一种机器人动态路径规划方法技术

技术编号:24328383 阅读:69 留言:0更新日期:2020-05-29 18:47
本发明专利技术提出的一种机器人动态路径规划方法,包括以下步骤:结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自由空间直方图,并计算自由空间直方图中各扇区的期望;结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区内的受力,并计算机器人在各扇区内的受力之和作为合力;根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人运动角度为机器人在合力和附加力综合作用下的运动方向。本发明专利技术中,在基本AG算法的自由空间力中加入机器人和障碍物的相对速度分量,从而使机器人能够迅速躲避动态障碍物,有效地进行动态避障和动态路径规划。

A dynamic path planning method for robot

【技术实现步骤摘要】
一种机器人动态路径规划方法
本专利技术涉及机器人和运动分析
,尤其涉及一种机器人动态路径规划方法。
技术介绍
移动机器人众多研究领域中最基本同时也是最重要的一个领域就是路径规划问题。路径规划要完成的任务是找到一条从起点到终点的最优路径,同时需要避开环境中的障碍物,这是机器人智能化的体现。AG算法是一种基于虚拟立场技术(VFF)的反应性的移动机器人路径规划算法,它的优点是只使用一个单一的由周边自由空间产生的吸引力控制机器人运动,所以避免了局部最优解的问题。但是,传统的AG算法只考虑了障碍物是静态的情况,当环境中出现动态障碍物时,动态障碍物的运动速度和运动方向具有不确定性,当动态障碍物的运动轨迹与机器人运动轨迹出现交点时可能会发生碰撞的情况。
技术实现思路
基于
技术介绍
存在的技术问题,本专利技术提出了一种机器人动态路径规划方法。本专利技术提出的一种机器人动态路径规划方法,包括以下步骤:S1、结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自由空间直方图,并计算自由空间直方图中各扇区的期望;S2、结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区内的受力,并计算机器人在各扇区内的受力之和作为合力;S3、根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人运动角度为机器人在合力和附加力综合作用下的运动方向。优选的,步骤S1中,自由空间直方图中各扇区的初始距离值为机器人在扇区内活动窗口的半径raw和当目标在机器人视觉范围内出现时机器人当前位置到目标的距离dgoal中的较小值。优选的,步骤S2中,机器人在各扇区内的受力根据如下公式计算:Fk=(λkdk)2×Δk,k=1,2,3...,K;其中,λk为自由空间直方图中第k个扇区的期望,dk为第k个扇区的初始距离值,Δk为第k个扇区的方向的单位矢量,K为自由空间直方图中扇区总数。优选的,各扇区的期望的计算公式为:其中,ηλ为期望增益系数,ρ(XR,Xg)为机器人当前位置到目标位置的距离。优选的,ηλ=500。优选的,步骤S3中,机器人附加力的计算具体包括以下步骤:首先获取机器人的当前运动速度矢量VR与距离机器人最近的动态障碍物当前运动速度矢量Vi,并判断VR与Vi在机器人与所述障碍物连线上的相对运动速度VRi;当VRi大于0,则附加力为机器人在由障碍物指向机器人的方向上的受力FV1与机器人在垂直于障碍物与机器人连线方向上的受力FV2的合力Fv;当VRi小于或者等于0,则附加力为0。优选的,FV1的标量值大于或者等于合力在机器人与障碍物连线方向上的分量。优选的,FV2与合力在垂直于机器人与障碍物连线方向上的分力方向相反,其标量值大于或者等于所述分力。优选的,机器人运动角度的表述方式为:其中,F'Fsx、F'Fsy为合力和附加力之和分别在x方向、y方向上的分力。优选的,还包括步骤S4:周期性判断机器人是否抵达目标位置;否,则返回步骤S1;是,则机器人停止运动。本专利技术提出的一种机器人动态路径规划方法,在获取机器人运动环境的全景信息的情况下,以动态障碍物的运动信息与机器人相对运动信息为参照,对机器人与动态障碍物的碰撞可能进行预测,然后根据预测结果,通过施加附加力使得机器人对动态障碍物进行绕行,保证机器人运动安全。且,本专利技术中,在基本AG算法的自由空间力中加入机器人和障碍物的相对速度分量,该相对速度分量的增加可以起到使机器人远离障碍物运动的作用,从而使机器人能够迅速躲避动态障碍物,有效地进行动态避障和动态路径规划。附图说明图1为本专利技术提出的一种机器人动态路径规划方法的流程图;图2为机器人自由空间直方图;图3为机器人受力分析图。具体实施方式参照图1,本专利技术提出的一种机器人动态路径规划方法,包括以下步骤。S1、结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自由空间直方图,并计算自由空间直方图中各扇区的期望。具体的,首先获得机器人的自由空间直方图(FSH)如图2所示,自由空间直方图中各扇区的初始距离值dmax为机器人在扇区内活动窗口的半径raw和当目标在机器人视觉范围内(FOV)出现时机器人当前位置到目标的距离dgoal中的较小值。即,目标位置在机器人视觉范围内;。raw为环境中有源区域的尺寸,假设机器人最初定位在开放区域,raw可视作有源区域的最大距离,以保证机器人自由活动需求。dgoal的设置保证了机器人在接近障碍物的情况下仍然可以到达目标。如果没有期望的影响,机器人将试图找到最大的自由空间并且直接朝其前进而不管目标在哪,因此期望的增加是为了使机器人能够朝向目标运动。基本AG算法期望采用固定值。本实施方式中,考虑到了机器人的动态变化,机器人在不同的位置会或者不同的期望,故而提供了一种动态的期望计算方式。本实施方式中,各扇区的期望的计算公式为:其中,ηλ为期望增益系数,为预设值,具体实施时,可设置ηλ=500;ρ(XR,Xg)为机器人当前位置到目标位置的距离。本实施方式中提供的期望计算方法,可保证机器人离目标位置的距离越近期望值越大,机器人朝向目标运动的动力也越大,保证机器人朝向目标点运动,从而使机器人最终到达目标点。S2、结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区内的受力,并计算机器人在各扇区内的受力之和作为合力。具体的,机器人在各扇区内的受力根据如下公式计算:Fk=(λkdk)2×Δk,k=1,2,3...,K;其中,λk为自由空间直方图中第k个扇区的期望,dk为第k个扇区的初始距离值,Δk为第k个扇区的方向的单位矢量,K为自由空间直方图中扇区总数。合力为:S3、根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人运动角度为机器人在合力和附加力综合作用下的运动方向。具体的,机器人附加力的计算具体包括以下步骤:首先获取机器人的当前运动速度矢量VR与距离机器人最近的动态障碍物当前运动速度矢量Vi,并判断VR与Vi在机器人与所述障碍物连线上的相对运动速度VRi;当VRi大于0,则附加力为机器人在由障碍物指向机器人的方向上的受力FV1与机器人在垂直于障碍物与机器人连线方向上的受力FV2的合力Fv;当VRi小于或者等于0,则附加力为0。即,VRi=VRcos(α)-Vicos(β),其中VR为机器人当前运动速度矢量,Vi为动态障碍物当前运动速度矢量,α为机器人当前运动方向与机器人和障碍物连线方向的夹角,β为障碍物当前运动方向与机器人和障碍物连线方向的夹角。当VRi大于0,表示机器人与障碍物有相互碰撞的可能,故而向机器人施加附加力Fv。附加力Fv本文档来自技高网...

【技术保护点】
1.一种机器人动态路径规划方法,其特征在于,包括以下步骤:/nS1、结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自由空间直方图,并计算自由空间直方图中各扇区的期望;/nS2、结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区内的受力,并计算机器人在各扇区内的受力之和作为合力;/nS3、根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人运动角度为机器人在合力和附加力综合作用下的运动方向。/n

【技术特征摘要】
1.一种机器人动态路径规划方法,其特征在于,包括以下步骤:
S1、结合机器人位置、目标位置、周围环境信息和动态障碍物信息生成自由空间直方图,并计算自由空间直方图中各扇区的期望;
S2、结合各扇区内的障碍物和扇区方向的单位矢量,计算机器人在各扇区内的受力,并计算机器人在各扇区内的受力之和作为合力;
S3、根据机器人所受合力与最近动态障碍物信息计算机器人附加力和机器人运动角度;机器人附加力为施加给机器人用于规避动态障碍物的力,机器人运动角度为机器人在合力和附加力综合作用下的运动方向。


2.如权利要求1所述的机器人动态路径规划方法,其特征在于,步骤S1中,自由空间直方图中各扇区的初始距离值为机器人在扇区内活动窗口的半径raw和当目标在机器人视觉范围内出现时机器人当前位置到目标的距离dgoal中的较小值。


3.如权利要求1或2所述的机器人动态路径规划方法,其特征在于,步骤S2中,机器人在各扇区内的受力根据如下公式计算:
Fk=(λkdk)2×Δk,k=1,2,3...,K;其中,λk为自由空间直方图中第k个扇区的期望,dk为第k个扇区的初始距离值,Δk为第k个扇区的方向的单位矢量,K为自由空间直方图中扇区总数。


4.如权利要求3所述的机器人动态路径规划方法,其特征在于,各扇区的期望的计算公式为:

其中,ηλ为期望增益系数,ρ(XR,Xg)为机器人当前位置到...

【专利技术属性】
技术研发人员:朱玉盛恩菊孙吴强陈静盛娜许青
申请(专利权)人:合肥赛为智能有限公司马鞍山学院
类型:发明
国别省市:安徽;34

网友询问留言 已有0条评论
  • 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。

1