算时间最优，同时保持移动机器人在移动过程中不与障碍物发生碰撞。
现有的路径规划方法主要分为传统算法、机器学习算法和强化学习算法，在确定了机器人的活动区域后，能够快速的为机器人规划出移动至目标位置的最短路径，但是，最短路径往往并非最优路径，甚至和实际情况不够契合。
为此，本发明提供了一种机器人路径规划方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种机器人路径规划方法，通过划定机器人的活动区域，搭建活动区域的三维地图，识别出活动区域内的地形特征；在获取会阻挡机器人移动的遮挡物的尺寸后，将障碍物在三维地图上显示，选择定位路标，将定位路标在三维地图中进行标记；结合地形特征，在规避障碍物后，规划出若干条指向目标位置的移动路径，对机器人沿着移动路径的移动过程进行仿真分析；从若干条移动路径中选择出耗时最短的作为第一路径，由控制单元形成控制指令，使机器人沿着第一路径向目标位置移动。经过仿真分析筛选后的第一路径可靠性更高，使路径规划模型所生成的移动路径和实际情况契合程度更高，从而解决了背景技术中的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种机器人路径规划方法，包括导航单元、路径生成单元及控制单元，其中，在机器人移动前，划定机器人的活动区域，并确定其边界及机器人的目标位置，由导航单元采集获取活动区域内的三维图像信息，通过由SLAM算法建立的地图构建模型使用三维图像信息，搭建活动区域的三维地图，在获取活动区域内的三维地图后，识别出活动区域内的地形特征；
当活动区域内存在遮挡物时，识别活动区域内存在的遮挡物并判断各个遮挡物的尺寸，在获取会阻挡机器人移动的遮挡物的尺寸后，并将大于该尺寸的遮挡物确定为障碍物，将障碍物在三维地图上显示，选择若干个障碍物中尺寸最大的一部分作为定位路标，将定位路标在三维地图中进行标记；
由路径生成单元使用PRM算法构建路径规划模型，结合地形特征，在规避障碍物后，由路径规划模型在三维地图的规划出若干条指向目标位置的移动路径，在三维地图上显示；使用活动区域内的图像数据和机器人性能数据，在训练和测试后生成机器人移动模型，获取若干条移动路径，对机器人沿着移动路径的移动过程进行仿真分析；
获取若干条移动路径仿真分析结果后，从若干条移动路径中选择出耗时最短的作为第一路径，并将第一路径在三维地图上做显著性的标记后，由控制单元形成控制指令，使机器人沿着第一路径向目标位置移动。
进一步的，当机器人沿着第一路径向目标位置移动时，由机器人的机器视觉模块别出视野范围内的各个定位路标，在进行匹配后，将所识别出的定位路标在三维地图上标记；识别并获取机器人周围的三个定位路标，分别通过雷达和激光测量与所述的三个定位路标的距离，并分别确定为雷达距离及激光距离。
进一步的，还包括路径矫正单元，将雷达距离和激光距离发送至路径矫正单元后，通过三边定位算法，分别计算机器人在活动区域的位置，将由雷达测距所确定的位置作为第一位置，将激光测距所确定的位置作为第二位置；当第一位置和第二位置不相重合时，获取第一位置和第二位置间的距离，并将第一位置和第二位置间的距离确定为测距误差。
进一步的，当测距误差小于误差阈值时，以第一位置和第二位置的中点作为当前定位；当测距误差不小于误差阈值时，在活动区域内，再使用机器人的蓝牙定位模块对机器人进行定位，并生成第三位置；在第三位置和第二位置及第一位置重叠或共线时，以第三位置作为当前定位；在第三位置不和第二位置及第一位置重叠或共线时，将三个位置的中心点作为当前定位；获取机器人的当前定位，并在三维地图的进行显示。
进一步的，在机器人沿着第一路径向目标位置移动时，由路径生成单元从三维地图上获取当前定位，以机器人当前定位与目标位置的路程作为剩余距离Sy；由机器人移动模型对机器人沿着第一路径向目标位置的移动过程进行仿真分析，获取机器人抵达目标位置的预期能耗Yq，并以机器人抵达目标位置所要花费的时间作为移动时间Yt。
进一步的，还包括数据汇总单元及判断单元，由数据汇总单元汇总剩余距离Sy、预期能耗Yq及移动时间Yt，建立移动预期数据集，将移动预期数据集发送至判断单元；由判断单元依照如下公式生成路径评价系数Les：
其中，0≤ρ≤1，0≤ζ≤1，且ρ+ζ＝1，ρ、ζ为权重，其具体值由用户调整设置。
进一步的，当路径评价系数Les大于评价阈值时，由路径生成单元从规划的移动路径中为机器人选择新的移动路径，并为机器人规划出由当前定位转移至新的移动路径的连接路径；将连接路径和新的移动路径连通后，以连通后的路径作为第二路径；由机器人移动模型对机器人沿着第二路径向目标位置的移动过程进行仿真分析，在获取仿真分析结果后，由判断单元再次生成路径评价系数Les；判断出两个路径评价系数Les中的较小值，由路径矫正单元将与路径评价系数Les中的较小值相对应的路径确定为选定路径，使机器人沿着选定路径向目标位置移动。
进一步的，在机器人沿着选定路径向目标位置移动时，由输出单元对机器人的移动过程进行记录，在机器人移动至目标位置后，将选定路径等量的分割为若干个移动区间；获取机器人在移动时的定位信息，判断机器人在移动区间内偏离选定路径的距离，将其与移动区间的比值确定为偏离比Pb；获取机器人在移动区间内的移动能耗Nh，以及在移动区间内的平均速度Pv。
进一步的，分别获取若干个偏离比Pb的方差、若干个移动能耗Nh的方差及若干个平均速度Pv的方差，并分别记录为偏离差Pc、能耗差Nc以及速度差Vc，将偏离差Pc、能耗差Nc以及速度差Vc无量纲处理后，依照如下公式生成移动稳定度Yw：
其中，α及β为可变更常数参数，0.61≤α≤1.56，0.71≤β≤2.73，其具体值由用户调整设置。
进一步的，还包括输出单元，以获取移动稳定度Yw对选定路径进行评价，当移动稳定度Yw的值大于稳定阈值时，将选定路径确定为推荐路径，当机器人再次去该目标位置时，由输出单元向机器人推荐，当移动稳定度Yw的值不大于稳定阈值时，由输出单元向机器人预警，将选定路径确定为备选路径。
(三)有益效果
本发明提供了一种机器人路径规划方法，具备以下有益效果：
1、结合地形特征，由机器人移动模型对所选择的若干条移动路径进行仿真分析，以所获取的仿真分析结果，选择出其中较佳的路径作为第一路径，经过仿真分析筛选后的第一路径可靠性更高，而且考虑了活动区域内的地形特征和机器人本身的性能，使路径规划模型所生成的移动路径和实际情况契合程度更高。
2、通过雷达、激光及蓝牙的配合，最终确定出机器人在活动区域的位置信息，定位的准确度更高；可以在确定机器人的移动路径后，使其移动方向不会产生偏离，使得为机器人的路径规划更有可应用性。
3、通过移动路径的更换，使机器人能够更为顺利的到达目标位置，使所规划的移动路径具有一定的可调节性，而非固定不变，在机器人自身运行条件产生变化时，在所规划的移动路径上，也能够及时的做出响应。
4、以移动稳定度Yw对机器人在选定路径上的状态进行描述，在机器人已经抵达目标位置后，对选定路径进行评价，以实际结果来判断选定路径是否具有较佳的可行性，在下次规划路径时，对是否规避该路径形成参考，使为机器人所规划的路径更具有实用性。
附图说明
图1为本发明机器人路径规划方法的第一流程示意图；
图2为本发明机器人路径规划方法的第二流程示意图。
图中：10、导航单元；20、路径生成单元；30、控制单元；40、数据汇总单元；50、判断单元；60、路径矫正单元；70、输出单元。
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-图2，本发明提供一种机器人路径规划方法，包括导航单元10、路径生成单元20、控制单元30、数据汇总单元40及判断单元50、路径矫正单元60、输出单元70，其中，
在机器人移动前，划定机器人的活动区域，并确定其边界及机器人的目标位置，由导航单元10采集获取活动区域内的三维图像信息，通过由SLAM算法建立的地图构建模型使用三维图像信息，搭建活动区域的三维地图，在获取活动区域内的三维地图后，识别出活动区域内的地形特征；
当活动区域内存在遮挡物时，例如，立柱、设备或者其他物品，识别活动区域内存在的遮挡物并判断各个遮挡物的尺寸，在获取会阻挡机器人移动的遮挡物的尺寸后，并将大于该尺寸的遮挡物确定为障碍物，将障碍物在三维地图上显示，选择若干个障碍物中尺寸最大的一部分作为定位路标，将定位路标在三维地图中进行标记；
由路径生成单元20使用PRM算法构建路径规划模型，结合地形特征，在规避障碍物后，由路径规划模型在三维地图的规划出若干条指向目标位置的移动路径，在三维地图上显示；使用活动区域内的图像数据和机器人性能数据，在训练和测试后生成机器人移动模型，获取若干条移动路径，对机器人沿着移动路径的移动过程进行仿真分析；
获取若干条移动路径仿真分析结果后，从若干条移动路径中选择出耗时最短的作为第一路径，并将第一路径在三维地图上做显著性的标记后，由控制单元30形成控制指令，使机器人沿着第一路径向目标位置移动。
使用时，在建立三维地图并识别出活动区域内的地形特征后，生成机器人移动模型，并在规划了若干条移动路径后，在结合地形特征，由机器人移动模型对所选择的若干条移动路径进行仿真分析，以所获取的仿真分析结果，选择出其中较佳的路径作为第一路径；相对于传统的路径规划，经过仿真分析筛选后的第一路径可靠性更高，而且考虑了活动区域内的地形特征和机器人本身的性能，使路径规划模型所生成的移动路径和实际情况契合程度更高。
参考图1及图2，当机器人沿着第一路径向目标位置移动时，由机器人的机器视觉模块别出视野范围内的各个定位路标，在进行匹配后，将所识别出的定位路标在三维地图上标记；识别并获取机器人周围的三个定位路标，分别通过雷达和激光测量与所述的三个定位路标的距离，并分别确定为雷达距离及激光距离；
将雷达距离和激光距离发送至路径矫正单元60后，通过三边定位算法，分别计算机器人在活动区域的位置，将由雷达测距所确定的位置作为第一位置，将激光测距所确定的位置作为第二位置；当第一位置和第二位置不相重合时，获取第一位置和第二位置间的距离，并将第一位置和第二位置间的距离确定为测距误差；
当测距误差小于误差阈值时，以第一位置和第二位置的中点作为当前定位；当测距误差不小于误差阈值时，在活动区域内，再使用机器人的蓝牙定位模块对机器人进行定位，并生成第三位置；在第三位置和第二位置及第一位置重叠或共线时，以第三位置作为当前定位；在第三位置不和第二位置及第一位置重叠或共线时，将三个位置的中心点作为当前定位；需要说明的是，所述的中心点是指将三个位置相连，以连接后形成三角形的重心作为所述的中心；获取机器人的当前定位，并在三维地图的进行显示。
使用时，在三维地图上确定出定位路标后，分别通过雷达、激光及蓝牙的配合，对机器人在活动区域内位置进行测定，最终确定出机器人在活动区域的位置信息，从而在对机器人进行定位和导航时，定位的准确度更高；并且，通过为机器人提供一种更为准确的定位方法，可以在确定机器人的移动路径后，使其移动方向不会产生偏离，使得为机器人的路径规划更有可应用性。
参考图1及图2，在机器人沿着第一路径向目标位置移动时，由路径生成单元20从三维地图上获取当前定位，以机器人当前定位与目标位置的路程作为剩余距离Sy；由机器人移动模型对机器人沿着第一路径向目标位置的移动过程进行仿真分析，获取机器人抵达目标位置的预期能耗Yq，并以机器人抵达目标位置所要花费的时间作为移动时间Yt；
由数据汇总单元40汇总剩余距离Sy、预期能耗Yq及移动时间Yt，建立移动预期数据集，将移动预期数据集发送至判断单元50，由判断单元50依照如下公式生成路径评价系数Les：
其中，0≤ρ≤1，0≤ζ≤1，且ρ+ζ＝1，ρ、ζ为权重，其具体值由用户调整设置。
使用时，在确定第一路径后，由机器人沿着第一路径向目标位置移动，在汇总并建立移动预期数据集后，以生成路径评价系数Les可以对所选定的第一路径进行评价，判断所选择的第一路径是否达到了适用标准，如果未能达到，则可以选择其他的路径。
参考图1及图2，当路径评价系数Les大于评价阈值时，由路径生成单元20从规划的移动路径中为机器人选择新的移动路径，并为机器人规划出由当前定位转移至新的移动路径的连接路径；将连接路径和新的移动路径连通后，以连通后的路径作为第二路径；
由机器人移动模型对机器人沿着第二路径向目标位置的移动过程进行仿真分析，在获取仿真分析结果后，由判断单元50再次生成路径评价系数Les；判断出两个路径评价系数Les中的较小值，由路径矫正单元60将与路径评价系数Les中的较小值相对应的路径确定为选定路径，使机器人沿着选定路径向目标位置移动。
使用时，在机器人已经选择第一路径后，若对应的路径评价系数Les大于评价阈值，若存在可选路径，则可以为机器人选择可选路径，并将可选路径作为第二路径，从而在允许的条件下，使机器人沿着第二路径向目标位置移动；通过移动路径的更换，使机器人能够更为顺利的到达目标位置，使所规划的移动路径具有一定的可调节性，而非固定不变，在机器人自身运行条件产生变化时，在所规划的移动路径上，也能够及时的做出响应。
参考图1及图2，在机器人沿着选定路径向目标位置移动时，由输出单元70对机器人的移动过程进行记录，在机器人移动至目标位置后，将选定路径等量的分割为若干个移动区间；
获取机器人在移动时的定位信息，判断机器人在移动区间内偏离选定路径的距离，将其与移动区间的比值确定为偏离比Pb；获取机器人在移动区间内的移动能耗Nh，以及在移动区间内的平均速度Pv；
分别获取若干个偏离比Pb的方差、若干个移动能耗Nh的方差及若干个平均速度Pv的方差，并分别记录为偏离差Pc、能耗差Nc以及速度差Vc，将偏离差Pc、能耗差Nc以及速度差Vc无量纲处理后，依照如下公式生成移动稳定度Yw：
其中，α及β为可变更常数参数，0.61≤α≤1.56，0.71≤β≤2.73，其具体值由用户调整设置。
使用时，在确定指向目标位置的选定路径后，使机器人沿着选定路径向目标位置移动，在此过程中，对机器人的整个移动过程进行监控和描述，然后，结合偏离差Pc、能耗差Nc以及速度差Vc生成移动稳定度Yw，以移动稳定度Yw对机器人在选定路径上的状态进行描述，从而，可以在机器人已经抵达目标位置后，对选定路径进行评价，以实际结果来判断选定路径是否具有较佳的可行性，在下次规划路径时，对是否规避该路径形成参考，使为机器人所规划的路径更具有实用性。
参考图1及图2，以获取移动稳定度Yw对选定路径进行评价，当移动稳定度Yw的值大于稳定阈值时，将选定路径确定为推荐路径，当机器人再次去该目标位置时，由输出单元70向机器人推荐，当移动稳定度Yw的值不大于稳定阈值时，由输出单元70向机器人预警，将选定路径确定为备选路径。
使用时，在以移动稳定度Yw对选定路径进行评价的基础上，如果选定路径可以满足使用预期，则将其确定推荐路径，在机器人仍要抵达同一目标位置时，向机器人推荐该路径，如果不能满足预期，则仅仅作为备选路径，不优先推荐；从而，在对机器人路径完成规划并实行后，以移动稳定度Yw判断所规划的路径是否值得推荐，确定其复用性，如果满足复用的标准，则将其在三维地图上进行标记和固定，从而不需要再次进行规划，节省时间成本和试错成本，提高在活动区域内的路径规划效率。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
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单元来实现本实施例方案的目的。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (4)
1.一种机器人路径规划方法，其特征在于：包括导航单元(10)、路径生成单元(20)及控制单元(30)，其中，在机器人移动前，划定机器人的活动区域，并确定其边界及机器人的目标位置，由导航单元(10)采集获取活动区域内的三维图像信息，通过由SLAM算法建立的地图构建模型使用三维图像信息，搭建活动区域的三维地图，在获取活动区域内的三维地图后，识别出活动区域内的地形特征；
当活动区域内存在遮挡物时，识别活动区域内存在的遮挡物并判断各个遮挡物的尺寸，在获取会阻挡机器人移动的遮挡物的尺寸后，并将大于该尺寸的遮挡物确定为障碍物，将障碍物在三维地图上显示，选择若干个障碍物中尺寸最大的一部分作为定位路标，将定位路标在三维地图中进行标记；
由路径生成单元(20)使用PRM算法构建路径规划模型，结合地形特征，在规避障碍物后，由路径规划模型在三维地图的规划出若干条指向目标位置的移动路径，在三维地图上显示；使用活动区域内的图像数据和机器人性能数据，在训练和测试后生成机器人移动模型，获取若干条移动路径，对机器人沿着移动路径的移动过程进行仿真分析；
获取若干条移动路径仿真分析结果后，从若干条移动路径中选择出耗时最短的作为第一路径，并将第一路径在三维地图上做显著性的标记后，由控制单元(30)形成控制指令，使机器人沿着第一路径向目标位置移动；
当机器人沿着第一路径向目标位置移动时，由机器人的机器视觉模块别出视野范围内的各个定位路标，在进行匹配后，将所识别出的定位路标在三维地图上标记；识别并获取机器人周围的三个定位路标，分别通过雷达和激光测量与所述的三个定位路标的距离，并分别确定为雷达距离及激光距离；
还包括路径矫正单元(60)，将雷达距离和激光距离发送至路径矫正单元(60)后，通过三边定位算法，分别计算机器人在活动区域的位置，将由雷达测距所确定的位置作为第一位置，将激光测距所确定的位置作为第二位置；当第一位置和第二位置不相重合时，获取第一位置和第二位置间的距离，并将第一位置和第二位置间的距离确定为测距误差；
当测距误差小于误差阈值时，以第一位置和第二位置的中点作为当前定位；当测距误差不小于误差阈值时，在活动区域内，再使用机器人的蓝牙定位模块对机器人进行定位，并生成第三位置；在第三位置和第二位置及第一位置重叠或共线时，以第三位置作为当前定位；在第三位置不和第二位置及第一位置重叠或共线时，将三个位置的中心点作为当前定位；获取机器人的当前定位，并在三维地图的进行显示；
在机器人沿着第一路径向目标位置移动时，由路径生成单元(20)从三维地图上获取当前定位，以机器人当前定位与目标位置的路程作为剩余距离Sy；由机器人移动模型对机器人沿着第一路径向目标位置的移动过程进行仿真分析，获取机器人抵达目标位置的预期能耗Yq，并以机器人抵达目标位置所要花费的时间作为移动时间Yt；
还包括数据汇总单元(40)及判断单元(50)，由数据汇总单元(40)汇总剩余距离Sy、预期能耗Yq及移动时间Yt，建立移动预期数据集，将移动预期数据集发送至判断单元(50)；由判断单元(50)依照如下公式生成路径评价系数Les：
其中，0≤ρ≤1，0≤ζ≤1，且ρ+ζ＝1，ρ、ζ为权重，其具体值由用户调整设置；
当路径评价系数Les大于评价阈值时，由路径生成单元(20)从规划的移动路径中为机器人选择新的移动路径，并为机器人规划出由当前定位转移至新的移动路径的连接路径；将连接路径和新的移动路径连通后，以连通后的路径作为第二路径；
由机器人移动模型对机器人沿着第二路径向目标位置的移动过程进行仿真分析，在获取仿真分析结果后，由判断单元(50)再次生成路径评价系数Les；判断出两个路径评价系数Les中的较小值，由路径矫正单元(60)将与路径评价系数Les中的较小值相对应的路径确定为选定路径，使机器人沿着选定路径向目标位置移动。
2.根据权利要求1所述的一种机器人路径规划方法，其特征在于：在机器人沿着选定路径向目标位置移动时，由输出单元(70)对机器人的移动过程进行记录，在机器人移动至目标位置后，将选定路径等量的分割为若干个移动区间；
获取机器人在移动时的定位信息，判断机器人在移动区间内偏离选定路径的距离，将其与移动区间的比值确定为偏离比Pb；获取机器人在移动区间内的移动能耗Nh，以及在移动区间内的平均速度Pv。
3.根据权利要求2所述的一种机器人路径规划方法，其特征在于：分别获取若干个偏离比Pb的方差、若干个移动能耗Nh的方差及若干个平均速度Pv的方差，并分别记录为偏离差Pc、能耗差Nc以及速度差Vc，将偏离差Pc、能耗差Nc以及速度差Vc无量纲处理后，依照如下公式生成移动稳定度Yw：
其中，α及β为可变更常数参数，0.61≤α≤1.56，0.71≤β≤2.73，其具体值由用户调整设置。
4.根据权利要求3所述的一种机器人路径规划方法，其特征在于：还包括输出单元(70)，以获取移动稳定度Yw对选定路径进行评价，当移动稳定度Yw的值大于稳定阈值时，将选定路径确定为推荐路径，当机器人再次去该目标位置时，由输出单元(70)向机器人推荐，当移动稳定度Yw的值不大于稳定阈值时，由输出单元(70)向机器人预警，将选定路径确定为备选路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310495395.6A CN116225029B (zh) | 2023-05-05 | 2023-05-05 | 一种机器人路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310495395.6A CN116225029B (zh) | 2023-05-05 | 2023-05-05 | 一种机器人路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116225029A CN116225029A (zh) | 2023-06-06 |
| CN116225029B true CN116225029B (zh) | 2023-07-21 |
Family
ID=86589529
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310495395.6A Active CN116225029B (zh) | 2023-05-05 | 2023-05-05 | 一种机器人路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116225029B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117054444B (zh) * | 2023-10-11 | 2024-01-05 | 广州龙博测绘技术股份有限公司 | 一种用于管线探测的方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018120739A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳光启合众科技有限公司 | 路径规划方法、装置及机器人 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106681330A (zh) * | 2017-01-25 | 2017-05-17 | 北京航空航天大学 | 基于多传感器数据融合的机器人导航方法及装置 |
| CN109814557A (zh) * | 2019-01-23 | 2019-05-28 | 西北工业大学 | 一种全局规划器主导的机器人路径规划方法 |
| CN110220524A (zh) * | 2019-04-23 | 2019-09-10 | 炬星科技（深圳）有限公司 | 路径规划方法、电子设备、机器人及计算机可读存储介质 |
| CN113485325B (zh) * | 2021-06-16 | 2024-09-20 | 重庆工程职业技术学院 | 煤矿井下水泵房巡检机器人slam建图、自主导航方法 |
| CN113835428A (zh) * | 2021-08-27 | 2021-12-24 | 华东交通大学 | 一种用于餐厅的机器人路径规划方法 |
| CN113721622B (zh) * | 2021-08-31 | 2024-02-23 | 安徽工业大学 | 一种机器人路径规划方法 |
| CN115857504A (zh) * | 2022-12-02 | 2023-03-28 | 苏州英特雷真智能科技有限公司 | 基于dwa的机器人在狭窄环境局部路径规划方法、设备和存储介质 |
-
2023
- 2023-05-05 CN CN202310495395.6A patent/CN116225029B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018120739A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳光启合众科技有限公司 | 路径规划方法、装置及机器人 |
Non-Patent Citations (1)
| Title |
|---|
| Development of an Efficient Path Planning Algorithm for Indoor Navigation;Omar Vicente Perez Arista 等;《IEEE》;1-6 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116225029A (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9192869B2 (en) | Autonomous mobile robot system | |
| EP3336489A1 (en) | Method and system for automatically establishing map indoors by mobile robot | |
| CN113189977B (zh) | 一种用于机器人的智能导航路径规划系统及方法 | |
| CN112518739B (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
| KR101048098B1 (ko) | 로봇의 경로계획 장치 및 방법 | |
| CN110166571A (zh) | 一种基于移动机器人的自动跟随方法和装置 | |
| US9452533B2 (en) | Robot modeling and positioning | |
| CN103678754A (zh) | 信息处理装置及信息处理方法 | |
| CN107764270A (zh) | 一种激光扫描式室内地图生成和更新装置及方法 | |
| CN103674015A (zh) | 一种无轨化定位导航方法及装置 | |
| JP2016024598A (ja) | 自律移動装置の制御方法 | |
| CN116225029B (zh) | 一种机器人路径规划方法 | |
| Tully et al. | Leap-frog path design for multi-robot cooperative localization | |
| US20220019939A1 (en) | Method and system for predicting motion-outcome data of a robot moving between a given pair of robotic locations | |
| CN112857370A (zh) | 一种基于时序信息建模的机器人无地图导航方法 | |
| CN107356932A (zh) | 机器人激光定位方法 | |
| CN114879660A (zh) | 一种基于目标驱动的机器人环境感知方法 | |
| Tiwari et al. | Approach for Autonomous Robot Navigation in Greenhouse Environment for Integrated Pest Management | |
| CN111258312B (zh) | 可移动模型及其控制方法、装置、系统、设备和存储介质 | |
| CN116859909A (zh) | 一种智能机器人的路径规划方法 | |
| Igneczi et al. | Node point optimization for local trajectory planners based on human preferences | |
| TWI679511B (zh) | 軌跡規劃方法與系統 | |
| CN113885496A (zh) | 智能驾驶仿真传感器模型及智能驾驶仿真方法 | |
| Eichenbaum et al. | Towards a lifelong mapping approach using lanelet 2 for autonomous open-pit mine operations | |
| Strong et al. | Volumetric Data Fusion of External Depth and Onboard Proximity Data For Occluded Space Reduction |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240412 Address after: No. 0016, Beixinluo Village, Yongqing Town, Yongqing County, Langfang City, Hebei Province, 065000 Patentee after: Huang Jing Country or region after: China Address before: 065000 AI min Dong Road, Langfang, Hebei Province, No. 133 Patentee before: NORTH CHINA INSTITUTE OF AEROSPACE ENGINEERING Country or region before: China |