【技术实现步骤摘要】
一种面向动态环境的移动机器人局部路径规划算法
[0001]本专利技术属于局部路径规划
，具体地说，是一种面向动态环境的移动机器人局部路径规划算法。
技术介绍
[0002]提到无人驾驶技术就不得不提到路径规划，路径规划是无人车导航最基本的环节，指的是无人车在有障碍物的工作环境中，如何找到一条从起点到终点适当的运动路径，使无人车在运动过程中能安全、无碰撞地绕过所有障碍物。根据对环境信息的掌握程度不同，机器人路径规划可分为全局路径规划和局部路径规划。全局路径规划是在已知的环境中，给机器人规划一条路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解，但是需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就不适用。它是一种事前规划，因此对机器人系统的实时计算能力要求不高，虽然规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。而局部路径规划则环境信息完全未知或有部分可知，侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍...
【技术保护点】
【技术特征摘要】
1.一种面向动态环境的移动机器人局部路径规划算法，其特征在于，包括以下步骤：第一步：读取当前环境的障碍栅格地图和移动障碍信息；第二步：对移动障碍建立队列，记录每个移动障碍在当前环境中的空间位置，并据此估计移动障碍在当前与移动机器人的相对速度，预测未来一段时间移动障碍的位置和运动轨迹；第三步：根据以上结果，采用改进的morphin算法的路径评价方法进行局部路径规划，找出最优的行驶路径，输出最优路径的转向角度。2.根据权利要求1所述的面向动态环境的移动机器人局部路径规划算法，其特征在于，第一步读取当前环境的障碍栅格地图和移动障碍信息的具体方法为：1)输入当前动态局部环境的障碍栅格地图GridMap，GridMap的具体信息如下表所示：2)输入移动障碍信息：移动机器人处于动态场景中，对周围环境栅格化之后，障碍栅格中包含静态障碍栅格和动态障碍栅格；输入的移动障碍物具体信息如下表所示：属性说明移动障碍编号ID移动障碍的唯一标识移动障碍的位置Position移动障碍在栅格地图中相对原点的位置移动障碍的ID由前序跟踪算法给出，用以对不同帧中同一个移动障碍进行唯一标识；每个移动障碍在栅格地图中占据不止一个栅格，Position是指每个移动障碍的占据栅格的中心栅格位置；场景中可能有多个移动障碍。3.根据权利要求1所述的面向动态环境的移动机器人局部路径规划算法，，其特征在于，所述估计移动障碍在当前与移动机器人的相对速度包括以下步骤：1)因为在相邻两帧数据中，同一个移动障碍会被跟踪为同一个ID，对每个移动障碍ID，建立一个队列存储其在每一帧栅格地图GridMap中离原点的位置；2)在当前帧，若出现以前未出现的某个ID，说明当前场景中出现了以前没出现过的新的移动障碍，对其建立一个新的队列并记录其位置；若出现以前存在的某个ID，说明当前移动障碍在之前出现过，将当前帧位置记录进它的队列；若以前的某个ID在当前帧并未出现，说明之前存在的某个移动障碍已经走出检测范围，将其队列删除；于是得到以下数据对：ID,Queue
position
其中，ID是某个移动障碍的唯一编号，Queue
position
是其在当前历史帧中的位置队列，里面包含每一帧中编号为ID的移动障碍在栅格地图中离移动机器人的位置；3)对每一个移动障碍，根据历史5帧的位置来计算其在当前帧的速度：其中，是当前帧与之前第i帧之间计算的平均速度，其计算公式为：其中，p
t
是当前帧中移动障碍的位置，p
t
‑
i
是距当前帧i帧中移动障碍的位置；根据计算的当前帧速度，计算出该移动障碍在未来2s内在栅格地图GridMap中的轨迹Trace，按栅格地图10Hz的更新频率，2s包含20帧栅格地图，即Trace中包含该移动障碍在未来20帧栅格地图中的位置；于是得到如下数据：ID,Queue
position
,Trace其中，ID是某个移动障碍的唯一编号，Queue
position
是其在当前历史帧中位置队列,Trace是其在未来2s内的轨迹。4.根据权利要求1所述的面向动态环境的移动机器人局部路径规划算法，其特征在于，所述采用改进的morphin算法进行局部路径规划包括以下步骤：1)根据移动机器人的阿克曼转向结构运动模型，预先规划出一定数量的路径，这些路径的轨迹都是理想的圆弧，其半径分别对应着车辆后轮中心不同的转弯半径和转向角度；路径预规划长度l
planning
有限且固定，路径圆弧对应的最大角度有限且固定；2)将场景中移动障碍未来2s内的预测运动轨迹投影到栅格地图GridMap中，对GridMap中的...
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。