一种融合激光数据的RRT探索方法、芯片及机器人技术

本发明专利技术公开融合激光数据的RRT探索方法、芯片及机器人，该探索方法在进行目标点探索时，包括采用激光数据来搜索和确定目标点。本申请的方法在RRT探索的基础上增加激光模块来获取激光数据，并根据激光数据来构建目标点，地图的更新速度较快，避免出现原RRT探索方法对环境变化不敏感和随机性而造成的漏掉区域或来回补区域等情况，且比遍历一个栅格图所需的计算量小。的计算量小。的计算量小。

【技术实现步骤摘要】
一种融合激光数据的RRT探索方法、芯片及机器人


[0001]本专利技术涉及机器人地图探测的
，涉及一种融合激光数据的RRT探索方法、芯片及机器人。

技术介绍

[0002]智能移动机器人如今还是海内外研究和市场的热点，而移动机器人相关的技术很多都是围绕着地图而展开的。地图的获取有很多种方式，其中基于RRT的快速探索建图方法能很好覆盖未知区域，但问题是现有的基于RRT的快速探索建图方法在进行探索时，更新地图较慢，如果出现一些开门或者关门等情况，机器人会漏掉一些区域；如果这个漏掉区域会被机器人再次检测到，就会在漏掉的区域来回重复移动。

技术实现思路

[0003]为了解决上述技术缺陷，本专利技术技术方案公开一种基于RRT算法改进的用于机器人探索未知区域的地图探索方法，通过激光数据来构建RRT探索方法中的目标点，使机器人可以快速更新地图，避免出现原RRT探索方法对环境变化不敏感和随机性而造成的漏掉区域或来回补区域等情况，具体的技术方案如下：一种融合激光数据的RRT探索方法，该方法包括以下步骤：S1：预先通过支持路径随机扩展的算法在机器人构建的全局地图中创建出目标点；S2：根据目标点的位置特征，使机器人从当前目标点扩展搜索相关联的目标点，来构建出全局地图内的优化四叉树；S3：基于所述优化四叉树的相邻的节点的距离信息及其可到达性、所述优化四叉树的子树访问结束条件和所述优化四叉树的节点的访问重复性，按照从当前目标点往下的顺序访问所述优化四叉树中所有的节点位置，以规划出用于机器人遍历所述工作区域的路径；还包括：步骤S1中，机器人预先通过支持路径随机扩展的算法在机器人构建的全局地图中创建出目标点时，包括采用激光数据来创建目标点。与现有的技术相比，本申请的方法在RRT探索的基础上增加激光模块来获取激光数据，并根据激光数据来构建目标点，地图的更新速度较快，避免出现原RRT探索方法对环境变化不敏感和随机性而造成的漏掉区域或来回补区域等情况，且比遍历一个栅格图所需的计算量小。
[0004]进一步地，机器人采用激光数据来创建目标点包括以下步骤：S11：机器人通过激光模块获取周围环境的激光数据，并根据激光数据在全局地图中生成相应的点云数据；S12：机器人获取相邻的两个点云数据之间的距离，并根据相邻的两个点云数据之间的距离与设定距离之间的关系来确定目标点。通过两个点云数据之间的距离来判断两个点云数据之间是否为可通行通道来设置目的点，防止机器人漏掉一部分清扫区域。
[0005]进一步地，步骤S11中，机器人获取周围环境中360度的激光数据，并在全局地图上生成360个点云数据。机器人只需要获取360个激光数据，计算量小。
[0006]进一步地，步骤S12中，若相邻的两个点云数据之间的距离大于等于设定距离，则将该相邻的两个点云数据之间的中点设为目标点。将两个点云数据之间的中点设为目标
点，便于机器人对目标点两侧的区域进行探索。
[0007]进一步地，机器人将相邻的两个点云数据之间的中点设为目标点时，会判断相邻的两个点云数据之间是否有碰撞信息，若相邻的两个点云数据之间存在碰撞信息，则过滤该目标点。通过碰撞信息来排除低矮障碍对机器人的探测的影响。
[0008]进一步地，所述设定距离为N倍机器人的机身半径；其中,N为大于等于3的自然数。
[0009]一种芯片，内置控制程序，该程序被配置为执行上述的融合激光数据的RRT探索方法。
[0010]一种机器人，装配有主控芯片，所述机器人包括控制模块、激光边界探测模块、全局边界探测模块、过滤模块和碰撞传感器，所述控制模块包括上述的芯片，所述激光边界探测模块用于获取机器人周围环境的激光数据，全局边界探测模块用于探测环境数据来在全局地图上构建目标点，所述过滤模块用于过滤目标点，所述碰撞传感器用于获取碰撞信息。机器人可以通过多个传感器获取环境数据来构建目标点，准确率高。
[0011]进一步地，所述激光边界探测模块包括激光雷达，所述激光雷达每200ms获取一次周围环境中360度的激光数据。激光雷达每200ms更新一次激光数据，可以避免栅格地图更新慢导致的问题。
[0012]进一步地，所述机器人还包括局部边界探测模块，所述局部边界探测模块用于探测环境数据来在全局地图上构建目标点。
附图说明
[0013]图1是由用于随机扩展路径节点的机器人路径规划算法推算出的目标点的示意图（所述机器人路径规划算法包括但不限于快速扩展随机树(Rapidly
‑
Exploring Random Tree,RRT)算法、快速扩展随机树(Rapidly
‑
Exploring Random Tree,RRT)算法与其他传统路径规划算法的混合算法）。
[0014]图2是本专利技术实施例在最接近机器人的一个目标点（根节点1）的四个象限区域搜索其它目标点（子节点）的示意图，使得根节点1及当前搜索覆盖到的目标点2、3、5满足一个树的节点分布结构，其中，这些目标点都属于图1推算出的目标点。
[0015]图3是在图2搜索出的最接近根节点1的子节点2的四个象限区域内继续搜索新的子节点的示意图，以使得子节点2和搜索覆盖到的子节点4、6满足一个新的树的节点分布结构，其中，这个新的树是图2所述的树的一个子树，这些目标点都属于图1推算出的目标点。
[0016]图4是在图2和图3的基础上自上而下地搜索图1推算出的所有目标点的示意图，直到以最后搜索的目标点为根而不能产生子节点为止，以形成地图空间内完整的优化四叉树的节点分布结构。
[0017]图5是在图4的基础上规划不同目标点之间的搜索方向和所有目标点的访问顺序的示意图，其中，P开头的附图标记表示相应目标点的访问顺序，P后面带有的数字编号越大表示对应的目标点的访问顺序越延后。
[0018]图6是本专利技术一实施例公开的机器人探索结构图。
[0019]图7是图6的点云数据图。
具体实施方式
[0020]下面结合附图对本专利技术的具体实施方式作进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0021]需要说明的是，采用搜索算法解决问题时，需要构造一个表明状态特征和不同状态之间关系的数据结构，这种数据结构称为节点。不同的问题需要用不同的数据结构描述。根据搜索问题所给定的条件，从一个节点出发，可以生成一个或多个新的节点，这个过程通常称为扩展。节点之间的关系一般可以表示成一棵树（具备一定的骨架节点）。搜索算法的搜索过程实际上就是根据初始条件和扩展规则构造一棵解答树并寻找符合目标状态的结点的过程。
[0022]本专利技术实施例在传统的四叉树的构建和索引方式进行改进，并用于全局地图的路径规划，提供一种基于全局地图探索的路径规划方法及芯片，可以用于优化规划未覆盖区域的导航路径、扫地机的未清扫区域的清扫路径，解决了传统的数据结构参与随机扩展路径节点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合激光数据的RRT探索方法，该方法包括以下步骤：S1：预先通过支持路径随机扩展的算法在机器人构建的全局地图中创建出目标点；S2：根据目标点的位置特征，使机器人从当前目标点扩展搜索相关联的目标点，来构建出全局地图内的优化四叉树；S3：基于所述优化四叉树的相邻的节点的距离信息及其可到达性、所述优化四叉树的子树访问结束条件和所述优化四叉树的节点的访问重复性，按照从当前目标点往下的顺序访问所述优化四叉树中所有的节点位置，以规划出用于机器人遍历所述工作区域的路径；其特征在于：步骤S1中，机器人预先通过支持路径随机扩展的算法在机器人构建的全局地图中创建出目标点时，包括采用激光数据来创建目标点。2.根据权利要求1所述的融合激光数据的RRT探索方法，其特征在于，机器人采用激光数据来创建目标点包括以下步骤：S11：机器人通过激光模块获取周围环境的激光数据，并根据激光数据在全局地图中生成相应的点云数据；S12：机器人获取相邻的两个点云数据之间的距离，并根据相邻的两个点云数据之间的距离与设定距离之间的关系来确定目标点。3.根据权利要求2所述的融合激光数据的RRT探索方法，其特征在于，步骤S11中，机器人获取周围环境中360度的激光数据，并在全局地图上生成360个点云数据。4.根据权利要求2所述的融合激光数据的RRT探索方法，其特征在于，步骤S12中，若相邻的两个点云...

【专利技术属性】
技术研发人员：黄惠保，陈锦杰，肖刚军，
申请(专利权)人：珠海一微半导体股份有限公司，
类型：发明
国别省市：