一种基于路径密度分析的自动吸尘机器人最优路径规划方法技术

公开了一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，以安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：(1)设置数据链表L0；(2)所述的自动吸尘机器人检测到障碍物时，记录当前位置坐标，存入数据链表L0；(3)求取数据链表L0的中心点O，以及中心点O到数据链表L0中的点Pi(xi,yi)的方向角α，并存入数据链表L1{αj}；(4)、设置数据链表L2={bk}，bk代表数据链表L1中元素位于k×π/4区域内的数量；(5)计算数据链表L1中元素αj位于bk对应区域的数量，并求最小值，其对应的方向作为新的清扫方向。

An Optimal Path Planning Method for Automatic Vacuum Cleaning Robot Based on Path Density Analysis

An optimal path planning method for an automatic vacuum robot based on path density analysis is disclosed. The automatic vacuum robot comprises two driving wheels and two driving motors connected with the driving wheels. An encoder is installed on the driving motor to detect obstacles in the front of the automatic vacuum robot. The optimal path planning method includes the following steps: (1) setting up the data link list L0; (2) recording the current position coordinates and storing them in the data link list L0 when the automatic cleaning robot detects obstacles; (3) obtaining the center point O of the data link list L0, so as to achieve the goal of achieving the optimal path planning. The direction angle of point Pi (xi, yi) from center point O to data link list L0 is stored in data link list L1 {alpha j}; (4) setting data link list L2 ={bk}, BK represents the number of elements in data link list L1 in the k * pi/4 region; (5) calculating the number of elements in data link list L1 in the corresponding region of alpha J bk, and calculating the minimum value of the corresponding direction. As a new direction of cleaning.

【技术实现步骤摘要】
一种基于路径密度分析的自动吸尘机器人最优路径规划方法
本专利技术涉及一种基于路径密度分析的自动吸尘机器人最优路径规划方法，属于智能家用电器控制

技术介绍
随着人们生活节奏的加快，以及要求生活内容越来越丰富，促使智能家电走进了我们的生活。其中，自动吸尘机器人给了我们很大的帮助。家庭的清洁工作非常繁重，并且非常频繁。自动吸尘机器人可以对家庭地板自动进行清扫。它利用自身携带的可充电电池给各种电器供电，其中吸尘电机在自动吸尘机器人内部形成足够的真空，通过条形吸口将地面的垃圾吸入内部的灰尘盒，而驱动电机和驱动轮可以实现自动吸尘机器人的自由行走。自动吸尘机器人通过自身的行走过程就实现了对地面的清洁。因为目前自动吸尘机器人还不具备非常精确的定位和规划能力，因此其清扫路径的效率就成为困扰行业发展的难题。目前常用的策略是随机的路径，自动吸尘机器人在地面随机行走，放弃任何规划方法，这种策略导致很低的清扫效率，经常会出现自动吸尘机器人长时间在某个区域清扫，而很少会进入其他区域。
技术实现思路
本专利技术的目的是为了克服现有技术中的不足之处，提出一种基于路径密度分析的最优路径规划方法，将清扫方向分成8个固定方向，选择在概率上最有可能是未清扫区域方向进行清扫，降低路径重复率，提高清扫效率，同时不增加任何硬件成本。本专利技术解决其技术问题所采用的技术方案是：一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，还包括一个支撑轮，以安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器通过分别设置两个所述的驱动轮的速度和方向来实现所述的自动吸尘机器人的自由运动，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y），所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：(1)、设置数据链表L0={Pi(xi,yi)}，其中，i=0，1，2......N-1，xi和yi为坐标值，N为数据链表L0的长度，数据链表L0为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L0，然后进入步骤3；(3)、求取数据链表L0的中心点O(xo，yo)，计算中心点O到数据链表L0中的点Pi(xi,yi)的方向角α，并存入数据链表L1{αj}，其中，j=0，1，2......N-1；(4)、设置数据链表L2={bk}，其中，k=0，1，2......7；以中心点O为中心，将圆周分成8个区域，而bk代表数据链表L1中元素αj位于区域内的数量；(5)、计算数据链表L1中的所有元素αj所在的区域，index=INT()，则bindex++；比较数据链表L2中元素bk的大小，提取最小值，记为bmin，其对应的方向角为，则新的清扫方向为θ。在步骤2中，当前位置的坐标（x，y）存入数据链表L0，按照如下步骤：令Pi(xi,yi)=Pi-1(xi-1,yi-1)，i=1,2,3.....N-1;然后P0(x0,y0)=(x，y)，完成链表操作。在步骤3中，数据链表L0的中心点O(xo，yo)的坐标计算方法为：搜索数据链表L0中坐标数据的最大最小值：xmax，xmin，ymax，ymin；计算xo=，yo=。在步骤3中，计算中心点O到数据链表L0中点Pi(xi,yi)的方向角α的方法为：当(xi-xo)>0并且(yi-yo)>0，则α=；当(xi-xo)<0并且(yi-yo)>0，则α=;当(xi-xo)<0并且(yi-yo)<0，则α=；当(xi-xo)>0并且(yi-yo)<0，则α=。实施本专利技术的积极效果是：1、提高随机路径的清扫覆盖率；2、工作方式灵活，易于实现，不增加系统成本。附图说明图1是自动吸尘机器人的结构示意图；图2是自动吸尘机器人的路径规划方法。具体实施方式现结合附图对本专利技术作进一步说明：参照图1-2，一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮1、与所述驱动轮1连接的两个驱动电机2，所述的驱动电机2上安装编码器，还包括一个支撑轮3，所述的支撑轮3起到支撑的作用，不用于驱动。其中，所述驱动电机2和编码器与控制器连接。所述的控制器通过分别设置两个所述的驱动轮1的速度和方向来实现所述自动吸尘机器人的自由运动，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y）。由于机械间隙，计算误差以及地面打滑等因素，坐标（x，y）会存在累计误差，也就是说，随着时间的推移，误差会越来越大，但是在一段时间之内，坐标（x，y）还是具有利用价值。还包括安装在所述的自动吸尘机器人前部的障碍物检测装置，同样与所述控制器连接。所述的障碍物检测装置可以采用超声波、红外或者是激光雷达等传感器或者两种或者多种传感器的集合。所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：(1)、设置数据链表L0={Pi(xi,yi)}，其中，i=0，1，2......N-1，xi和yi为坐标值，N为数据链表L0的长度，数据链表L0为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；数据链表L0的长度N不宜过大，否则误差太大导致规划效果变差。(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L0，然后进入步骤3；在步骤2中，当前位置的坐标（x，y）存入数据链表L0，按照如下步骤：令Pi(xi,yi)=Pi-1(xi-1,yi-1)，i=1,2,3.....N-1;然后P0(x0,y0)=(x，y)，完成链表操作。(3)、求取数据链表L0的中心点O(xo，yo)，计算中心点O到数据链表L0中的点Pi(xi,yi)的方向角α，并存入数据链表L1{αj}，其中，j=0，1，2......N-1；在步骤3中，数据链表L0的中心点O(xo，yo)的坐标计算方法为：搜索数据链表L0中坐标数据的最大最小值：xmax，xmin，ymax，ymin；计算xo=，yo=。在步骤3中，计算中心点O到数据链表L0中点Pi(xi,yi)的方向角α的方法为：当(xi-xo)>0并且(yi-yo)>0，则α=；当(xi-xo)<0并且(yi-yo)>0，则α=;当(xi-xo)<0并且(yi-yo)<0，则α=；当(xi-xo)>0并且(yi-yo)<0，则α=。(4)、设置数据链表L2={bk}，其中，k=0，1，2......7；以中心点本文档来自技高网...

【技术保护点】
1.一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，还包括一个支撑轮，以安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器通过分别设置两个所述的驱动轮的速度和方向来实现所述的自动吸尘机器人的自由运动，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y），其特征在于：所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：(1)、设置数据链表L0={Pi(xi,yi)}，其中，i=0，1，2......N‑1，xi和yi为坐标值，N为数据链表L0的长度，数据链表L0为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L0，然后进入步骤3；(3)、求取数据链表L0的中心点O(xo，yo)，计算中心点O到数据链表L0中的点Pi(xi,yi)的方向角αj，并存入数据链表L1{αj}，其中，j=0，1，2......N‑1；(4)、设置数据链表L2={bk}，其中，k=0，1，2......7；以中心点O为中心，将圆周分成8个区域，而bk代表数据链表L1中元素αj位于...

【技术特征摘要】
1.一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，还包括一个支撑轮，以安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器通过分别设置两个所述的驱动轮的速度和方向来实现所述的自动吸尘机器人的自由运动，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y），其特征在于：所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：(1)、设置数据链表L0={Pi(xi,yi)}，其中，i=0，1，2......N-1，xi和yi为坐标值，N为数据链表L0的长度，数据链表L0为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L0，然后进入步骤3；(3)、求取数据链表L0的中心点O(xo，yo)，计算中心点O到数据链表L0中的点Pi(xi,yi)的方向角αj，并存入数据链表L1{αj}，其中，j=0，1，2......N-1；(4)、设置数据链表L2={bk}，其中，k=0，1，2......7；以中心点O为中心，将圆周分成8个区域，而bk代表...

【专利技术属性】
技术研发人员：刘瑜，
申请(专利权)人：杭州晶一智能科技有限公司，
类型：发明
国别省市：浙江,33