CN117369482B - 移动机器人的路径规划方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例提供了一种移动机器人的路径规划方法、装置、设备及存储介质，属于路径规划技术领域。该方法包括：移动机器人不陷入目标不可达状态时，根据传统人工势场法计算移动机器人受到的目标合力，根据该目标合力移动。移动机器人陷入目标不可达状态时，根据移动机器人和目标点之间的相对距离，得到距离调节因子，在原始斥力势场函数中加入距离调节因子，得到第一斥力势场函数，根据第一斥力势场函数更新当前斥力；更新后的当前斥力包括第一斥力和第二斥力，第一斥力由障碍物指向移动机器人，第二斥力由移动机器人指向目标点，此时，第一斥力和当前引力为零，移动机器人在第二斥力下移动到目标点，解决了传统人工势场法中目标不可达的问题。

Description

移动机器人的路径规划方法、装置、设备及存储介质

技术领域

本申请涉及路径规划技术领域，尤其涉及一种移动机器人的路径规划方法、装置、设备及存储介质。

背景技术

人工势场法(APF)将障碍物和目标抽象为虚拟势场，通过建立对应的势能场函数来解决机器人避障问题。障碍物构成高势能区域，而目标点是低势能区域，当机器人进入高势能区域时，障碍物对移动机器人产生斥力作用；当机器人接近目标点时，目标点对移动机器人产生引力作用。根据引力和斥力计算移动机器人受到的合力，然后不断更新移动机器人的位置和速度来实现路径规划，使移动机器人朝着目标点移动。人工势场法具有简单，编程易实现等特点，因此经常被用于机器人路径规划问题，但是在一些复杂的环境中，利用传统人工势场法进行移动机器人路径规划时通常存在目标不可达问题。

目标不可达问题：目标点和障碍物之间的距离较近，且目标点处在障碍物的影响范围内，当移动机器人快要移动到目标点时，随着移动机器人与障碍物距离的逐渐缩小，斥力势场的影响会逐渐增大，而引力势场的影响会逐渐减小，斥力增大的速率要远远大于引力减小的速率，最终导致移动机器人会不断在目标点周围徘徊，无法到达目标点。

因此，如何解决利用传统人工势场法进行移动机器人路径规划时存在目标不可达问题，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种移动机器人的路径规划方法、装置、设备及存储介质，旨在解决利用传统人工势场法进行移动机器人路径规划时存在目标不可达问题。

为实现上述目的，本申请实施例的第一方面提出了一种移动机器人的路径规划方法，所述方法包括：

获取移动机器人位于当前坐标受到的当前引力和当前斥力；

当所述移动机器人陷入目标不可达状态时，根据所述移动机器人和目标点之间的相对距离，得到距离调节因子，将所述距离调节因子加入原始斥力势场函数，得到第一斥力势场函数，根据所述第一斥力势场函数更新所述当前斥力；其中，更新后的所述当前斥力包括第一斥力和第二斥力，所述第一斥力由障碍物指向所述移动机器人，所述第二斥力由所述移动机器人指向目标点，此时，所述第一斥力和所述当前引力为零，所述第二斥力为目标合力；

当所述移动机器人不陷入目标不可达状态时，根据所述当前斥力和所述当前引力计算目标合力；

根据所述目标合力确定所述移动机器人的下一坐标，重新计算所述目标合力，并根据更新的目标合力控制所述移动机器人移动直至到达所述目标点，以完成路径规划。

在一些实施例，当所述移动机器人不陷入目标不可达状态时，所述根据所述当前斥力和所述当前引力计算目标合力之前，所述方法还包括：

根据所述当前引力和所述当前斥力判断所述移动机器人是否陷入局部极小值状态；

若是，则对所述当前斥力进行角度调整，更新所述当前斥力，若否，则所述当前斥力保持不变。

在一些实施例，所述获取移动机器人位于当前坐标受到的当前引力和当前斥力包括：

获取所述移动机器人的当前坐标信息、障碍物坐标信息、障碍物影响范围；

将所述当前坐标信息和预设的目标点坐标信息代入原始引力势场函数，得到当前引力势场函数；

对所述当前引力势场函数进行负梯度计算，得到所述当前引力；

将所述当前坐标信息、所述障碍物坐标信息和所述障碍物影响范围代入原始斥力势场函数，得到当前斥力势场函数；

对所述当前斥力势场函数进行负梯度计算，得到所述当前斥力。

在一些实施例，将所述距离调节因子加入原始斥力势场函数，得到第一斥力势场函数，包括：

障碍物为静态障碍物，所述第一斥力势场函数表征为：

；

其中，表示第一斥力势场函数，/>表示斥力增益系数，/>表示移动机器人到障碍物的相对距离，/>表示预设的距离调节因子，即移动机器人到目标点的相对距离，/>表示障碍物斥力势场半径，/>为正整数。

在一些实施例，若所述障碍物为静态障碍物，则根据所述第一斥力势场函数更新所述当前斥力包括：

将所述当前坐标信息、所述障碍物坐标信息和所述障碍物影响范围代入所述第一斥力势场函数，得到斥力势场更新函数；

对所述斥力势场更新函数进行负梯度计算，得到更新后的所述当前斥力，计算公式如下：

；

；

；

其中，表示更新后的所述当前斥力，/>表示所述第一斥力，/>表示所述第二斥力，/>和/>为/>被分解成的两个力，/>的方向是由障碍物指向移动机器人，/>的方向是由移动机器人指向目标点，/>表示移动机器人到障碍物的相对距离，/>表示预设的距离调节因子，即移动机器人到目标点的相对距离，/>表示障碍物斥力势场半径，/>为正整数。

在一些实施例，若障碍物为移动障碍物，所述方法还包括：

将从所述移动机器人到所述移动障碍物方向上的相对速度分量加入到所述第一斥力势场函数，得到第二斥力势场函数，根据所述第二斥力势场函数更新所述当前斥力；其中，所述第二斥力势场函数表征为：

；

；

其中,表示第二斥力势场函数，/>表示第一斥力势场函数，/>表示移动障碍物产生的斥力势场函数，/>表示移动机器人的速度，/>表示移动障碍物的速度，/>表示斥力势场常数，/>表示从移动机器人指向移动障碍物的加速度斥力势场矢量，/>表示从移动机器人到移动障碍物方向上的相对速度分量，/>表示移动机器人到障碍物的相对距离。

在一些实施例，所述根据所述当前引力和所述当前斥力判断所述移动机器人是否陷入局部极小值状态，包括：

若所述当前引力不为0，且所述当前引力和所述当前斥力的大小相等，方向相反，则所述移动机器人陷入局部极小值状态。

为实现上述目的，本申请实施例的第二方面提出了一种移动机器人的路径规划装置，所述装置包括：

获取模块，用于获取移动机器人位于当前坐标受到的当前引力和当前斥力；

更新模块，用于当所述移动机器人陷入目标不可达状态时，根据所述移动机器人和目标点之间的相对距离，得到距离调节因子，将所述距离调节因子加入原始斥力势场函数，得到第一斥力势场函数，根据所述第一斥力势场函数更新所述当前斥力；其中，更新后的所述当前斥力包括第一斥力和第二斥力，所述第一斥力由障碍物指向所述移动机器人，所述第二斥力由所述移动机器人指向目标点，此时，所述第一斥力和所述当前引力为零，所述第二斥力为目标合力；

计算模块，用于当所述移动机器人不陷入目标不可达状态时，根据所述当前斥力和所述当前引力计算目标合力；

规划模块，用于根据所述目标合力确定所述移动机器人的下一坐标，重新计算所述目标合力，并根据更新的目标合力控制所述移动机器人移动直至到达所述目标点，以完成路径规划。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

本申请提出的移动机器人的路径规划方法、装置、设备及存储介质,其通过在移动机器人不陷入目标不可达状态时，正常计算出移动机器人受到的当前引力和当前斥力，根据当前斥力和当前引力计算目标合力，移动机器人根据该目标合力进行移动。在移动机器人陷入目标不可达状态时，根据移动机器人和目标点之间的相对距离，得到距离调节因子，在原始斥力势场函数中加入距离调节因子，得到第一斥力势场函数，根据第一斥力势场函数更新当前斥力；其中，更新后的当前斥力包括第一斥力和第二斥力，第一斥力由障碍物指向移动机器人，第二斥力由移动机器人指向目标点，此时，第一斥力和当前引力为零，第二斥力为目标合力，移动机器人仅在第二斥力的作用下移动到目标点。目标点和某个障碍物之间的距离较近时，当移动机器人移动到该障碍物的斥力势场半径内，移动机器人会陷入目标不可达状态，通过更新当前斥力，使移动机器人在第二斥力的作用下移动到目标点，解决了目标点和障碍物之间的距离较近时，移动机器人不断在目标点周围徘徊，无法到达目标点问题。

附图说明

图1是人工势场法中目标不可达情况的示意图；

图2是本申请实施例提供的移动机器人的路径规划方法的一个可选的流程图；

图3是人工势场法中局部极小值情况的示意图；

图4是本申请另一种实施例提供的移动机器人的路径规划方法的流程图；

图5是移动机器人跳出局部极小值状态的示意图；

图6是移动机器人的路径规划方法的流程示意图；

图7是图2中的步骤S201的流程图；

图8是引入预设的距离调节因子后移动机器人的受力分析图；

图9是动态环境避障问题的示意图；

图10是移动机器人与移动障碍物相对运动的示意图；

图11是本申请实施例提供的移动机器人的路径规划装置的结构示意图；

图12是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。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。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请中涉及的若干名词进行解析：

人工势场法(artificial potential field，APF)：是由Oussama Khatib博士提出的一种应用于研究机器人的路径方法。人工势场法将障碍物和目标点抽象为虚拟势场，障碍物构成高势能区域，而目标点是低势能区域，移动机器人通过一系列环境感知传感器来探知环境的障碍物情况，在至少一个斥力势场和一个引力势场的和势场环境下沿着势场下降的方向运动。

图1是人工势场法中目标不可达情况的示意图，如图1所示，目标点和障碍物之间的距离较近，且目标点处在障碍物斥力势场的影响范围内，当移动机器人向目标点移动时，移动机器人和障碍物的距离也逐渐减小，引力势场的影响会逐渐减小，而斥力势场的影响会逐渐增大，斥力增大的速率要远远大于引力/>减小的速率，使移动机器人受到的斥力/>可能大于引力/>，此时移动机器人会不断在目标点周围徘徊，无法抵达目标点。

基于此，本申请实施例提供了一种移动机器人的路径规划方法、装置、设备及存储介质，旨在使移动机器人陷入目标不可达状态时，将距离调节因子加入到原始斥力势场函数中，得到第一斥力势场函数，根据第一斥力势场函数更新当前斥力；其中，更新后的当前斥力包括第一斥力和第二斥力，第一斥力由障碍物指向移动机器人，第二斥力由移动机器人指向目标点，此时，第一斥力和当前引力为零，第二斥力为目标合力，移动机器人仅在第二斥力的作用下移动到目标点。使移动机器人和障碍物之间的距离较近，且目标点处在障碍物斥力势场的影响范围内时，也能够移动到目标点，解决了传统人工势场法中目标不可达的问题。

本申请实施例提供的移动机器人的路径规划方法、装置、设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的移动机器人的路径规划方法。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例提供的移动机器人的路径规划方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现移动机器人的路径规划方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

请参照图2，图2是本申请实施例提供的移动机器人的路径规划方法的一个可选的流程图，图2中的方法可以包括但不限于包括步骤S201至步骤S204：

步骤S201，获取移动机器人位于当前坐标受到的当前引力和当前斥力；

步骤S202，当移动机器人陷入目标不可达状态时，根据移动机器人和目标点之间的相对距离，得到距离调节因子，将距离调节因子加入原始斥力势场函数，得到第一斥力势场函数，根据第一斥力势场函数更新当前斥力；其中，更新后的当前斥力包括第一斥力和第二斥力，第一斥力由障碍物指向移动机器人，第二斥力由移动机器人指向目标点，此时，第一斥力和当前引力为零，第二斥力为目标合力；

步骤S203，当移动机器人不陷入目标不可达状态时，根据当前斥力和当前引力计算目标合力；

步骤S204，根据目标合力确定移动机器人的下一坐标，重新计算目标合力，并根据更新的目标合力控制移动机器人移动直至到达目标点，以完成路径规划。

在一些实施例的步骤S201中，通过传统人工势场法中的原始引力势场函数计算移动机器人位于当前坐标受到的当前引力，以及通过原始斥力势场函数计算移动机器人位于当前坐标受到的当前斥力。其中，当前斥力为基于障碍物建立的高势能区域对移动机器人产生的排斥力，当前引力为基于目标点建立的低势能区域对移动机器人产生的吸引力。

在一些实施例的步骤S202中，在移动机器人陷入目标不可达状态时，根据移动机器人和目标点之间的相对距离，得到距离调节因子，在原始斥力势场函数中加入距离调节因子，得到第一斥力势场函数，根据第一斥力势场函数更新当前斥力；其中，更新后的当前斥力包括第一斥力和第二斥力，第一斥力由障碍物指向移动机器人，第二斥力由移动机器人指向目标点，此时，第一斥力和当前引力为零，第二斥力为目标合力，移动机器人仅在第二斥力的作用下移动到目标点。

在一些实施例的步骤S203至步骤S204中，当移动机器人不陷入目标不可达状态时，根据当前斥力和当前引力计算目标合力。移动机器人根据目标合力移动到下一坐标时，再次根据上述方式计算下一坐标的目标合力，移动机器人根据再次计算出的目标合力进行移动，直至到达目标点，以完成路径规划。

本申请实施例所示意的步骤S201至步骤S204，在移动机器人不陷入目标不可达状态时，正常计算出移动机器人受到的当前引力和当前斥力，根据当前斥力和当前引力计算目标合力，移动机器人根据该目标合力进行移动。在移动机器人陷入目标不可达状态时，根据移动机器人和目标点之间的相对距离，得到距离调节因子，在原始斥力势场函数中加入距离调节因子，得到第一斥力势场函数，根据第一斥力势场函数更新当前斥力；其中，更新后的当前斥力包括第一斥力和第二斥力，第一斥力由障碍物指向移动机器人，第二斥力由移动机器人指向目标点，此时，第一斥力和当前引力为零，第二斥力为目标合力，移动机器人仅在第二斥力的作用下移动到目标点。目标点和某个障碍物之间的距离较近时，当移动机器人移动到该障碍物的斥力势场半径内，移动机器人会陷入目标不可达状态，通过更新当前斥力，使移动机器人在第二斥力的作用下移动到目标点。解决目标点和障碍物之间的距离较近时，移动机器人不断在目标点周围徘徊，无法到达目标点问题。

图3是人工势场法中局部极小值情况的示意图，如图3所示，移动机器人在向目标点移动的过程中所收到的斥力和/>的合力/>与引力/>大小相等，方向相反，此时移动机器人受力平衡，移动机器人会误判自己已经到达了目标点，所以在没有到达目标点之前就会停止移动。

基于此，通过在判断出移动机器人陷入局部极小值时，对移动机器人受到的当前斥力进行角度调整，以此改变移动机器人受力的方向，并跳出局部极小值，继续向目标点移动，解决了传统人工势场法中局部极小值的问题。

请参阅图4，在一些实施例中，步骤S203之前，移动机器人的路径规划方法还可以包括但不限于包括步骤S401至步骤S402：

步骤S401，根据当前引力和当前斥力判断移动机器人是否陷入局部极小值状态；

步骤S402，若是，则对当前斥力进行角度调整，更新当前斥力，若否，则当前斥力保持不变。

在一些实施例的步骤S401至S402中，移动机器受到的当前引力不为0，且当前斥力和当前引力大小相等，方向相反，则移动机器受到的合力为0，说明移动机器人陷入局部极小值状态。为了使移动机器人跳出局部极小值状态，可将移动机器人受到的当前斥力偏转一个角度，得到更新的当前斥力，以此改变移动机器人受力的方向，跳出局部极小值状态。对当前斥力进行角度调整后，根据更新的当前斥力和当前引力计算目标合力，移动机器人在目标合力下继续向目标点移动。解决了移动机器人受到的当前斥力和当前引力大小相等，方向相反时，陷入局部极小值状态的问题。

在一示例中，请参阅图5，图5是移动机器人跳出局部极小值状态的示意图，在图5中的(a)中，移动机器人受到的当前引力斥力和当前斥力/>大小相等，方向相反，因此移动机器人所受到的合力为0，陷入局部极小值状态，在当前位置保存不动。在图5中的(b)中，将当前斥力/>方向偏转一个角度/>，从而改变移动机器人的合力/>方向，使其跳出局部极小值，并继续在合力/>的作用下向目标点移动。

具体的，请参阅图6，图6是移动机器人的路径规划方法的流程示意图，本申请实施例的移动机器人的路径规划方法包括：

初始化移动机器人在状态空间中的起点和目标点，障碍物位置以及障碍物影响范围等参数；

计算移动机器人受到的引力和斥力；其中，根据移动机器人所处的状态和障碍物的状态，通过不同的方案计算出该斥力。具体的，移动机器人陷入目标不可达状态时，通过第一斥力势场函数计算出斥力，当障碍物为移动障碍物时，通过第二斥力势场函数计算出斥力，否则，通过原始斥力势场函数计算出斥力；

判断移动机器人是否陷入局部极小值状态，如果没有，则计算合力，并根据合力和步长计算出移动机器人下一步的位置，沿着合力方向移动到下一步位置；如果移动机器人已经陷入了局部极小值状态，则需要改变所有斥力的作用方向，再计算出合力，根据合力和步长计算出移动机器人下一步的位置，沿着合力方向移动到下一步位置；

判断移动机器人是否到达目标点，若是，则退出算法，移动机器人完成规划任务；若不是，则跳转到计算移动机器人受到的引力和斥力的步骤，重复以上步骤，直至到达目标点完成路径规划任务。

请参阅图7，在一些实施例中，步骤S201可以包括但不限于包括步骤S701至步骤S705：

步骤S701，获取移动机器人的当前坐标信息、障碍物坐标信息、障碍物影响范围；

步骤S702，将当前坐标信息和预设的目标点坐标信息代入原始引力势场函数，得到当前引力势场函数；

步骤S703，对当前引力势场函数进行负梯度计算，得到当前引力；

步骤S704，将当前坐标信息、障碍物坐标信息和障碍物影响范围代入原始斥力势场函数，得到当前斥力势场函数；

步骤S705，对当前斥力势场函数进行负梯度计算，得到当前斥力。

在一些实施例的步骤S701至S703中，障碍物影响范围即障碍物斥力势场半径，原始引力势场函数即传统人工势场法中的引力势场函数，根据移动机器人的当前坐标信息和预设的目标点坐标信息，即可得到移动机器人到目标点的相对距离，将移动机器人到目标点的相对距离带入原始引力势场函数，得到当前引力势场函数，对当前引力势场函数进行负梯度计算，得到当前引力。

具体的，设移动机器人在状态空间中的当前坐标为，目标点坐标为，障碍物的坐标为/>，原始引力势场函数/>为下述公式1所示：

，（1）

其中，表示引力增益系数，/>表示移动机器人到目标点的相对距离。

对原始引力势场函数进行负梯度计算，得到移动机器人位于当前坐标受到的当前引力，对应的计算公式如下述公式2所示：

，（2）

其中，表示移动机器人在当前坐标/>下受到的当前引力/>。

在一些实施例的步骤S704至S705中，当移动机器人当前位置在障碍物影响范围外时，移动机器人不受障碍物的斥力势场影响，受到的斥力为0。移动机器人当前位置在障碍物影响范围内时，移动机器人受障碍物的斥力势场影响，根据移动机器人的当前坐标信息和障碍物坐标信息，得到移动机器人到障碍物的相对距离。将移动机器人到障碍物的相对距离和障碍物影响范围代入原始斥力势场函数，得到当前斥力势场函数，对当前斥力势场函数进行负梯度计算，得到当前斥力。其中，原始斥力势场函数为传统人工势场法中的斥力势场函数。

具体的，原始斥力势场函数为下述公式3所示：

,(3)

其中，表示斥力增益系数，/>表示移动机器人到障碍物的相对距离，/>表示障碍物斥力势场半径。

在一些实施例中，障碍物为静态障碍物，才会出现目标点和障碍物之间的距离较近，移动机器人陷入目标不可达状态的情况，第一斥力势场函数如下述公式4所述：

，(4)

其中，表示斥力增益系数，/>表示移动机器人到障碍物的相对距离，表示距离调节因子，即移动机器人到目标点的相对距离，/>表示障碍物斥力势场半径，/>为正整数。

在一些实施例中，若障碍物为静态障碍物，则根据第一斥力势场函数更新当前斥力，包括：

将当前坐标信息、障碍物坐标信息和障碍物影响范围代入第一斥力势场函数，得到斥力势场更新函数；

对斥力势场更新函数进行负梯度计算，得到更新后的当前斥力，对应的计算公式如下述公式5-7所示：

,(5)

,(6)

,(7)

其中，表示更新后的当前斥力，/>表示第一斥力，/>第二斥力，和/>表示由/>被分解成的两个力，/>的方向是由障碍物指向移动机器人，/>的方向是由移动机器人指向目标点，/>表示移动机器人到障碍物的相对距离，/>表示预设的距离调节因子，即移动机器人到目标点的相对距离，/>表示障碍物斥力势场半径，/>为正整数。

具体的，图8是引入距离调节因子后移动机器人的受力分析图，如图8所示，当前斥力被分解成两个力，分别是/>和/>，其中，/>的方向是由障碍物指向移动机器人，/>的方向是由移动机器人指向目标点，当前斥力/>和当前引力/>的合力/>为移动机器人最终受到的目标合力。移动机器人受到的合力情况可以根据n值进行进一步分析：

n=1的情况，当移动机器人远离目标点时，移动机器人和目标点的相对距离远大于1，因此/>//>≈1，此时，移动机器人受到的当前斥力不会随着远离目标点而增加,即在移动机器人远离目标点时，移动机器人不会陷入目标不可达状态，因此当前斥力不变，不需要更新。当移动机器人接近目标点时，/>减小并接近0，因此/>和/>也接近0，/>大于0，移动机器人受到的合力/>约等于/>，移动机器人仅在合力/>的作用下移动到目标点。

n>1的情况，当移动机器人远离目标点时，移动机器人和目标点的相对距离远大于1，因此/>//>≈1，此时，移动机器人受到的当前斥力不会随着远离目标点而增加,即在移动机器人远离目标点时，移动机器人不会陷入目标不可达状态，因此当前斥力不变，不需要更新。当移动机器人接近目标点时，/>和/>都接近于0，因此/>接近于0，/>也接近于0，此时，目标点的势场值是整个环境中最小的。

如果障碍物为移动障碍物，继续使用上述方案来规划路径就会导致移动机器人和障碍物发生碰撞，或者当移动机器人偏离移动障碍物时，移动机器人依旧会采取措施避开障碍物，最终移动机器人规划的路径就会变长，导航效率降低。请参阅图9，图9是动态环境避障问题的示意图,在图9中的(a)中，移动机器人在处受到排斥力的影响，开始通过计算合力改变航向,在/>处，移动机器人已经正确地计算出下一步移动的位置，但移动机器人却因为高速而没有及时改变航向，这可能会造成碰撞风险。在图9中的(b)中，移动机器人在/>处进入移动障碍物的影响范围并改变航向，但实际上，移动障碍物正在远离机器人。移动机器人将很快超出移动障碍物的影响范围，并仅在吸引力的作用下向目标点移动，即使机器人不改变航向，也没有碰撞的风险。

基于此，利用从移动机器人到移动障碍物方向上的相对速度分量作为避障判断，解决移动机器人可能会和障碍物发生碰撞，以及移动机器人规划路径变长，导航效率低的问题。

在一些实施例中，若障碍物为移动障碍物，将从移动机器人到移动障碍物方向上的相对速度分量加入到第一斥力势场函数，得到第二斥力势场函数，根据第二斥力势场函数更新当前斥力；其中，第二斥力势场函数如下述公式8-9所示：

,(8)

,(9)

其中，表示第一斥力势场函数，/>表示移动障碍物产生的斥力势场函数，表示移动机器人到障碍物的相对距离，/>表示移动机器人的速度，/>表示移动障碍物的速度，/>表示斥力势场常数，/>表示从移动机器人指向移动障碍物的加速度斥力势场矢量，/>表示从移动机器人到移动障碍物方向上的相对速度分量。若/>，则移动机器人会在移动障碍物后方规划路径，若/>，则移动机器人会在移动障碍物前方规划路径。

在一些实施例中，若障碍物为移动障碍物，则根据第二斥力势场函数更新当前斥力，包括：

将当前坐标信息、障碍物坐标信息和障碍物影响范围代入第二斥力势场函数，得到斥力势场更新函数；

对斥力势场更新函数进行负梯度计算，得到更新后的当前斥力，对应的计算公式如下述公式10-11所示：

，(10)

,(11)

其中，表示更新后的当前斥力，/>表示第一斥力势场中对移动机器人的斥力，/>表示速度斥力，/>表示移动机器人到障碍物的相对距离，/>表示斥力势场常数，/>表示从移动障碍物到移动机器人方向上的相对速度分量，/>表示从移动机器人到移动障碍物方向上的相对速度分量，用来判断移动机器人与移动障碍物之间的相对运动状态，避免移动机器人盲目避障。

具体的，请参阅图10，图10是移动机器人与移动障碍物相对运动的示意图, 在图10中的(a)中，，移动机器人向移动障碍物方向移动，此时移动机器人必须要规划一条避开移动障碍物的路线，在图10中的(b)中，/>，移动机器人朝着偏离移动障碍物的方向移动，此时移动机器人无需避障。

请参阅图11，本申请实施例还提供一种移动机器人的路径规划装置，可以实现上述移动机器人的路径规划方法，该装置包括：

获取模块1101，用于获取移动机器人位于当前坐标受到的当前引力和当前斥力；

更新模块1102，用于当移动机器人陷入目标不可达状态时，根据移动机器人和目标点之间的相对距离，得到距离调节因子，将距离调节因子加入原始斥力势场函数，得到第一斥力势场函数，根据第一斥力势场函数更新当前斥力；其中，更新后的当前斥力包括第一斥力和第二斥力，第一斥力由障碍物指向移动机器人，第二斥力由移动机器人指向目标点，此时，第一斥力和当前引力为零，第二斥力为目标合力；

计算模块1103，用于当移动机器人不陷入目标不可达状态时，根据当前斥力和当前引力计算目标合力；

规划模块1104，用于根据目标合力确定移动机器人的下一坐标，重新计算目标合力，并根据更新的目标合力控制移动机器人移动直至到达目标点，以完成路径规划。

该移动机器人的路径规划装置的具体实施方式与上述移动机器人的路径规划方法的具体实施例基本相同，在此不再赘述。

本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述移动机器人的路径规划方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

请参阅图12，图12示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器301，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器302，可以采用只读存储器（Read Only Memory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器302可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器302中，并由处理器301来调用执行本申请实施例的移动机器人的路径规划方法；

输入/输出接口303，用于实现信息输入及输出；

通信接口304，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；

总线305，在设备的各个组件（例如处理器301、存储器302、输入/输出接口303和通信接口304）之间传输信息；

其中处理器301、存储器302、输入/输出接口303和通信接口304通过总线305实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述移动机器人的路径规划方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中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，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实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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能够以除了在这里图示或描述的那些以外的顺序实施。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。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上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。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种移动机器人的路径规划方法，其特征在于，所述方法包括：

获取移动机器人位于当前坐标受到的当前引力和当前斥力；其中，根据原始斥力势场函数获取所述当前斥力；

当所述移动机器人陷入目标不可达状态时，根据所述移动机器人和目标点之间的相对距离，得到距离调节因子，将所述距离调节因子加入原始斥力势场函数，得到第一斥力势场函数；其中，障碍物为静态障碍物，所述第一斥力势场函数表征为：

；

表示第一斥力势场函数，/>表示斥力增益系数，/>表示移动机器人到障碍物的相对距离，/>表示预设的距离调节因子，即移动机器人到目标点的相对距离，表示障碍物斥力势场半径，/>为正整数；

根据所述第一斥力势场函数更新所述当前斥力；其中，更新后的所述当前斥力包括第一斥力和第二斥力，所述第一斥力由障碍物指向所述移动机器人，所述第二斥力由所述移动机器人指向目标点，此时，所述第一斥力和所述当前引力为零，所述第二斥力为目标合力；

当所述移动机器人不陷入目标不可达状态时，根据所述当前斥力和所述当前引力计算目标合力；

根据所述目标合力确定所述移动机器人的下一坐标，重新计算所述目标合力，并根据更新的目标合力控制所述移动机器人移动直至到达所述目标点，以完成路径规划。

2.根据权利要求1所述的方法，其特征在于，当所述移动机器人不陷入目标不可达状态时，所述根据所述当前斥力和所述当前引力计算目标合力之前，所述方法还包括：

根据所述当前引力和所述当前斥力判断所述移动机器人是否陷入局部极小值状态；

若是，则对所述当前斥力进行角度调整，更新所述当前斥力，若否，则所述当前斥力保持不变。

3.根据权利要求1所述的方法，其特征在于，所述获取移动机器人位于当前坐标受到的当前引力和当前斥力包括：

获取所述移动机器人的当前坐标信息、障碍物坐标信息、障碍物影响范围；

将所述当前坐标信息和预设的目标点坐标信息代入原始引力势场函数，得到当前引力势场函数；

对所述当前引力势场函数进行负梯度计算，得到所述当前引力；

将所述当前坐标信息、所述障碍物坐标信息和所述障碍物影响范围代入原始斥力势场函数，得到当前斥力势场函数；

对所述当前斥力势场函数进行负梯度计算，得到所述当前斥力。

4.根据权利要求3所述的方法，其特征在于，若所述障碍物为静态障碍物，则根据所述第一斥力势场函数更新所述当前斥力，包括：

将所述当前坐标信息、所述障碍物坐标信息和所述障碍物影响范围代入所述第一斥力势场函数，得到斥力势场更新函数；

对所述斥力势场更新函数进行负梯度计算，得到更新后的所述当前斥力，计算公式如下：

；

；

；

其中，表示更新后的所述当前斥力，/>表示所述第一斥力，/>表示所述第二斥力，/>和/>为/>被分解成的两个力，/>的方向是由障碍物指向移动机器人，/>的方向是由移动机器人指向目标点，/>表示移动机器人到障碍物的相对距离，/>表示预设的距离调节因子，即移动机器人到目标点的相对距离，/>表示障碍物斥力势场半径，/>为正整数。

5.根据权利要求4所述的方法，其特征在于，若障碍物为移动障碍物，所述方法还包括：

将从所述移动机器人到所述移动障碍物方向上的相对速度分量加入到所述第一斥力势场函数，得到第二斥力势场函数，根据所述第二斥力势场函数更新所述当前斥力；其中，所述第二斥力势场函数表征为：

；

；

其中,表示第二斥力势场函数，/>表示第一斥力势场函数，/>表示移动障碍物产生的斥力势场函数，/>表示移动机器人的速度，/>表示移动障碍物的速度，/>表示斥力势场常数，/>表示从移动机器人指向移动障碍物的加速度斥力势场矢量，/>表示从移动机器人到移动障碍物方向上的相对速度分量，/>表示移动机器人到障碍物的相对距离。

6.根据权利要求5所述的方法，其特征在于，若所述障碍物为移动障碍物，则根据所述第二斥力势场函数更新所述当前斥力，包括：

将所述当前坐标信息、所述障碍物坐标信息和所述障碍物影响范围代入所述第二斥力势场函数，得到斥力势场更新函数；

对所述斥力势场更新函数进行负梯度计算，得到更新后的所述当前斥力，计算公式如下：

；

；

其中，表示更新后的所述当前斥力，/>表示第一斥力势场中对移动机器人的斥力，/>表示速度斥力，/>表示斥力势场常数，/>表示从移动机器人到移动障碍物方向上的相对速度分量，/>表示从移动障碍物到移动机器人方向上的相对速度分量，表示移动机器人到障碍物的相对距离。

7.根据权利要求2所述的方法，其特征在于，所述根据所述当前引力和所述当前斥力判断所述移动机器人是否陷入局部极小值状态，包括：

若所述当前引力不为0，且所述当前引力和所述当前斥力的大小相等，方向相反，则所述移动机器人陷入局部极小值状态。

8.一种移动机器人的路径规划装置，其特征在于，所述装置包括：

获取模块，用于获取移动机器人位于当前坐标受到的当前引力和当前斥力；其中，根据原始斥力势场函数获取所述当前斥力；

更新模块，用于当所述移动机器人陷入目标不可达状态时，根据所述移动机器人和目标点之间的相对距离，得到距离调节因子，将所述距离调节因子加入原始斥力势场函数，得到第一斥力势场函数；其中，障碍物为静态障碍物，所述第一斥力势场函数表征为：

；

表示第一斥力势场函数，/>表示斥力增益系数，/>表示移动机器人到障碍物的相对距离，/>表示预设的距离调节因子，即移动机器人到目标点的相对距离，表示障碍物斥力势场半径，/>为正整数；

根据所述第一斥力势场函数更新所述当前斥力；其中，更新后的所述当前斥力包括第一斥力和第二斥力，所述第一斥力由障碍物指向所述移动机器人，所述第二斥力由所述移动机器人指向目标点，此时，所述第一斥力和所述当前引力为零，所述第二斥力为目标合力；

计算模块，用于当所述移动机器人不陷入目标不可达状态时，根据所述当前斥力和所述当前引力计算目标合力；

规划模块，用于根据所述目标合力确定所述移动机器人的下一坐标，重新计算所述目标合力，并根据更新的目标合力控制所述移动机器人移动直至到达所述目标点，以完成路径规划。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的移动机器人的路径规划方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的移动机器人的路径规划方法。