当前位置: 首页 > 专利查询>浙江大学专利>正文

一种基于阿克曼模型的移动机器人避障路径规划方法技术

技术编号:28294663 阅读:23 留言:0更新日期:2021-04-30 16:17
本发明专利技术涉及一种基于阿克曼模型的移动机器人避障路径规划方法,包括以下步骤:步骤S3,将各个移动机器人的起始位姿状态和终点位姿状态输入下层单机器人路径规划器;步骤S4,下层单机器人路径规划器计算后得到各个移动机器人从起始位姿状态到终点位姿状态的避障路径,输入上层碰撞搜索树;步骤S5,上层碰撞搜索树通过计算对所有机器人的避障路径进行冲突检查;步骤S6,当检查到一个路径冲突时,对检查到路径冲突的各个机器人增加约束条件,并输入下层单机器人路径规划器,返回步骤S4;当检查到无路径冲突时,输出避障路径。本发明专利技术规划得到的避障路径不需经过轨迹优化即可直接应用到实际的移动机器人中,且实际执行时避障成功率高。

【技术实现步骤摘要】
一种基于阿克曼模型的移动机器人避障路径规划方法
本专利技术属于机器人路径规划领域,具体涉及一种基于阿克曼模型的移动机器人避障路径规划方法。
技术介绍
近年来,由于在机器人技术和AI领域的广泛应用,研究人员对多智能体路径查找技术(Multi-AgentPathFinding,MAPF)进行了广泛的研究。MAPF可应用于多种现代化的工业场景,包括自动驾驶汽车,港口自动跨运车,仓储机器人,水面/水下无人船和服务机器人等。通常,使用基于搜索技术的求解器来解决该类问题。一个完整且最优的MAPF求解器是安全间隔路径规划技术(SIPP)。它在待搜索地图中运行A*搜索,其中每个节点代表工作空间中的一个路径点以及一个安全的时间间隔,使用从起点到终点的搜索来求解MAPF问题。另一个求解技术是基于冲突的搜索技术(CBS)。它是一个分层的最优求解器,其通过对智能体之间的冲突进行分类并首先解决主要冲突来一步步解决多智能体之间规划会发生相互碰撞的问题。然而该两种方法都使用一些假设,例如忽略机器人的运动学约束和使用离散的网格图作为搜索地图。有人提出了适用于差动驱动机器人的MAPF-POST算法。它考虑了机器人的速度限制,并确保了机器人之间的安全距离。LA-CBS技术为占用多个网格的大型代理提供了通用的CBS版本。SIPPwRT方法则将令牌传递算法与SIPP结合在一起,在仓储运输场景下有很好的表现。还有人提出了一种基于网格且支持机器人不同移动速度的规划器,该规划器使用了SIPP的变体方法来处理全向移动机器人的移动。但是,几乎所有上述方法都基于如下两个假设:机器人可以被建模为一个全向移动且原地旋转的圆盘,机器人采用离散的栅格地图作为其运动空间。然而,在一般工业或者服务机器人一般使用非完整约束模型(如阿克曼模型)而非全向完整约束模型,这限制了上述方法在实际机器人场景中的应用。实际上,阿克曼机器人具有矩形的外形,并且具有最小的转弯半径。通过降低栅格地图分辨率来应用原始MAPF求解器会降低其实际适用性,因为机器人控制器无法精确跟踪规划出的路径(尤其是急转弯的路径)。为了较好地实现避障路径规划方法的实际应用,避障路径规划方法需要同时满足以下几个条件:(1)算法简单、高效,能够在较短的时间内对数量较大的机器人群进行避障路径规划;(2)规划得到的避障路径精准,避障路径实际执行时成功率高;(3)规划得到的避障路径不需要经过二次加工等轨迹优化即可以直接应用到实际的移动机器人中。目前没有任何一种避障路径规划方法可以同时解决上述问题,从而较好地实现避障路径规划方法的实际应用。
技术实现思路
基于现有技术中存在的上述不足,本专利技术的目的在于提供一种基于基于阿克曼模型的移动机器人避障路径规划方法,该方法算法简单、高效,能够在较短的时间内对数量较大的机器人群进行避障路径规划,规划得到的避障路径精准、实际执行时成功率高、不需要经过二次加工等轨迹优化即可以直接应用到实际的移动机器人中。本专利技术的目的可以通过以下技术方案实现:一种基于阿克曼模型的移动机器人避障路径规划方法,包括以下步骤::步骤S1:按照阿克曼模型对移动机器人进行建模,对移动机器人的运动区域构建全局地图坐标系和机器人局部坐标系,对运动区域内的N个移动机器人设定终点位姿状态,获取N个移动机器人的起始位姿状态;N为大于等于2的整数;步骤S2:获取在全局地图坐标系下的障碍物所在区域,得到在全局地图坐标系下的可行走区域坐标;步骤S3:将各个移动机器人的起始位姿状态和终点位姿状态输入下层单机器人路径规划器;步骤S4:下层单机器人路径规划器计算后得到各个移动机器人从起始位姿状态到终点位姿状态的避障路径,将各个移动机器人的避障路径输入上层碰撞搜索树;步骤S5:上层碰撞搜索树通过计算对所有机器人的避障路径进行冲突检查;步骤S6:当检查到一个路径冲突时,对检查到路径冲突的各个机器人增加约束条件,并将增加的约束条件输入下层单机器人路径规划器,返回步骤S4;当检查到无路径冲突时,输出避障路径;约束条件用于避免此次检查到的路径冲突。优选的,上层碰撞搜索树包括二叉冲突树。优选的,步骤S5包括:上层碰撞搜索树汇总收到的各个移动机器人的避障路径,通过二叉冲突树寻找各个移动机器人的避障路径之间是否存在路径冲突的地方。优选的,步骤S6包括下列步骤:当检查到任意一个机器人在t时刻与另一个机器人发生路径冲突时,给当前二叉冲突树生成两个子节点,一个子节点给冲突一方增加一个约束条件,并将增加的约束条件输入下层单机器人路径规划器,返回步骤S4;当检查到无路径冲突时,输出避障路径;约束条件限制冲突双方机器人在t时刻互相接近;优选的,步骤S6包括:当检查到一个机器人与另一个机器人在t时刻发生路径冲突时,给当前二叉冲突树生成两个子节点,一个机器人用ai表示,另一个机器人用aj表示,机器人ai在t时刻的所在区域用Cti表示,机器人aj在t时刻的所在区域用用Ctj表示,冲突用<ai;aj;Cti;Ctj;t>表示,对机器人ai产生约束(ai;Ctj;t),对机器人aj产生约束(aj;Cti;t),并将增加的约束(ai;Ctj;t)和(aj;Cti;t)输入下层单机器人路径规划器,返回步骤S4;当检查到无路径冲突时,输出避障路径;约束(ai;Ctj;t)表示机器人ai从时间步t-δT到时间步t+δT避开区域Ctj,约束(aj;Cti;t)表示机器人aj从时间步t-δT到时间步t+δT避开区域Cti。优选的,步骤S6中:约束(ai;Ctj;t)和(aj;Cti;t)在输入下层单机器人路径规划器前,将Cti、Ctj乘以膨胀系数k;膨胀系数k为1-3。优选的,二叉冲突树的扩展方法为:当最小成本的叶节点L从二叉冲突树中弹出时,对属于L的解决方案执行冲突检查。优选的,下层单机器人路径规划器使用四维搜索空间(t;x;y;θ)对机器人避障路径进行规划,x、y、θ是连续的,时间t是离散的。优选的,用于下层单机器人路径规划器扩展路径节点的动作包括:前向左转、前向直行、前向右转、倒车左转、倒车直行、倒车右转、原地等待。优选的,步骤S2中,获得障碍物所在区域的方法包括使用机器人车载激光雷达和/或可进行深度探测的相机进行感知。相对于现有技术,本专利技术具有以下有益效果:本专利技术的避障路径规划方法基于非完整约束模型——阿克曼模型,适用于一般工业或者服务机器人等实际机器人场景中的应用,与全向完整约束模型相比,规划出的避障路径更加精确且实际适用性好。本专利技术以阿克曼模型为基础建立算法,通过上层碰撞搜索树搜索出多机器人之间的规划路径冲突,通过下层单机器人路径规划器规划生成同时满足运动学和时空约束的避障路径,算法简单高效,且最终规划得到的避障路径既使多机器人能避免和障碍物碰撞,同时又能避免多机器人相互之间的碰撞。本专利技术的避障路径规划方法,通过二叉冲突树寻找各个移动机器人的避障路径之间是否存在路本文档来自技高网
...

【技术保护点】
1.一种基于阿克曼模型的移动机器人避障路径规划方法,其特征在于,包括以下步骤:/n步骤S1:按照阿克曼模型对移动机器人进行建模,对移动机器人的运动区域构建全局地图坐标系和机器人局部坐标系,对运动区域内的N个移动机器人设定终点位姿状态,获取N个移动机器人的起始位姿状态;所述N为大于等于2的整数;/n步骤S2:获取在全局地图坐标系下的障碍物所在区域,得到在全局地图坐标系下的可行走区域坐标;/n步骤S3:将各个移动机器人的起始位姿状态和终点位姿状态输入下层单机器人路径规划器;/n步骤S4:下层单机器人路径规划器计算后得到各个移动机器人从起始位姿状态到终点位姿状态的避障路径,将各个移动机器人的避障路径输入上层碰撞搜索树;/n步骤S5:上层碰撞搜索树通过计算对所有机器人的避障路径进行冲突检查;/n步骤S6:当检查到一个路径冲突时,对检查到路径冲突的各个机器人增加约束条件,并将增加的约束条件输入下层单机器人路径规划器,返回步骤S4;当检查到无路径冲突时,输出避障路径;/n所述约束条件用于避免此次检查到的路径冲突。/n

【技术特征摘要】
1.一种基于阿克曼模型的移动机器人避障路径规划方法,其特征在于,包括以下步骤:
步骤S1:按照阿克曼模型对移动机器人进行建模,对移动机器人的运动区域构建全局地图坐标系和机器人局部坐标系,对运动区域内的N个移动机器人设定终点位姿状态,获取N个移动机器人的起始位姿状态;所述N为大于等于2的整数;
步骤S2:获取在全局地图坐标系下的障碍物所在区域,得到在全局地图坐标系下的可行走区域坐标;
步骤S3:将各个移动机器人的起始位姿状态和终点位姿状态输入下层单机器人路径规划器;
步骤S4:下层单机器人路径规划器计算后得到各个移动机器人从起始位姿状态到终点位姿状态的避障路径,将各个移动机器人的避障路径输入上层碰撞搜索树;
步骤S5:上层碰撞搜索树通过计算对所有机器人的避障路径进行冲突检查;
步骤S6:当检查到一个路径冲突时,对检查到路径冲突的各个机器人增加约束条件,并将增加的约束条件输入下层单机器人路径规划器,返回步骤S4;当检查到无路径冲突时,输出避障路径;
所述约束条件用于避免此次检查到的路径冲突。


2.根据权利要求1所述的一种基于阿克曼模型的移动机器人避障路径规划方法,其特征在于,所述上层碰撞搜索树包括二叉冲突树。


3.根据权利要求2所述的一种基于阿克曼模型的移动机器人避障路径规划方法,其特征在于,步骤S5包括:
上层碰撞搜索树汇总收到的各个移动机器人的避障路径,通过二叉冲突树寻找各个移动机器人的避障路径之间是否存在路径冲突的地方。


4.根据权利要求3所述的一种基于阿克曼模型的移动机器人避障路径规划方法,其特征在于,步骤S6包括下列步骤:
当检查到任意一个机器人在t时刻与另一个机器人发生路径冲突时,给当前二叉冲突树生成两个子节点,一个子节点给冲突一方增加一个约束条件,并将增加的约束条件输入下层单机器人路径规划器,返回步骤S4;当检查到无路径冲突时,输出避障路径;所述约束条件限制冲突双方机器人在t时刻互相接近。


5.根据权利要求4所述的一种基于阿克曼模型的移动机器人避障路径规划方法,其特征...

【专利技术属性】
技术研发人员:刘勇温力成
申请(专利权)人:浙江大学
类型:发明
国别省市:浙江;33

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