The invention discloses a complex hybrid carrying robot path planning method for collaborative intelligent adaptive, the method includes the following steps: Step 1: build the global map three-dimensional coordinate system; step 2: on the global map in accordance with the floor level number to be divided, each floor of the 2D map obtained and distance matrix; step 3: according to the coordinates of the starting point of transport task get command transport task and end points in the global map three-dimensional coordinates, the distance matrix of the floors and the floors in all rooms and corridor based on distance matrix, using Floyd algorithm for path planning, transport planning path; step 4: according to the planning path controlling Carrier Robot forward, to complete the transportation task. The invention reduces the calculation amount of the algorithm through the module division of the multi floor environment, including the access control, the elevator interaction and the obstacle avoidance strategy, so as to facilitate the carrying robot to perform the transportation task in the intelligent environment.
【技术实现步骤摘要】
本专利技术属于机器人路径规划问题,特别涉及一种运载机器人复杂混合路径协同自适应智能规划方法。
技术介绍
随着工业4.0时代的开启,人工智能炙手可热,机器人开始进入日常生活、实验室、工厂等领域,由于科技的快速发展,机器人用途愈发广泛,由95%的工业应用扩展到更多领域的非工业应用,对于社会的作用也越来越大。而且中自推动机器人产业发展以来,正成长为全球最大的机器人市场,机器人的“中国时代”或即将来临。如何让机器人更加高效,更加智能地为人类服务,是所有人关注的重点,其中运输机器人的路径规划和控制是机器人领域的核心问题。移动机器人的路径规划和控制是指机器人能自主感知周围环境,针对目标任务智能规划出一条相对最短,耗时最少的路径,同时能与路径上的门禁进行交互,具备自动避障功能,在保证机器人、人及所运物品的安全的前提下,顺利完成任务。针对路径规划和控制这个问题,前人曾提出了很多优秀的方法,例如中国专利CN102819264B中公开了一种基于人工势能场的移动机器人强化学习初始化方法,将机器人工作环境虚拟化为一个人工势能场,利用先验知识确定所有状态的势能值,使得障碍物区域势能值为零,目标点具有全局最大的势能值,这时人工势能场中每个状态的势能值就代表相应状态遵循最优策略获得的最大累积回报。此法的突出优点系统的路径生成与控制直接与环境形成了闭环,因此增强了系统的适应性和避障性能,但是其容易陷入局部最优解,完全依赖先验知识确定,对于新出现的障碍物,无法实时反馈到系统中,导致对于灵活变动的实际机器人工作环境没有应对能力,并且在相邻较近的障碍物之间不能发现路径,所以不便于应用到实践中 ...
【技术保护点】
一种运载机器人复杂混合路径协同自适应智能规划方法,其特征在于,包括以下步骤:步骤1:构建全局地图三维坐标系;运载区域地面中心点为原点,正东方向为X轴,正北方向为Y轴,垂直地面方向为Z轴;所述运载机器人运载区域为一个楼栋内所有的地板连通区域,所述可行走区域是指从所有的地板连通区域中删除楼栋内的障碍物所在区域;步骤2:对全局地图按照楼层层号进行划分,获得每个楼层的二维地图和距离矩阵;每个楼层的距离矩阵由所有楼道和所有房间之间的相邻关系构成,若两房间、房间与楼道以及两楼道相邻,则楼层距离矩阵中的对应权值为1,否则为无穷大;每个楼层中各楼道的距离矩阵中的权值是在楼层二维地图下每个楼道中各路径点之间的实际距离;每个楼层中各房间的距离矩阵中的权值是在楼层二维地图下每个房间中所有路径点之间的实际距离构成;在每个楼道距离矩阵和房间距离矩阵中,若两路径点之间存在障碍物,则距离矩阵中对应的权值为无穷大;步骤3:根据运输任务指令获得运输任务的起始点和终止点在全局地图三维坐标系下的坐标,基于各楼层的距离矩阵以及各楼层中所有楼道以及房间的距离矩阵,采用Floyd算法进行路径规划,获得运输规划路径;当运载机器人需 ...
【技术特征摘要】
1.一种运载机器人复杂混合路径协同自适应智能规划方法,其特征在于,包括以下步骤:步骤1:构建全局地图三维坐标系;运载区域地面中心点为原点,正东方向为X轴,正北方向为Y轴,垂直地面方向为Z轴;所述运载机器人运载区域为一个楼栋内所有的地板连通区域,所述可行走区域是指从所有的地板连通区域中删除楼栋内的障碍物所在区域;步骤2:对全局地图按照楼层层号进行划分,获得每个楼层的二维地图和距离矩阵;每个楼层的距离矩阵由所有楼道和所有房间之间的相邻关系构成,若两房间、房间与楼道以及两楼道相邻,则楼层距离矩阵中的对应权值为1,否则为无穷大;每个楼层中各楼道的距离矩阵中的权值是在楼层二维地图下每个楼道中各路径点之间的实际距离;每个楼层中各房间的距离矩阵中的权值是在楼层二维地图下每个房间中所有路径点之间的实际距离构成;在每个楼道距离矩阵和房间距离矩阵中,若两路径点之间存在障碍物,则距离矩阵中对应的权值为无穷大;步骤3:根据运输任务指令获得运输任务的起始点和终止点在全局地图三维坐标系下的坐标,基于各楼层的距离矩阵以及各楼层中所有楼道以及房间的距离矩阵,采用Floyd算法进行路径规划,获得运输规划路径;当运载机器人需要从一个楼层运动至另外一个楼层时,将路径规划任务分解成在两个楼层中的路径规划;第一个路径规划的起点为运输任务起始点,终点为第一个楼层的电梯所在位置;第二个路径规划的起点为第二个楼层的电梯所在位置,终点为运输任务终止点;第一个楼层的电梯和第二个楼层的电梯为同一电梯;步骤4:利用步骤3获得的运输规划路径控制运载机器人前进,完成运输任务。2.根据权利要求1所述的方法,其特征在于,在运载机器人依据获得的规划路径前进过程中,运载机器人到达门禁前的路径点时,先发送开门指令,利用Kinect传感器检测门禁的开启情况,确认门开启后,通过门禁后到达下一路径点,发送关门指令后,继续前往下一路径点;运载机器人到达电梯前的路径点时,先发送开门指令,然后使用Kinect检测电梯的开启情况,确认门开启后,进入电梯。3.根据权利要求2所述的方法,其特征在于,运载机器人在执行运输任务的前进过程中,利用Kinect传感器实时识别路径前方是否有人或其他障碍物,当运载机器人现行路径前方两米范围内出现障碍物时,按照以下操作进行避障:A)当运载机器人在楼道中遇到人时,通过Kinect传感器结合天花板的定位片得到运载机...
【专利技术属性】
技术研发人员:刘辉,李燕飞,黄家豪,金楷荣,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。