基于MIRRT*-Connect算法的智能仓储冗余机械臂动态避障运动规划方法技术

本发明专利技术公开了一种基于MIRRT*

【技术实现步骤摘要】
基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法


[0001]本专利技术涉及冗余机械臂路径规划
，具体是一种基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法。

技术介绍

[0002]随着智能技术的高速发展，工业机器人凭借其生产效率、产品质量以及所带来的经济效益，已广泛应用于各行各业的不同领域。作为工业机器人的重要问题，轨迹规划旨在找出一条从起始状态到目标状态的路径，且在该路径运动过程中能够有效避开空间中所存在的障碍物。
[0003]目前常用的运动规划算法有网格搜索法(A*)、人工势场法(APF)、概率路线图法(PRM)和快速探索随机树(RRT)算法，其中网格搜索法(A*)需要对整个工作空间进行离散化建模，多用于移动机器人路径规划，对于多自由度冗余机械臂来说，存在“维度爆炸”问题；人工势场法(APF)利用障碍物斥力和目标引力思想，容易陷入局部最小值，产生震荡现象；概率路线图法(PRM)需要事先知道状态空间，效率较低；快速探索随机树(RRT)算法采用单查询、增量式的扩展路径方法，能够较好解决复杂环境和高维空间情况。针对传统RRT算法由于采样的随机性，存在低效率、盲目生长、路径曲折等问题，渐进最优RRT算法(RRT*)通过不断重选父节点及重新布线，使路径逐渐趋于最优，但其搜索；另外Informed RRT*在其基础上引入椭圆集概念，进一步限制搜索范围，但对于复杂环境仍存在适应性较差和精度较低的问题。
[0004]为了适用复杂场景和动态环境，本专利技术基于Informed RRT*引入双向扩展提高全局路径规划效率，采用动态采样域概率偏置来降低扩展树生长的盲目性，利用自适应步长加快在自由构型空间内扩展树的生长速度，通过距离评价函数选取最佳最近点，引入超椭球域及路径修剪进一步限制搜索范围，最后通过迭代运算对路径节点进行平滑处理，保证机械臂具有平稳的运动过程。同时，根据冗余机械臂零空间自运动和局部路径规划有效避免动态障碍物，保证机械臂运动过程的安全性。

技术实现思路

[0005]本专利技术的目的在于提供一种基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，以解决传统技术对于复杂环境存在的效率低、适应性差和精度不高的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，包括以下步骤：
[0007]步骤S1：初始化工作空间环境，获取障碍物信息并确定冗余机械臂移动物品的起始位姿和目标位姿；
[0008]步骤S2：选取臂型角，通过逆运动学解算出冗余机械臂在所述起始位姿和目标位
姿的关节变量；
[0009]步骤S3：利用MIRRT*
‑
Connect算法在冗余机械臂自由构型空间内规划出一条从初始位姿运动到目标位姿的无碰撞路径；
[0010]步骤S4：通过迭代运算，对步骤S3所得路径进行平滑处理；
[0011]步骤S5：考虑冗余机械臂运动过程中与动态障碍物产生空间干涉，更新局部路径或改变臂型角避免碰撞；
[0012]步骤S6：利用上位机对冗余机械臂进行控制，保证其按照最新路径进行运动；
[0013]所述基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，对Informed RRT*算法引入动态采样域概率偏置来降低扩展树生长的盲目性和双向扩展、自适应步长提高全局路径规划效率；通过最佳最近点、重选父节点及布线和迭代运算优化路径；利用零空间自运动和局部路径规划有效避免动态障碍物，保证机械臂运动过程的安全性。
[0014]进一步地，所述动态采样域概率偏置具体可表述为：
[0015][0016][0017]其中，和分别为扩展树T
s
和T
g
的随机采样点和的均匀采样空间，P
sample
∈[0,1]为随机数，α为采样域概率阈值，Θ为冗余机械臂构型空间，Θ(θ
goal
,R
goal
)和Θ(θ
start
,R
start
)分别是以中心θ
goal
和θ
start
，半径为R
goal
和R
start
的超球域，这里R
goal
和R
start
可分别表示为：
[0018][0019]上式中，γ为冗余机械臂构型空间边界系数，N1是能够作为扩展树有效采样点数量，N2是采样到障碍物空间被舍弃的点的数量，β为决定半径大小变化快慢的系数。
[0020]进一步地，所述采样自适应步长可表述为：
[0021][0022]其中δ0为初始步长，Δδ为自适应步长增量，k为步长增益系数，δ
i
(i＝0,1,2,
…
,n)为第i次采样步长，Θ
obs
为障碍物分布空间，对于全局空间障碍物不同的分布情况，对稀疏障碍物区域采取递进式自适应步长，加快路径搜索速度；对于密集障碍物区域采用初始恒定步长增加采样点的成功率。
[0023]进一步地，所述重选父节点范围半径可表示为：
[0024][0025]其中，m为冗余机械臂构型空间维度，Θ
ball
为m维单位超球域，ξ(
·
)代表高维空间的体积，为当前两扩展树上节点集，N(Θ
T
)为其节点数量；
[0026]当首次找到解决方案时，采样范围将缩小到超椭球域，同时对无法构成更小成本路径的节点进行剪枝处理，所述半径会被进一步更新为：
[0027][0028]其中Θ
ellipse
为超椭球域。
[0029]进一步地，在当前扩展树上距离采样点或上次扩展树新节点的最佳最近点可根据下式得到：
[0030][0031]式中，为当前扩展树，θ
target
为采样点或者上次扩展树的新节点，w
d
为距离比例系数，w
c
为混合比例系数，N
obs
(Θ(θ,2R
*
))为以当前扩展树上节点θ为中心，2R
*
为半径的超球域内障碍物的数量。
[0032]进一步地，在首次找到解决方案后，采样域进一步更新为超椭球域，其满足θ
ellipse
～μ(Θ
ellipse
)，经变换可进一步表述为：
[0033]θ
ellipse
＝ZEθ
ball
+θ
center
[0034]其中，θ
center
＝(θ
start
+θ
goal<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，其特征在于，包括以下步骤：步骤S1：初始化工作空间环境，获取障碍物信息并确定冗余机械臂移动物品的起始位姿和目标位姿；步骤S2：选取臂型角，通过逆运动学解算出冗余机械臂在所述起始位姿和目标位姿的关节变量；步骤S3：利用MIRRT*
‑
Connect算法在冗余机械臂自由构型空间内规划出一条从初始位姿运动到目标位姿的无碰撞路径；步骤S4：通过迭代运算，对步骤S3所得路径进行平滑处理；步骤S5：考虑冗余机械臂运动过程中与动态障碍物产生空间干涉，更新局部路径或改变臂型角避免碰撞；步骤S6：利用上位机对冗余机械臂进行控制，保证其按照最新路径进行运动；所述基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，对Informed RRT*算法引入动态采样域概率偏置来降低扩展树生长的盲目性和双向扩展、自适应步长提高全局路径规划效率；通过最佳最近点、重选父节点及布线和迭代运算优化路径；利用零空间自运动和局部路径规划有效避免动态障碍物，保证机械臂运动过程的安全性。2.根据权利要求1所述的基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，其特征在于，所述动态采样域概率偏置具体可表述为：动规划方法，其特征在于，所述动态采样域概率偏置具体可表述为：其中，和分别为扩展树T
s
和T
g
的随机采样点和的均匀采样空间，P
sample
∈[0,1]为随机数，α为动态采样域概率偏置阈值，Θ为冗余机械臂全局构型空间，Θ(θ
goal
,R
goal
)和Θ(θ
start
,R
start
)分别是以中心θ
goal
和θ
start
，半径为R
goal
和R
start
的超球域，这里R
goal
和R
start
可分别表示为：上式中，γ为冗余机械臂构型空间边界系数，N1是能够作为扩展树有效采样点数量，N2是采样到障碍物空间被舍弃的点的数量，β为决定半径大小变化快慢的系数。3.根据权利要求1所述的基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，其特征在于，所述采样自适应步长可表述为：
其中δ0为初始步长，Δδ为自适应步长增量，k为步长增益系数，δ
i
(i＝0,1,2,
…
,n)为第i次采样步长，Θ
obs
为障碍物分布空间，对于全局空间障碍物不同的分布情况，对稀疏障碍物区域采取递进式自适应步长，加快路径搜索速度；对于密集障碍物区域采用初始恒定步长增加采样点的成功率。4.根据权利要求1所述的基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，其特征在于，所述重选父节点范围半径可表示为：其中，m为冗余机械臂构型空间维度，Θ
ball
为m维单位超球域，ξ(
·
)代表高维空间的体积，为当前两扩展树上节点集，N(Θ
T
)为其节点数量；当首次找到解决方案时，采样范围将缩小到超椭球域，同时对无法构成更小成本路径的节点进行剪枝处理，所述半径会被进一步更新为：其中Θ
ellipse
为超椭球域。5.根据权利要求1所述的基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，其特征在于，在当前扩展树上距离采样点或上次扩展树新节点的所述最佳最近点可根据下式得到：式中，为当前扩展树，θ
target
为采样点或者上次扩展树的新节点，w
d
为距离比例系数，w
c
为混合比例系数，N
obs
(Θ(θ,2R
*
))为以当前扩展树上节点θ为中心，2R
*
为半径的超球域内障碍物的数量。6.根据权利要求1所述的基于MIRRT*
‑
Connect算法的智能仓储冗余机械臂动态避障运动规划方法，其特征在于，在首次找到解决方案后，采样域进一步更新为超椭球域，其满足θ
ellipse
～μ(Θ
ellipse
)，经变换可进一步表述为：θ
ellipse
＝ZEθ
ball
+θ
center
其中，θ
center
＝(θ
start
+θ
goal
)/2为超椭球域中心点，θ
ball
＝{θ∈Θ
ball
|||θ||2≤1}为在单位超球域的点，变换矩阵保证在超椭球域内均匀采样，可表示为：其中，diag{
·
}为对角矩阵，c
best
为当前解决方案的路径成本，超椭球以θ
start
和θ
goal
作为焦点，进一步有c
min
＝||θ
start
‑
θ
goal
||2；另外，旋转矩阵可表示为：Z＝Xdiag{1,
…
,1,|X|
·
|Y|}Y
T
其中，|
·
|代表矩阵行列式，通过奇异值分解是X...

【专利技术属性】
技术研发人员：甄圣超，孟超群，刘晓黎，张猛，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：