一种无人设备的规划方法技术

一种无人设备的规划方法，其包括：步骤S1：初始化；步骤S2：采样；步骤S3：在p_rand周围搜索树T中离它最近的节点p_near；步骤S4：在p_near和p_rand中间产生一个节点p_temp；步骤S5：判断p_temp是否在障碍物里，如果是返回步骤S2；如果不是，则进一步判断是否p_temp和p_near的连线是否经过障碍物；步骤S6：判断生成的曲线上的点，是否有落入障碍物中，如果有则返回步骤S2；如果没有需要将曲线上的点都加入搜索树T中，并且每个点都应该选择父节点；步骤S7：判断p_new是否等于目标点，如果不是，返回步骤S2，如果是则说明找到目标点，反向查询每个节点的父节点，生成规划路径。本发明专利技术具有适用范围广、灵活性好、控制精度高等优点。控制精度高等优点。控制精度高等优点。

【技术实现步骤摘要】
一种无人设备的规划方法


[0001]本专利技术主要涉及到机器人控制
，特指一种无人设备的规划方法。

技术介绍

[0002]机器人技术发展日新月异，在针对复杂特殊环境下的作业时，诸如灾后搜救、军事侦察等情况，在复杂环境中快速有效并灵活的到达目标点是很有必要的。
[0003]目前已经出现了许多的路径规划方法，比如简单的包括A*在内的图搜索算法，也有基于随机性采样的RRT、RRT*算法，也有加入运动学约束和动力学模型的Kinodynmc RRT*算法。其中A*在内的图搜索算法不具备随机性，不符合战场环境；RRT以及RRT*的实现过程仅是以直线连接，不符合机器人在实际运动中的运动方式；Kinodynmc RRT*则直接在状态空间中采样，模拟机器人真实运动轨迹，但是需要极大的计算量，不适合在线规划。并且上述已有的方法都是在假设全局环境已知的前提下进行的，并不符合真实应用场景的情况；上述方法还存在灵活性不足的缺点，在算法建树的过程中，没有混合使用直线和曲线的链接方式。

技术实现思路

[0004]本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种适用范围广、灵活性好、控制精度高的无人设备的规划方法。
[0005]为解决上述技术问题，本专利技术采用以下技术方案：
[0006]一种无人设备的规划方法，其包括：
[0007]步骤S1：初始化；
[0008]步骤S2：采样；
[0009]步骤S3：在p_rand周围搜索树T中离它最近的节点p_near；
[0010]步骤S4：在p_near和p_rand中间产生一个节点p_temp；
[0011]步骤S5：判断p_temp是否在障碍物里，如果是返回步骤S2；如果不是，则进一步判断是否p_temp和p_near的连线是否经过障碍物；如果不是则将p_temp加入树中的新节点，记为p_new，进入步骤S7；如果经过障碍物，则按照灵活的运动方式的方式，生成控制节点和曲线；
[0012]步骤S6：判断生成的曲线上的点，是否有落入障碍物中，如果有则返回步骤S2；如果没有需要将曲线上的点都加入搜索树T中，并且每个点都应该选择父节点；
[0013]步骤S7：判断p_new是否等于目标点，如果不是，返回步骤S2，如果是则说明找到目标点，反向查询每个节点的父节点，生成规划路径。
[0014]作为本专利技术的进一步改进：所述步骤S2中，如果是第一次采样，则为没有限制的随机采样；如果不是第一次采样，那么按照行动方式类人性的扩展规则去限制的采样生成随机点p_rand。
[0015]作为本专利技术的进一步改进：所述步骤S1中，进行随机采样：
[0016]当上一时刻p
pre
处于1时，下一时刻的随机节点p
rand
从均匀分布U(p
pre
,width)；
[0017]当上一时刻p
pre
处于2时，下一时刻的随机节点p
rand
从均匀分布U(p
pre
,width)，或者U(0,p
pre
)；
[0018]当上一时刻p
pre
处于3时，下一时刻的随机节点p
rand
从均匀分布U(0,p
pre
)。
[0019]作为本专利技术的进一步改进：所述步骤S4中包括：
[0020]当p_near与p_new之间的连线直线无法通过的时候，在障碍物外产生两个控制节点p_contrl1和p_control2；
[0021]以起点终点以及两个控制节点生成三阶贝塞尔曲线，模拟机器人的运动方式；
[0022]判断是否曲线上的点经过障碍物，如果没有经过障碍物，则加入新节点。
[0023]作为本专利技术的进一步改进：沿着p_near和p_new连线的方向，以一定的步长搜索，记录第一个经过障碍物的节点p_obs1和最后一个经过障碍物节点p_obs2。
[0024]作为本专利技术的进一步改进：所述p_control1是p_obs1在横向坐标增加一个常数d，所述p_control2是在p_obs2的横向坐标增加一个常数d。
[0025]作为本专利技术的进一步改进：当新节点落在不同的区域时，下一时刻会有不同的采样方式：
[0026]当处于第一区域时，会在该节点向右方向产生随机点；
[0027]当处于第三区域时，会向左方向产生随机点；
[0028]当处于第二区域时，向左向右产生随机点；
[0029]方向取决于上一时刻的方向。
[0030]作为本专利技术的进一步改进：所述步骤S1中的初始化包括地图、扩展步长α、起始点p_start、目标点p_end、搜索树T迭代次数i。
[0031]作为本专利技术的进一步改进：所述步骤S6中，曲线上第一个点的父节点是p_near,其他节点的父节点都是它的前一个点,曲线上最后一个点记为p_new。
[0032]与现有技术相比，本专利技术的优点就在于：
[0033]1、本专利技术的无人设备的规划方法，所采用的有规则的采样方式，一方面模拟了人类在真实应用环境下的前行方式，更符合真实情况，更具有可行性；另一方面有规则的采样方式也使得在搜索树的扩展过程中，减少了大量无意义的节点，在算法的空间复杂度上得以降低。
[0034]2、本专利技术的无人设备的规划方法，采用了灵活运动方式，即直线和曲线混用的运动方式，也更符合人类的前进方式，即不会像基础的RRT不符合实际的运动轨迹，也规避了加入动力学约束后的规划方法需要大量的计算量的缺点。
[0035]3、本专利技术的无人设备的规划方法，具有随机性(采样是随机的，只是基于一定规则)、灵活性、类人性的优点，解决了真实应用场景上对环境位置的情况下可以进行灵活的探索的问题。
[0036]4、本专利技术的无人设备的规划方法，能够在多运动模态机器人接收到任务需要，转换运动控制模式至另一模式后，自动识别当前的运动控制方式，进而转换到相应的轮式里程计计算方法中。针对不同的运动状态，使用不同的计算方法，有效提高里程计的精度。
附图说明
[0037]图1是本专利技术的方法流程图。
[0038]图2是本专利技术在具体应用实例中运动轨迹示意图。
[0039]图3是本专利技术在具体应用实例中随机采样方向示意图。
[0040]图4是本专利技术在具体应用实例中采用改进采样的RRT(右)和原始RRT(左)的对比示意图。
具体实施方式
[0041]以下将结合说明书附图和具体实施例对本专利技术做进一步详细说明。
[0042]本专利技术提出一种具有类人性、随机性、灵活性的路径规划方法，是基于RRT(快速扩展随机树)的算法进行改进的。为了解决类人性，本专利技术是基于行动方式类人性、搜索随机性、灵活的运动方式的一种路径规划方法。
[0043]需要先说明的是：
[0044]a、本专利技术中的行动方式类人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人设备的规划方法，其特征在于，包括：步骤S1：初始化；步骤S2：采样；步骤S3：在p_rand周围搜索树T中离它最近的节点p_near；步骤S4：在p_near和p_rand中间产生一个节点p_temp；步骤S5：判断p_temp是否在障碍物里，如果是返回步骤S2；如果不是，则进一步判断是否p_temp和p_near的连线是否经过障碍物；如果不是则将p_temp加入树中的新节点，记为p_new，进入步骤S7；如果经过障碍物，则按照灵活的运动方式的方式，生成控制节点和曲线；步骤S6：判断生成的曲线上的点，是否有落入障碍物中，如果有则返回步骤S2；如果没有需要将曲线上的点都加入搜索树T中，并且每个点都应该选择父节点；步骤S7：判断p_new是否等于目标点，如果不是，返回步骤S2，如果是则说明找到目标点，反向查询每个节点的父节点，生成规划路径。2.根据权利要求1所述的无人设备的规划方法，其特征在于，所述步骤S2中，如果是第一次采样，则为没有限制的随机采样；如果不是第一次采样，那么按照行动方式类人性的扩展规则去限制的采样生成随机点p_rand。3.根据权利要求2所述的无人设备的规划方法，其特征在于，所述步骤S1中，进行随机采样：当上一时刻p
pre
处于1时，下一时刻的随机节点p
rand
从均匀分布U(p
pre
,width)；当上一时刻p
pre
处于2时，下一时刻的随机节点p
rand
从均匀分布U(p
pre
,width)，或者U(0,p
pre
)；当上一时刻p
pre
处于3时，下一时刻的随机节点p
...

【专利技术属性】
技术研发人员：曾志文，林思超，周智千，刘佳阳，朱迪，卢惠民，周宗潭，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：