【技术实现步骤摘要】
一种自主移动机器人轨迹规划方法、系统及设备
本专利技术属于自主移动机器人
，具体涉及一种自主移动机器人轨迹规划方法、系统及设备。
技术介绍
轨迹规划是自主移动机器人系统中的重要组成部分。它包括了两个方面的内容。第一个是对于自主移动机器人行驶路径的规划，第二个是生成机器人的速度曲线。轨迹规划的目的在于实现自主移动机器人在全局导航引导下与障碍物的交互。优秀的规划算法在与障碍物的交互中应该表现出机器人的智能性。可以认为机器人与障碍物交互的智能性应该体现在两个方面。第一，在沿规划路径行驶的过程中，机器人在保障通过障碍物的前提下，尽可能的与障碍物保持合适的距离。第二，在无法与障碍物保持足够距离时，机器人应该谨慎地通过障碍物，即机器人在通过障碍物时离障碍物距离越近，速度应该越低。当前轨迹规划技术在考虑障碍物对路径的影响时存在缺陷，会导致机器人在避障过程中离障碍物过近，灵活性下降，风险提升。另一方面，当前技术往往只给出速度阶跃，而无法生成平滑的速度曲线。
技术实现思路
为了解决现有技术中存在的问题...
【技术保护点】
1.一种自主移动机器人轨迹规划方法，其特征在于，包括以下步骤：/n获取路径规划信号，生成待选路径组，采用状态栅格采样法和五次样条插值算法生成待选路径组，同时生成每条待选路径对应的拓展路径；/n基于所述待选路径组，选择最优路径；基于非障碍物影响损失和障碍物影响损失衡量得到最优路径，路径损失＝非障碍物影响损失+障碍物影响损失，其中损失最小的路径为最优路径；/n生成所述最优路径对应的速度曲线，得到移动轨迹；/n根据所述移动轨迹、机器人的运动状态以及障碍物对轨迹的影响判断当前轨迹是否适合机器人继续跟随；判断的条件为未行驶路径与障碍物的距离是否小于阈值，如果小于则不适合继续跟随，同时...
【技术特征摘要】
1.一种自主移动机器人轨迹规划方法，其特征在于，包括以下步骤：
获取路径规划信号，生成待选路径组，采用状态栅格采样法和五次样条插值算法生成待选路径组，同时生成每条待选路径对应的拓展路径；
基于所述待选路径组，选择最优路径；基于非障碍物影响损失和障碍物影响损失衡量得到最优路径，路径损失＝非障碍物影响损失+障碍物影响损失，其中损失最小的路径为最优路径；
生成所述最优路径对应的速度曲线，得到移动轨迹；
根据所述移动轨迹、机器人的运动状态以及障碍物对轨迹的影响判断当前轨迹是否适合机器人继续跟随；判断的条件为未行驶路径与障碍物的距离是否小于阈值，如果小于则不适合继续跟随，同时生成重新规划信号；实时判断机器人是否已经到达行驶路径终点，如果是，生成重新规划信号，如果不是终点，则继续沿着移动轨迹前行。
2.根据权利要求1所述的自主移动机器人轨迹规划方法，其特征在于，
以全局导航路径作为参考线，分别沿着参考线的纵向方向和横向方向以设定间隔进行采样，即设定多个采样目标点；
获取所述采样目标点对应于参考先的纵向偏移量和横向偏移量；同时得到参考线中与采样目标点拥有相同纵向偏移量的参考点以及所述参考点的坐标、朝向和曲率；
获取采样目标点在笛卡尔坐标系下的位姿；
生成从机器人到当前位姿到采样目标点的曲线；
基于所有采样目标点生成多样化的待选路径组。
3.根据权利要求1所述的自主移动机器人轨迹规划方法，其特征在于，获取机器人初始点到采样目标点的路径；
以采样目标点为新的起点获取下一个采样目标点的横向偏移量与采样目标点的横向偏移量相同，得到所述下一个采样目标点笛卡尔坐标系下的位姿；
生成从机器人到当前位姿到所述下一个采样目标点的曲线；
基于所有采样目标点生成所有待选路径对应的拓展路径。
4.根据权利要求1所述的自主移动机器人轨迹规划方法，其特征在于，非障碍物影响损失包括路径的最大曲率和路径的采样目标点在参考线的横向偏移量di,j，可以通过以下表达式计算路径Pathi,j的非障碍物影响损失
其中，κthres为最大曲率阈值，曲率大于所述最大曲率阈值的路径不加入待选路径组，dmax为相对于参考线的最大横向偏移量，wcur为曲率损失的权重，weff为横向偏移量损失权重。
5.根据权利要求1所述的自主移动机器人轨迹规划方法，其特征在于，将障碍物影响损失转化为计算机器人到一个障碍物的距离，将机器人和障碍为都设定为矩形边界框，计算两个矩形之间的距离，具体如下：
首先，判断两个矩形外接圆之间的距离，如果大于给定阈值，则认为两矩形之间的距离为最大值；如果不满足，则矩...
【专利技术属性】
技术研发人员：郑南宁，简志强，陈仕韬，张崧翌，张稼慧，辛景民，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
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。