一种智能轮椅自主导航方法技术

本发明专利技术公开了一种智能轮椅自主导航方法，包括全局路径规划和局部路径规划两部分；使用A*算法作为全局路径规划算法，同时使用弹性时间带算法(Time Elastic Band，TEB)算法作为局部路径规划算法，设计了在特定场合实现自主导航的智能轮椅系统，为解决医院的老年人和病人行动难以及缺少看护的问题，以及为智能化医疗，医院人性化服务做出一定程度的贡献。医院人性化服务做出一定程度的贡献。医院人性化服务做出一定程度的贡献。

【技术实现步骤摘要】
一种智能轮椅自主导航方法


[0001]本专利技术属于导航
，具体涉及一种智能轮椅自主导航方法。

技术介绍

[0002]轮椅作为一种代步工具和医疗器具广泛应用于医院，为行动不便、年老体弱的门诊或住院患者提供方便。目前，我国医院建设中对于轮椅这一必要的设施建设还停留在传统的手动轮椅上，这种轮椅具有智能性不高、安全性欠佳等缺点，因此在医院这一公共场所中投入更加安全、更加智能的智能轮椅建设就显得十分重要。然而目前智能轮椅在导航智能化方面研发技术并不是很成熟，尤其是在医院这一特定场景中实现路径规划和导航方面则缺乏欠佳的技术，因此针对医院这一特定场景下的智能轮椅的导航系统设计就显得尤为重要。
[0003]目前，智能轮椅使用的技术有脑机接口技术与SLAM技术的融合；采用北斗导航定位作为全局路径规划信息，结合使用者操作实现精准行走来解决医院导诊问题；human
‑
in
‑
the
‑
loop框架实现路径实时修改等。这些研究在一定程度上实现了轮椅的自主导航，但也存在二维雷达检测精度不足，北斗定位信息存在误差，复杂环境下导航功能下降，针对性不够强等问题。因此，本专利技术主要针对特定的场景(医院、养老院等)下导航功能下降、避障效果不佳、路径规划安全性平稳性欠佳的，对现有技术进行一定的探索与优化，设计更加智能化的智能轮椅自助导航系统。
[0004]目前的路径规划算法主要分为全局路径规划和局部路径规划两大类，全局路径规划主要用于处理环境完全已知的情况，局部路径规划指的是在未知环境下，仅通过自身的传感器感知周围环境信息并结合自身的状态信息来实时地规划处一条避障的路径。常用的全局路径规划算法分为：启发式搜索算法和智能搜索算法等，启发式搜索算法是一种包含启发性信息的高校搜索算法，主要利用特定场景的经验知识设置启发函数来提高搜索效率，其代表A*算法；而智能搜索算法有遗传算法、模拟退火算法、蚁群算法、鱼群算法等。局部路径规划算法目前常用的有人工场势法(Artificial Potential Field,APF)和动态窗口法(Dynamic Windows Approach,DWA)等。然而目前上述算法在效力方面各有利弊，但是在医院这一特定场景下的模拟与应用缺乏实验的支撑。
[0005]根据智能轮椅自身的机械特性以及周围环境对轮椅速度的限制，DWA算法形成动态窗口对速度进行采样，并模拟某一速度在未来一段时间内的运动轨迹，通过给定的评价函数对所有速度下的运动轨迹进行评分，选择轨迹集合内评分最高轨迹所对应的速度作为智能轮椅下一时刻的速度。DWA算法在每次计算时考虑的因素较少，只有速度和加速度的限制，且其轨迹空间小，采样时间短，因此该算法的计算较为简单。但是，也正是由于DWA算法考虑因素少的原因，该算法也存在很多明显的缺点，具体体现在避障效果差和前瞻性不足两方面。避障效果差指的是DWA算法无法设置转向半径，因此很有可能会发生碰撞；前瞻性不足指的是DWA算法易陷入到局部最优解中。因此考虑到医院这一智能轮椅独特的应用场景，具有人流量大，活动状态不确定性高、突发因素多的特点，采用DWA算法作为局部路径规
划算法会将避障效果差这一缺点暴露出来。

技术实现思路

[0006]为了克服现有技术的不足，本专利技术提供了一种智能轮椅自主导航方法，包括全局路径规划和局部路径规划两部分；使用A*算法作为全局路径规划算法，同时使用弹性时间带算法(Time Elastic Band，TEB)算法作为局部路径规划算法，设计了在特定场合实现自主导航的智能轮椅系统，为解决医院的老年人和病人行动难以及缺少看护的问题，以及为智能化医疗，医院人性化服务做出一定程度的贡献。
[0007]本专利技术解决其技术问题所采用的技术方案包括如下步骤：
[0008]步骤1：所述智能轮椅自主导航方法包括全局路径规划和局部路径规划两部分；
[0009]步骤2：全局路径规划采用A*算法；
[0010]A*算法是一种启发式搜索算法，相比于盲目搜索算法——广度优先搜索和深度优先搜索，A*算法通过加入估价函数f(n)：
[0011]f(n)＝g(n)+h(n)
[0012]使得搜索朝着固定方向进行；在f(n)中，g(n)表示搜索到当前节点已经付出的代价，启发函数h(n)表示当前节点到目标节点的预估代价，将二者进行加权评估由此得到估价函数；将搜索节点分为两类，即已经遍历过的节点和未遍历过的节点；
[0013]步骤3：局部路径规划采用改进TEB算法；
[0014]步骤3
‑
1：TEB算法对全局路径规划的结果进行优化，在二维平面上用三个变量来表示智能轮椅的位姿：
[0015]X
i
＝(x
i
,y
i
,β
i
)
[0016]式中，x
i
，y
i
对应智能轮椅在map坐标系的位置，β
i
对应智能轮椅在map坐标系的姿态，每两个相邻位姿之间经过的时间为
△
T；目标函数的数学描述为：
[0017][0018][0019]其中f(B)表示综合各种约束条件后的目标函数，f
k
(B)表示各项约束函数，r
k
为各项约束条件的权重，B
*
为最优TEB轨迹；
[0020]步骤3
‑
2：对TEB算法进行改进，采用距离分级策略进行安全性优化；
[0021]所述距离分级策略以机器人中心，机器人和障碍物的距离为半径d；在进行路径规划时，通过半径d将现有区域按照与障碍物之间的距离分为3个等级的区域：即将机器人与障碍物之间的距离从近到远分为碰撞区、概率碰撞区和安全区，对应两个距离参数r1和r2，r1<r2；
[0022]当d<＝r1时，将此区域作为碰撞区，并且不在导航规划出的路径中出现；
[0023]当r1<d<＝r2时，将此区域作为概率碰撞区，在导航设计中将经过此区域的路线作为备选路线而非首选路线；
[0024]当d>r2时，将此区域作为安全区，在路线选择时优先考虑经过此区域的路线作为首选路线；
[0025]如果不存在安全区或者路线冲突，再考虑将概率碰撞区作为次安全路线，否则认
为没有安全路线可用，机器人静止等待障碍物远离；
[0026]步骤3
‑
3：引入加速度约束，将加速度的变化率限定在一个范围；将加速度约束添加到超图中，设加速度变化率为j0，定义j0满足的加速度约束条件如下所示：
[0027][0028][0029]其中j
0lin
和j
0rot
分别是j0对应的线加速度变化率和角加速度变化率，a
0lin
、a
0rot
分别表示a0对应的线加速度和角加速度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能轮椅自主导航方法，其特征在于，包括如下步骤：步骤1：所述智能轮椅自主导航方法包括全局路径规划和局部路径规划两部分；步骤2：全局路径规划采用A*算法；A*算法是一种启发式搜索算法，相比于盲目搜索算法——广度优先搜索和深度优先搜索，A*算法通过加入估价函数f(n)：f(n)＝g(n)+h(n)使得搜索朝着固定方向进行；在f(n)中，g(n)表示搜索到当前节点已经付出的代价，启发函数h(n)表示当前节点到目标节点的预估代价，将二者进行加权评估由此得到估价函数；将搜索节点分为两类，即已经遍历过的节点和未遍历过的节点；步骤3：局部路径规划采用改进TEB算法；步骤3
‑
1：TEB算法对全局路径规划的结果进行优化，在二维平面上用三个变量来表示智能轮椅的位姿：X
i
＝(x
i
,y
i
,β
i
)式中，x
i
，y
i
对应智能轮椅在map坐标系的位置，β
i
对应智能轮椅在map坐标系的姿态，每两个相邻位姿之间经过的时间为
△
T；目标函数的数学描述为：T；目标函数的数学描述为：其中f(B)表示综合各种约束条件后的目标函数，f
k
(B)表示各项约束函数，r
k
为各项约束条件的权重，B
*
为最优TEB轨迹；步骤3
‑
2：对TEB算法进行改进，采用距离分级策略进行安全性优化；所述距离分级策略以机器人中心，机器人和障碍物的距离为半径d；在进行路径规划时，通过半径d将现有区域按照与障碍物之间的距离分为3个等级的区域：即将机器人与障碍物之间的距离从近到远分为碰撞区、概率碰撞区和安全区，对应两个距离参数r1和r2，r1<r2；当d<＝r1时，将此...

【专利技术属性】
技术研发人员：冉令燕，王禹诺，张劲雷，徐渊博，王湘允，闫琛卓，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：