一种室内移动机器人增量式环境信息采样的最优路径规划方法技术

本发明专利技术公开了一种室内移动机器人增量式环境信息采样的最优路径规划方法，其步骤为：(1)获取周围环境信息，建立基于障碍物碰撞风险的评估概率；(2)利用增量式环境信息采样的最优路径规划算法进行路径规划；(3)室内移动机器人进行路径选择并进入新的路径规划流程。采用的增量式环境信息采样的最优路径规划算法能够根据室内移动机器人的当前状况和机器人固有的非完整约束，实时规划当前最佳路径，同时，搜索树扩展过程中的碰撞检测环境得到优化，提高了规划效率，使室内移动机器人能够快速安全有效的到达指定位置。

【技术实现步骤摘要】

本专利技术属于地面轮式机器人的自主导航领域，特别涉及一种室内移动机器人增量式环境信息采样的最优路径规划方法。
技术介绍
随着人工智能技术的迅速发展和人们对高质量生活的需求，机器人技术如今越来越受到商业界和企业界的重视，逐渐从工业应用走到人民大众的生活中来。移动服务机器人为其中一种最常见的生活服务机器人，它能够完成一些有益于人类健康的服务工作，如家务劳动、照料病人等。在服务工作过程中，移动服务机器人通常无法预先获取所有环境信息，并可能处于不可预测或动态变化的环境中。考虑到装备的环境感知设备有限和环境感知过程中的噪声干扰,移动服务机器人的安全自主工作面临着极大的挑战。在移动服务机器人系统中，自主导航及路径规划是其能够自主完成任务的核心和大脑。通常来说，路径规划是在给定的环境中找出从给定起始状态到给定目标状态的无碰撞轨迹或控制器信号的过程。若路径规划算法能够至少找出一条路径或者返回无法找到路径的提示，则说明该算法是完整的。近些年来,路径规划技术发展迅速，涌现出了许多规划算法。常见的路径规划算法如人工势场法,蚁群算法，遗传算法等，在解决一些规划问题时有其优越性。但由于它们计算复杂度高，不适用于多障碍物的复杂动态环境下的机器人规划问题的求解。另外，基于前向图搜索的路径规划算法，如A*、D*和神经动力学等，在规划时虽然能满足最优性和实时性的要求，但是其处理高维问题的计算瓶颈问题，使得其应用具有一定的限制。因此，研究具有学习能力的路径规划算法成为现阶段实时动态路径规划研究的一个主流趋势。而设计一种简单可靠、实时性好、便于实现、能够应付多类动态未知环境的室内移动机器人规划方法是保证服务工作正常有效进行的关键技术和现实难题。
技术实现思路
本专利技术针对上述现有技术中现在路径规划方法中难以同时满足动态未知环境规划和实时规划的要求，提出了一种室内移动机器人增量式环境信息采样的最优路径规划方法，采用增量式环境信息采样的最优路径规划方法，随着室内移动机器人的移动，不断加深理解新获得的周围环境信息，迭代扩展搜索树，选取代价函数最小的路径为当前时刻最优的路径。一种室内移动机器人增量式环境信息采样的最优路径规划方法，包括以下几个步骤：步骤1：建立已探测区域障碍物碰撞风险的评估概率模型；步骤2：进行基于增量式环境信息采样的最优路径规划；在地图范围内以起点为搜索树第一个点，以步骤1获得的评估概率模型生成的随机采样状态点进行增量式迭代扩展，产生新的树节点，并计算新的树节点的代价函数，以树节点的最小代价函数修改树结构，直到生成的路径数达到设定路径数Pathn，以所有生成路径中路径代价函数最小的路径作为潜在最优路径；步骤3：依据步骤2得到的潜在最优路径和室内移动机器人的当前位置和速度矢量，判断室内移动机器人的偏转角φt是否满足轮式机器人不能侧向滑动的非完整约束，从而确定室内移动机器人是否按照最优路径方向移动；若室内移动机器人的偏转角φt不满足轮式机器人不能侧向滑动的非完整约束，则返回步骤2；若满足，则沿当前时刻规划出的潜在最优路径方向移动，进入下一时刻的路径规划，t＝t+1，返回步骤1，直到室内移动机器人移动到目标位置，完成路径规划；所述室内移动机器人的偏转角φt满足轮式机器人不能侧向滑动的非完整约束是指：φt∈[0,60°]∪[120°,180°]；其中，pt和pt-1分别为室内移动机器人当前位置和上一时刻所在位置，为在t时刻，即室内移动机器人在t+1时刻的预抵达位置；pt-1由pt-1＝pt-vt得到，v为设定的室内移动机器人移动速度。所述步骤2中最优路径的规划过程如下：步骤2.1：令k＝1，k表示迭代次数；步骤2.2：依据步骤1建立的障碍物碰撞风险的评估概率模型指导地图中随机采样的过程，获得随机采样状态点prand(k)；依据步骤1建立的障碍物碰撞风险的评估概率模型指导地图中随机采样能够以一定概率避免直接采到障碍物区域的状态点；步骤2.3：遍历已生成树{G＝(p,e)本文档来自技高网...

【技术保护点】
一种室内移动机器人增量式环境信息采样的最优路径规划方法，其特征在于，包括以下几个步骤：步骤1：建立已探测区域障碍物碰撞风险的评估概率模型；步骤2：进行基于增量式环境信息采样的最优路径规划；在地图范围内以起点为搜索树第一个点，以步骤1获得的评估概率模型生成的随机采样状态点进行增量式迭代扩展，产生新的树节点，并计算新的树节点的代价函数，以树节点的最小代价函数修改树结构，直到生成的路径数达到设定路径数Pathn，以所有生成路径中路径代价函数最小的路径作为潜在最优路径；步骤3：依据步骤2得到的潜在最优路径和室内移动机器人的当前位置和速度矢量，判断室内移动机器人的偏转角φt是否满足轮式机器人不能侧向滑动的非完整约束，从而确定室内移动机器人是否按照最优路径方向移动；若室内移动机器人的偏转角φt不满足轮式机器人不能侧向滑动的非完整约束，则返回步骤2；若满足，则沿当前时刻规划出的潜在最优路径方向移动，进入下一时刻的路径规划，t＝t+1，返回步骤1，直到室内移动机器人移动到目标位置，完成路径规划；所述室内移动机器人的偏转角φt满足轮式机器人不能侧向滑动的非完整约束是指：φt∈[0,60°]∪[120°,180°]；其中，pt和pt‑1分别为室内移动机器人当前位置和上一时刻所在位置，为在t时刻，即室内移动机器人在t+1时刻的预抵达位置；pt‑1由pt‑1＝pt‑vt得到，v为设定的室内移动机器人移动速度。...

【技术特征摘要】
1.一种室内移动机器人增量式环境信息采样的最优路径规划方法，其特征在于，包括以下几个步骤：步骤1：建立已探测区域障碍物碰撞风险的评估概率模型；步骤2：进行基于增量式环境信息采样的最优路径规划；在地图范围内以起点为搜索树第一个点，以步骤1获得的评估概率模型生成的随机采样状态点进行增量式迭代扩展，产生新的树节点，并计算新的树节点的代价函数，以树节点的最小代价函数修改树结构，直到生成的路径数达到设定路径数Pathn，以所有生成路径中路径代价函数最小的路径作为潜在最优路径；步骤3：依据步骤2得到的潜在最优路径和室内移动机器人的当前位置和速度矢量，判断室内移动机器人的偏转角φt是否满足轮式机器人不能侧向滑动的非完整约束，从而确定室内移动机器人是否按照最优路径方向移动；若室内移动机器人的偏转角φt不满足轮式机器人不能侧向滑动的非完整约束，则返...

【专利技术属性】
技术研发人员：王耀南，陈彦杰，钟杭，谭建豪，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43