一种移动机器人基于激光数据的动态障碍物轨迹预测方法技术

本发明专利技术提供了一种移动机器人基于激光数据的动态障碍物轨迹预测方法，属于移动机器人智能控制技术领域。移动机器人通过激光传感器感知周围的工作场景信息，基于实时获取的激光数据与已经存储的场景全局地图进行匹配，应用蒙特卡罗定位算法实现准确的全局定位，并依赖全局定位所获得的最佳位姿估计应用动态窗口法进行局部路径规划。本发明专利技术解决了移动机器人在动态复杂场景运动时，对于周围动态障碍物运动轨迹做出准确预测，从而实现更安全有效的避障和局部路径规划，能满足移动机器人复杂动态场景中准确安全的自主导航需求，旨在提高移动机器人自主导航的安全性和流畅性。机器人自主导航的安全性和流畅性。机器人自主导航的安全性和流畅性。

【技术实现步骤摘要】
一种移动机器人基于激光数据的动态障碍物轨迹预测方法


[0001]本专利技术属于移动机器人智能控制
，尤其涉及一种移动机器人基于激光数据的动态障碍物轨迹预测方法。

技术介绍

[0002]移动机器人已经服务于当今社会发展的各行各业，如工厂、医院、家庭、酒店、展览馆、餐厅等，主要执行物流、搬运、配送和导引等作业任务。移动机器人在这些场景中自主导航，其动态复杂环境的适应性和安全性是其智能化的重要表现，而且对于动态障碍物能够有效安全顺滑的绕开，是移动机器人局部路径规划的重要功能。
[0003]考虑到移动机器人在工作场景中作业，不可避免地会有不同的障碍物在环境中运动，如人、以及其他移动机器人等。而传统中局部路径规划算法没有对于动态障碍物的预测功能，只能根据当前激光或其他传感器所感知的周围场景做出避障反应，这就导致在面对动态障碍物移动机器人做出相应的避障动作，经常会出现不必要的摇头甩尾，甚至是与动态障碍物安全距离太少导致发生碰撞。这种情况地发生会极大地降低移动机器人运行效率，甚至会发生安全事故。

技术实现思路

>[0004]针对现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动机器人基于激光数据的动态障碍物轨迹预测方法，其特征在于，包括以下步骤：S1、利用激光传感器实时感知周围环境信息，将当前时间帧激光数据与已存储的场景全局地图进行匹配，并利用蒙特卡罗定位算法获取当前时间帧最佳全局位姿估计；S2、根据所述当前时间帧最佳全局位姿估计与场景全局地图，区分周围环境中的动态障碍物；S3、对所述动态障碍物的激光数据进行分割聚类，得到动态障碍物多边形类簇描述；S4、根据移动机器人的当前时间帧最佳全局位姿估计和动态障碍物多边形类簇信息，计算得到动态障碍物在全局地图中的位置和大小描述；S5、分析后续相邻时间帧动态障碍物在全局地图中的位置和大小描述，并利用卡尔曼滤波算法预测动态障碍物运动轨迹；S6、根据所述预测的动态障碍物运动轨迹，利用应用动态窗口法进行路径规划，得到绕过动态障碍物的运动轨迹，完成移动机器人基于激光数据的动态障碍物轨迹预测。2.根据权利要求1所述的移动机器人基于激光数据的动态障碍物轨迹预测方法，其特征在于，所述步骤S1包括以下步骤：S101、在移动机器人上方安装前向2D激光传感器，并利用所述激光传感器扫描周围环境信息，获取当前时间帧激光数据{L|γ
k,n
,n＝1...N}，其中，n表示第k帧激光点的序号，N表示第k帧激光点的总数，γ
k,n
表示当前时间帧激光点对应的极坐标距离，L表示激光数据集；S102、将当前时间帧激光数据与已存储的场景全局地图进行匹配，并利用蒙特卡罗定位算法获取当前时间帧最佳全局位姿估计，其中，ω
X,Y
表示场景2D全局地图中的栅格点[X,Y]的值，M表示二维地图栅格点集，且栅格点为离散的物理宽度为Δw的正方形栅格，Θ表示场景全局地图。3.根据权利要求2所述的移动机器人基于激光数据的动态障碍物轨迹预测方法，其特征在于，所述步骤S102中当前时间帧最佳全局位姿估计的表达式如下：P
k
＝[p
k q
k θ
k
]
T
其中，P
k
表示最佳全局位姿估计，p
k
和p
k
表示在第k帧移动机器人在全局坐标系的坐标，θ
k
表示航向角。4.根据权利要求1所述的移动机器人基于激光数据的动态障碍物轨迹预测方法，其特征在于，所述步骤S2包括以下步骤：S201、将动态障碍物轨迹投影至场景全局地图中：其中，表示场景2D全局地图中的栅格点[X,Y]的值，M表示二维地图栅格点集，且栅格点为离散的物理宽度为Δw的正方形栅格；S202、将所述当前时间帧最佳全局位姿估计与场景全局地图进行特征匹配，去除与场
景全局地图栅格匹配的激光数据点且[X
k
,Y
k
]∈M，区分周围环境中的动态障碍物，其表达式如下：碍物，其表达式如下：其中，γ
k,n
表示当前时间帧激光点对应的极坐标距离，[x
k,n y
k,n
]
T
表示当前k帧激光数据中第n个激光离散点在移动机器人坐标系中的坐标，p
k
和q
k
表示在第k帧移动机器人在全局坐标系的坐标，θ
k
表示航向角，x
FL
表示激光传感器在移动机器人正前向安装的偏移量，即激光传感器极坐标系相对于移动机器人旋转中心坐标系的前向偏移量，M表示二维地图栅格点集，X
k
,Y
k
表示当前时间k帧激光数据点在全局地图中投影所对应的栅格序号。5.根据权利要求1所述的移动机器人基于激光数据的动态障碍物轨迹预测方法，其特征在于，所述步骤S3包括以下步骤：S301、判断所述动态障碍物激光数据中相邻两个激光点的距离是否大于预设的阈值，若是，则进入步骤S302，否则，进行下一个激光点的判断，并持续步骤S301；S302、根据判断结果，利用多边形对激光传感器所检测到的障碍物区域{Ω|O
d
,d＝1,2,...Z
k
}进行表征，得到动态障碍物的多边形类簇描述，并进入步骤S4，其中，每一个激光聚类区域R
j
对应一个障碍物区域其中，分别表示障碍物区域O
...

【专利技术属性】
技术研发人员：林睿，
申请(专利权)人：江苏集萃微纳自动化系统与装备技术研究所有限公司，
类型：发明
国别省市：