一种自主避障的路径规划方法技术

本发明专利技术公开了一种自主避障的路径规划方法，满足建筑机器人进入施工位置全局路径规划最优且可实时避障的要求，通过建筑物BIM模型建立导航地图，通过优化A*算法搜索点选取策略，以及删除路径上的冗余转折点，缩短算法运行时间，且规划出的全局路径不会紧贴着建筑物墙壁，有效降低了机器人与墙体发生碰撞的可能性；结合动态窗ロ算法进行局部路径规划，通过加入的新的刹车判定条件，使得机器人的运动连续化。本发明专利技术提供的一种自主避障的路径规划方法解决现在技术所存在的建筑机器人路径规划不合理造成耗时耗能、以及易产生磕碰，规划路径控制机器人运动时运动不连续的问题。本发明专利技术作用效果显著，适于广泛推广。

【技术实现步骤摘要】
一种自主避障的路径规划方法
本专利技术涉及路径规划
，特别涉及，一种自主避障的路径规划方法。
技术介绍
由于建筑机器人本体尺寸、施工环境空间均很大，且机器人移动速度较缓，现有的路径规划方法规划过程中需要机器人先获取位置环境的信息，耗时耗能。A*算法是一种适用于地图环境已知的全局路径规划算法，在提高搜索效率的同时找到一条最优路径，但规划出的路径紧贴障碍物，不利于安全操作。现有的路径规划方法不具备实时避障的能力，有些在实际控制机器人运动过程中会导致机器人运动不连续。针对上述问题，设计一种解决现有技术所存在的建筑机器人路径规划不合理造成耗时耗能、以及易产生磕碰，规划路径控制机器人运动时运动不连续的问题。
技术实现思路
针对上述缺陷，本专利技术解决的技术问题在于，提供一种自主避障的路径规划方法，以解决现在技术所存在的建筑机器人路径规划不合理造成耗时耗能、以及易产生磕碰，规划路径控制机器人运动时运动不连续的问题。本专利技术提供了一种自主避障的路径规划方法，包括：步骤1、基于建筑物BIM模型，提取并优化建筑物高程信息，根据建筑物高程信息建立导航地图；步骤2、通过改进的A*算法选取搜索点得到路径节点，删除路径上的冗余转折点，得到规划后的全局路径及路径上的关键点信息，其中关键点包括起点、终点及路径中的必要转折点；步骤3、基于刹车判定条件，在全局路径关键点之间使用动态窗ロ法进行局部路径规划，得到机器人的连续运动的路径规划结果，动态窗口法的评价函数为G(v,w)＝σ[αH(v,w)+βD(v,w)+γV(v,w)]，其中H(v，w)为评价机器人以当前的采样速度，达到模拟轨迹末端时的朝向与机器人坐标系原点与下个最优节点连线之间的角度差θ的函数，D(v，w)为机器人在当前轨迹上与最近障碍物之间的距离，V(v，w)为评价当前轨迹速度的函数，α、β、γ为加权系数，σ为平滑函数。优选地，所述步骤1的具体步骤包括：步骤1.1、分析建筑物高程信息的BIM分布，构建建筑物高程信息的统计分析模型，根据大数据挖掘和模糊聚类方法得到建筑物高程信息的BIM分布模型；步骤1.2、构建建筑物高程信息提取的特征重构模型和BIM信息库，进行建筑物高程信息的特征分析；步骤1.3、基于建筑物高程信息提取的特征重构模型，在BIM信息库中进行高程信息的特征提取和样本采集得到BIM信息特征提取的结果；步骤1.4、对各个区域的建筑物高程信息进行融合处理，根据信息融合结果进行建筑物高程信息提取；步骤1.5、根据提取的建筑物高程信息，基于栅格图映射规则，通过栅格图法构建在建筑物里的导航地图。优选地，所述步骤2的具体步骤包括：步骤2.1、以构建的导航地图为基础，初始化Open表和Close表，将障点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)，其中Open表用来存储搜索过程中的扩展节点，Close表用来存储搜索过程中代价值最小的节点，F(s)＝G(s)+H(s)为节点s的综合优先级即代价值，G(s)为节点s距离起点的实际代价值，H(s)为节点s距离终点的预计代价值即启发函数，启发函数表示为Hd＝min{|x(n)-x(g),y(n)-y(g)|}为当前节点与目标节点间水平方向和竖直方向的最小距离，Hs＝|x(n)-x(g)|+|y(n)-y(g)|为当前节点与目标节点间水平方向和竖直方向的距离和；步骤2.2、选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；步骤2.3、基于搜索点优先选取策略，找出下一次搜索的起始节点s全部可到达的扩展节点Ri，并计算F(Ri)、G(Ri)、H(Ri)，若扩展节点中有目标节点g，且F值最小，搜索结束，反之则重复步骤2.2；步骤2.4、搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为搜索路径；步骤2.5、获取路径中所有节点的集合N，基于L函数对路径进行平滑处理，L函数表示为其中Na和Nb为路径上不在同一条直线上的2个节点。优选地，所述步骤2.3中搜索点优先选取策略具体为：选取下一搜索点时，其周围点R1、R2、...、Rn均为潜在备选点；若随机选定沿R1方向，先判断与R1点相邻的R1’点是否为障碍物，若R1’点不是障碍物，则可选R1点；若R1’点为障碍物，则重新选择其他方向之一；选定下一判定方向后按照同样的规律依次判断。优选地，所述步骤3的刹车判定条件具体包括：若当前关键点不是终点，则不进行刹车距离判断，继续以当前速度运动；若当前关键点是终点，则进行刹车距离判定，在到达终点时停止运动。优选地，所述步骤1.1的具体步骤包括：步骤1.1.1、构建建筑物高程信息的数据集和分布模型，对建筑物高程信息提取模型进行提取，结合大数据的特征融合和分布式聚类处理方法，进行建筑物高程信息的优化提取；步骤1.1.2、在BIM中，构建建筑物高程信息的参量自动采集模型，得到第i个类建筑物高程信息的模糊聚类中心为vi＝{vi1，vi2，…，vip}，基于关联知识库构建建筑物高程信息的BIM数据库，得到建筑物高程信息模型的正交分布基向量为其中x(k)为BIM信息的特征向量，sj(k)和yj(k)为建筑物高程信息提取的统计特征值；步骤1.1.3、对各类建筑物高程信息进行模糊融合处理，采用离散数据调度方法，构建建筑物高程信息在N个离散区间的采样点A＝{a1，…，aN}；步骤1.1.4、基于Ai∩Aj＝Ω的交集提取建筑物高程信息，得到建筑物高程信息的分布模型为：其中i，j＝1，…，m且i≠j；步骤1.1.5、结合簇内数据的融合聚类分析方法，进行建筑物高程信息提取的自适应寻优，通过Hi(x)求取最大值max(Hi(x))，得到建筑物高程信息的优化采集和存储模型分布式构造，步骤1.1.6、采用分组样本回归分析方法构建建筑物高程信息的统计特征量，结合模糊粗糙集映射方法进行建筑物高程信息的采样和样本识别，用N维矢量x(t)表示建筑物高程信息的矢量，得到x(t)＝As(t)+n(t)，进一步构建建筑物高程信息的统计分析模型，其中优选地，所述步骤1.2的具体步骤包括：步骤1.2.1、构建建筑物高程信息提取的特征重构模型，建立高程信息提取的BIM信息库，建筑物高程信息提取的BIM信息特征采样模型为步骤1.2.2、令通过关联规则分层调度方法，分析建筑物高程信息的互相关系数其中K为建筑物高程信息的BIM信息的统计特征值，a1＞0，a2＞0，eMCMA(n)是最大回归分析的量化值，步骤1.2.3、采用主成分特征检测方法得到建筑物高程信息的BIM信息融合的均方根误差满足时，取较小的α2和β2来进行建筑物高程信息的BIM数据集融合处理，得到优化挖掘算法；步骤1.2.4、根据建筑物高程信息的分层特征分布集进行优先级调度，得到建筑物高程信息本文档来自技高网...

【技术保护点】
1.一种自主避障的路径规划方法，其特征在于，包括：/n步骤1、基于建筑物BIM模型，提取并优化建筑物高程信息，根据建筑物高程信息建立导航地图；/n步骤2、通过改进的A*算法选取搜索点得到路径节点，删除路径上的冗余转折点，得到规划后的全局路径及路径上的关键点信息，其中关键点包括起点、终点及路径中的必要转折点；/n步骤3、基于刹车判定条件，在全局路径关键点之间使用动态窗ロ法进行局部路径规划，得到机器人的连续运动的路径规划结果，动态窗口法的评价函数为G(v,w)＝σ[αH(v,w)+βD(v,w)+γV(v,w)]，其中H(v，w)为评价机器人以当前的采样速度，达到模拟轨迹末端时的朝向与机器人坐标系原点与下个最优节点连线之间的角度差θ的函数，D(v，w)为机器人在当前轨迹上与最近障碍物之间的距离，V(v，w)为评价当前轨迹速度的函数，α、β、γ为加权系数，σ为平滑函数。/n

【技术特征摘要】
1.一种自主避障的路径规划方法，其特征在于，包括：
步骤1、基于建筑物BIM模型，提取并优化建筑物高程信息，根据建筑物高程信息建立导航地图；
步骤2、通过改进的A*算法选取搜索点得到路径节点，删除路径上的冗余转折点，得到规划后的全局路径及路径上的关键点信息，其中关键点包括起点、终点及路径中的必要转折点；
步骤3、基于刹车判定条件，在全局路径关键点之间使用动态窗ロ法进行局部路径规划，得到机器人的连续运动的路径规划结果，动态窗口法的评价函数为G(v,w)＝σ[αH(v,w)+βD(v,w)+γV(v,w)]，其中H(v，w)为评价机器人以当前的采样速度，达到模拟轨迹末端时的朝向与机器人坐标系原点与下个最优节点连线之间的角度差θ的函数，D(v，w)为机器人在当前轨迹上与最近障碍物之间的距离，V(v，w)为评价当前轨迹速度的函数，α、β、γ为加权系数，σ为平滑函数。


2.根据权利要求1所述的一种自主避障的路径规划方法，其特征在于，所述步骤1的具体步骤包括：
步骤1.1、分析建筑物高程信息的BIM分布，构建建筑物高程信息的统计分析模型，根据大数据挖掘和模糊聚类方法得到建筑物高程信息的BIM分布模型；
步骤1.2、构建建筑物高程信息提取的特征重构模型和BIM信息库，进行建筑物高程信息的特征分析；
步骤1.3、基于建筑物高程信息提取的特征重构模型，在BIM信息库中进行高程信息的特征提取和样本采集得到BIM信息特征提取的结果；
步骤1.4、对各个区域的建筑物高程信息进行融合处理，根据信息融合结果进行建筑物高程信息提取；
步骤1.5、根据提取的建筑物高程信息，基于栅格图映射规则，通过栅格图法构建在建筑物里的导航地图。


3.根据权利要求2所述的一种自主避障的路径规划方法，其特征在于，所述步骤2的具体步骤包括：
步骤2.1、以构建的导航地图为基础，初始化Open表和Close表，将障点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)，其中Open表用来存储搜索过程中的扩展节点，Close表用来存储搜索过程中代价值最小的节点，F(s)＝G(s)+H(s)为节点s的综合优先级即代价值，G(s)为节点s距离起点的实际代价值，H(s)为节点s距离终点的预计代价值即启发函数，启发函数表示为Hd＝min{|x(n)-x(g),y(n)-y(g)|}为当前节点与目标节点间水平方向和竖直方向的最小距离，Hs＝|x(n)-x(g)|+|y(n)-y(g)|为当前节点与目标节点间水平方向和竖直方向的距离和；
步骤2.2、选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；
步骤2.3、基于搜索点优先选取策略，找出下一次搜索的起始节点s全部可到达的扩展节点Ri，并计算F(Ri)、G(Ri)、H(Ri)，若扩展节点中有目标节点g，且F值最小，搜索结束，反之则重复步骤2.2；
步骤2.4、搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为搜索路径；
步骤2.5、获取路径中所有节点的集合N，基于L函数对路径进行平滑处理，L函数表示为其中Na和Nb为路径上不在同一条直线上的2个节点。


4.根据权利要求3所述的一种自主避障的路径规划方法，其特征在于，所述步骤2.3中搜索点优先选取策略具体为：选取下一搜索点时，其周围点R1、R2、...、Rn均为潜在备选点；若随机选定沿R1方向，先判断与R1点相邻的R1’点是否为障碍物，若R1’点不是障碍物，则可选R1点；若R1’点为障碍物，则重新选择其他方向之一；选定下一判定方向后按照同样的规律依次判断。


5.根据权利要求1所述的一种自主避障的路径规划方法，其特征在于，所述步骤3的刹车判定条件具体包括：若当前关键点不是终点，则不进行刹车距离判断，继续以当前速度运动；若当前关键点是终点，则进行刹车距离判定，在到达终点时停止运动。


6.根据权利要求2所述的一种自主避障的路径规划方法，其特征在于，所述步骤1.1的具体步骤包括：
步骤1.1.1、构建建筑物高程信息的数据集和分布模型，对建筑物高程信息提取模型进行提取，结合大数据的特征融合和分布式聚类处理方法，进行建筑物高程信息的优化提取；
步骤1.1.2、在BIM中，构建建筑物高程信息的参量自动采集模型，得到第i个类建筑物高程信息的模糊聚类中心为vi＝{vi1，vi2，…，vip}，基于关联知识库构建建筑物高程信息的BIM数据库，得到建筑物高程信息模型的正交分布基向量为其中x(k)为BIM信息的特征向量，sj(k)和yj(k)为建筑物高程信息提取的统计特征值；
步骤1.1.3、对各类建筑物高程信息进行模糊融合处理，采用离散数据调度方法，构建建筑物高程信息在N个离散区间的采样点A＝{a1，…，aN}；
步骤1.1.4、基于Ai∩Aj＝Ω的交集提取建...

【专利技术属性】
技术研发人员：李乐，
申请(专利权)人：北京鼎翰科技有限公司，
类型：发明
国别省市：北京;11