机器人行走路线规划方法、程序及存储介质技术

本发明专利技术公开了机器人行走路线规划方法、程序及存储介质，先通过获取场景的RGB图像T的信息，然后将图像T转换为灰度图像A；在输入并获得大小为M

【技术实现步骤摘要】
机器人行走路线规划方法、程序及存储介质


[0001]本专利技术涉及机器人智能规划路线策略领域，尤其涉及机器人行走路线规划方法、程序及存储介质。

技术介绍

[0002]二维平面的多机器人路径规划技术已经取得了丰硕的成果并得到了广泛的应用。在现有的多移动机器人系统路径规划技术研究中，基本上是针对移动机器人在地面上行驶可能会发生的冲突而提出的二维平面路径规划解决方法。现有技术如公告号为CN102929279B的中国专利技术专利公开了一种机器人路径规划方法，其技术特点是包括调度服务器内的主线程和并行执行的规划线程、避碰线程和执行线程，主线程初始化一张三维立体网状路径图并实时更新，规划线程划分任务、任务路径、标记任务路径并送入执行队列，避碰线程划分冲突区，并执行命令前的命令转义任务，执行线程向移动机器人或电梯机器人发送执行命令。该专利技术通过不同种类机器人接力操作、共同完成该任务行走路线的方法，实现了移动机器人和电梯机器人自动切换并且跨楼层任意存取货物的需求，具有高效率、合理性、实时性等特点。

技术实现思路

[0003]本专利技术的目的在于针对现有技术提供一种行走效率高、侧向冲击小、识别边界准确、容差性能好的机器人行走路线规划方法、程序及存储介质。
[0004]本专利技术解决上述技术问题所采用的技术方案为：机器人行走路线规划方法，通过获取场景的RGB图像T的信息，将图像T转换为灰度图像A；在输入并获得大小为M
×
N的灰度图像A后，采用Renyi熵的改进算法对图像A进行二值化，获得最佳阈值，使得图像A的熵值HA最大，得到二值化图像B；对二值化图像B进行边界搜索获得原始边界，将得到的原始边界进行多边形化处理，得到场景中障碍物的扩展区域多边形界限；逐一识别扩展区域多边形界限的每一个外凸角的顶点，并以顶点形成安全拟合曲线；以安全拟合曲线为参考边界，规划机器人的行走路线。通过采用新的二值化算法，先简化后优化障碍物的外轮廓边界，从而划分出更为光滑的路径可实施空间。通过新的行走路径逻辑，将行走时的横向冲击降低，防止运输物体侧滑，且经过优化的外轮廓边界光滑且大于障碍物轮廓，因而能杜绝行走卡在障碍物之间的情况发生。
[0005]为优化上述技术方案，采取的措施还包括：Renyi 熵的改进算法获得最佳阈值的算法为：其中，L 为灰度级数，（t*(α)，s*(α)）为最佳阈值，（t,s）为二维矢量；H
αback
（t,s）为背景的 Renyi 熵，H
objα
（t,s）为障碍物体的Renyi 熵；ε为修正系数，用于屏蔽阴影影响。通常情况采用Renyi 熵能解决人的感官对于二值化后图像的识别舒适
性问题， 但采用一般方式产生的二值化图像不能用于机器人行程规划，需要进一步去噪。引入修正系数ε给整个算是引入了修正因素。
[0006]H
backα
（t,s）、H
objα
（t,s）计算方式如下：其中，p(i, j)为共生概率。ε的取值为：其中，R，G， B 代表图像T 该点的红、绿、蓝色的RGB 值。通过彩色图像中的信息缩小图形的外涂轮廓边界，使后处理的多边形包围算法产生的锐角数量减少，能更真实的反应可以通过机器人的区域。
[0007]多边形化处理为：采用扫描线算法包围二值化图像 B的原始边界，得到多边形 界限；将多边形界限外扩移动机器人的半径距离，得到扩展区域多边形界限。多边形界限外扩后，机器人可以简化为一个点，可以节省比较半径距离的算力。 规划机器人的行走路线的算法具体为：将O 点与安全拟合曲线取切点，并在切点处延申机器人的半径，再与安全拟合曲线取切点，并一直循环，直到机器人与目标区之间没有障碍物。本路径的规划方法产生的路径水平冲击小，能在较高的速度 保持机器人运送平台上物件的平稳，避免偏移。 α取值为0.81 至0.83。通过对复杂环境的研究，在上述具有延伸机器人半径的规划策略下，α取值不能使用一般图形处理时的普遍取值范围。
[0008]本专利技术还提供一种实现上述方法的计算机程序。本专利技术还提供一种存储上述计算机程序的存储介质。
[0009]由于本专利技术采用了将图像T转换为灰度图像A；在输入并获得大小为M
×
N的灰度图像A后，采用Renyi熵的改进算法对图像A进行二值化，获得最佳阈值，使得图像A的熵值HA最大，得到二值化图像B；对二值化图像B进行边界搜索获得原始边界，将得到的原始边界进行多边形化处理，得到场景中障碍物的扩展区域多边形界限；逐一识别扩展区域多边形界限的每一个外凸角的顶点，并以顶点形成安全拟合曲线；以安全拟合曲线为参考边界，规划机器人的行走路线等技术方案，因而本专利技术具有行走效率高、侧向冲击小、识别边界准确、容差性能好的优点。
附图说明
[0010]图1为本专利技术实施例拟合曲线构建原理示意图；图2为本专利技术实施例图像二值化及拟合曲线构建实例示意图；图3为本专利技术实施例图像路径比较实例示意图。
具体实施方式
[0011]以下结合附实施例对本专利技术作进一步详细描述。
[0012]附图标号说明：移动机器人O、多边形界限1、扩展区域多边形界限2、拟合曲线3、安全拟合曲线4、人5、目标区6。
[0013]实施例1：参照图1
‑
3，机器人行走路线规划方法，先获取场景的RGB图像T的信息，然后将图像T转换为灰度图像A；在输入并获得大小为M
×
N的灰度图像A后，采用Renyi熵的改进算法对图像A进行二值化，获得最佳阈值，使得图像A的熵值HA最大，得到二值化图像B；对二值化图像B进行边界搜索获得原始边界，将得到的原始边界进行多边形化处理，得到场景中障碍物的扩展区域多边形界限2；逐一识别扩展区域多边形界限2的每一个外凸角的顶点，并以顶点形成安全拟合曲线4；以安全拟合曲线4为参考边界，规划机器人O的行走路线。通过采用新的二值化算法，先简化后优化障碍物的外轮廓边界，从而划分出更为光滑的路径可实施空间。通过新的行走路径逻辑，将行走时的横向冲击降低，防止运输物体侧滑，且经过优化的外轮廓边界光滑且大于障碍物轮廓，因而能杜绝行走卡在障碍物之间的情况发生。
[0014]Renyi 熵的改进算法获得最佳阈值的算法为：其中，L 为灰度级数，（t*(α)，s*(α)）为最佳阈值，（t,s）为二维矢量；H
αback
（t,s）为背景的 Renyi 熵，H
objα
（t,s）为障碍物体的Renyi 熵；ε为修正系数，用于屏蔽阴影影响。通常情况采用Renyi 熵能解决人的感官对于二值化后图像的识别舒适性问题， 但采用一般方式产生的二值化图像不能用于机器人行程规划，需要进一步去噪。引入修正系数ε给整个算是引入了修正因素。
[0015]H
backα
（t,s）、H
objα
（t,s）计算方式如下：其中，p(i, j)为共生概率。ε的取值为：其中，R，G， B 代表图像T 该点的红、绿、蓝色的RGB 值。通过彩色图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.机器人行走路线规划方法，包括获取场景的RGB图像T的信息，其特征是：将所述的图像T转换为灰度图像A；在输入并获得大小为M
×
N的灰度图像A后，采用Renyi熵的改进算法对图像A进行二值化，获得最佳阈值，使得图像A的熵值HA最大，得到二值化图像B；对二值化图像B进行边界搜索获得原始边界，将得到的原始边界进行多边形化处理，得到场景中障碍物的扩展区域多边形界限（2）；逐一识别扩展区域多边形界限（2）的每一个外凸角的顶点，并以所述的顶点形成安全拟合曲线（4）；以所述的安全拟合曲线（4）为参考边界，规划机器人（O）的行走路线。2.根据权利要求1所述的机器人行走路线规划方法，其特征是：Renyi熵的改进算法获得最佳阈值的算法为：其中，L 为灰度级数，（t*(α)，s*(α)）为最佳阈值，（t,s）为二维矢量；H
αback
（t,s）为背景的 Renyi 熵，H
objα
（t,s）为障碍物体的Renyi 熵；ε为修正系数，用于屏蔽阴影影响。3.根据权利要求1所述的机器人行走路线规划方法，其特征是：所述的H
backα
（t,s）、H
objα
（t,s）计算方式如下：其中，p(i, j)为共生概率。4.根据权利要求2所述的机器人行走路线规划...

【专利技术属性】
技术研发人员：施奕波，
申请(专利权)人：浙江德源智能科技股份有限公司，
类型：发明
国别省市：