基于DWA的机器人在狭窄环境局部路径规划方法、设备和存储介质技术

本发明专利技术公开了基于DWA的机器人在狭窄环境局部路径规划方法，利用机器人SLAM建图构建全局地图并获取机器人的起始位置和目标位置；在构建的全局地图中，利用A*算法进行全局路径规划；利用激光雷达所采集的数据信息，判断是否存在障碍物，若存在，则调用DWA算法进行局部路径规划，选择若干条有效路径，避开障碍物；根据评价函数对采样得到的速度矢量相对应的有效路径轨迹进行评价，找出评价值最好的轨迹，评价函数中添加了偏移评价因子deviation(v,ω),在进行路径规划时，将机器人运动轨迹与通道墙面的偏角纳入评价体系，使其在狭窄通道中的路径保持为一条平行于通道两侧墙面的直线，降低了机器人撞墙、震荡、摆动和停止的可能性，提高了机器人在狭窄通道中导航的表现。提高了机器人在狭窄通道中导航的表现。提高了机器人在狭窄通道中导航的表现。

【技术实现步骤摘要】
基于DWA的机器人在狭窄环境局部路径规划方法、设备和存储介质


[0001]本专利技术涉及路径规划领域，具体涉及基于DWA的激光雷达机器人在狭窄环境的局部路径规划方法、设备和存储介质。

技术介绍

[0002]随着自主机器人相关技术的发展，它们在更广泛的场景中被使用、并被赋予更繁琐的任务，比如智能物流、智能家居、紧急救援和空间探索等。这些复杂和动态的环境对机器人的路径规划能力提出新的挑战。
[0003]当机器人事先拥有先验的环境信息时，许多算法可以规划出一条从起始位置到目标位置的路径，这被称为全局路径规划。然而，当机器人在执行前述任务时，环境中的各种动态因素会影响或限制其稳定的运动，比如极端的气候条件、动态移动的物体、复杂的地形等，这时就需要机器人携带的各种传感器实时检测周围信息并由局部路径规划器规划出局部路径。因此，现代机器人一般以全局路径规划作为指引、实际局部路径规划。
[0004]现有局部路径规划方法在狭窄通道表现不佳，存在产生碰撞、耗时长和路径不平滑的问题。

技术实现思路

[0005]为克服上述
技术介绍
中现有局部路径规划方法在狭窄通道表现不佳，存在产生碰撞、耗时长和路径不平滑的缺点，本专利技术的目的在于提供一种基于DWA的机器人在狭窄环境局部路径规划方法。
[0006]为了达到以上目的，本专利技术采用如下的技术方案：
[0007]本专利技术的第一方面，提供一种基于DWA的机器人在狭窄环境局部路径规划方法，包括，
[0008]利用激光雷达机器人SLAM建图构建全局地图并获取所述机器人的起始位置和目标位置；
[0009]在构建的所述全局地图中，利用A*算法进行全局路径规划；
[0010]利用激光雷达所采集的数据信息，判断是否存在障碍物，若存在，则调用DWA算法进行局部路径规划，选择若干条有效路径，避开障碍物；
[0011]根据评价函数对采样得到的速度矢量相对应的有效路径轨迹进行评价，找出评价值最好的轨迹，所述评价函数包括夹角、距离、速度和偏移评价因子；
[0012]评价函数如下：
[0013]G(v，ω)＝σ
·
(α
·
heading(v，w)+β
·
dist(v，ω)+γ
·
velocity(v，ω)+δ
·
deviation(v，ω))
[0014]夹角评价因子如下：
[0015]heading(v，w)表示速度组合(v，w)对应的机器人运动轨迹末端与目标位置之间的
夹角；
[0016]距离评价因子如下：
[0017]dist(v，w)表示速度组合(v，w)对应的机器人运动轨迹末端与障碍物之间的距离；
[0018]速度评价因子如下：
[0019]velovity(v，w)表示速度组合(v，w)对应的机器人运动轨迹的线速度值和角速度值；
[0020]偏移评价因子如下：
[0021]deviation(v，w)表示速度组合(v，w)对应的机器人当前行驶方向与全局地图中当前通道墙体的偏角；
[0022]α、β、γ和δ分别为上述夹角、距离、速度、偏移各评价因子项的加权系数，对四项评价因子进行归一化处理，所述归一化处理具体如下：
[0023][0024][0025][0026][0027][0028]其中，a为机器人行驶方向与通道墙体的偏角，θ是所选定的激光雷达的两条射线m和n的夹角；
[0029]将所述评价值最好的轨迹对应的当前速度组合通过ROS发送给机器人，控制机器人根据当前速度组合中的速度信息进行移动。
[0030]在一些可能的实施方式中，所述DWA算法包括：
[0031]根据机器人自身的有限速度和加速度约束，将笛卡尔坐标(x,y)转换成一组机器人速度集合构成的速度矢量空间；
[0032]所述机器人直线行驶速度和旋转角速度组成一个速度组合(v,ω)；
[0033]根据机器人的运动模型对不同的所述速度组合(v,ω)对应的运动轨迹进行估计，利用评价函数来评价所述运动轨迹的优劣，最终选出评价最优的所述速度组合。
[0034]在一些可能的实施方式中，所述机器人模型包括，
[0035]采用机器人轨迹是圆弧的机器人运动模型；
[0036]定义机器人的运行轨迹为一条弧线，当轨迹为直线时旋转角度为0，每一个所述速
度组合(v,ω)都唯一的对应一条轨迹；
[0037]机器人在t时刻的轨迹半径表示为：
[0038][0039]当所述机器人是差速区分时，其只能向前移动和旋转，因此，当旋转角速度ω不为零时，机器人的运动轨迹为圆弧，其位姿计算公式如下：
[0040][0041][0042]θ
t+1
＝θ
t
+ωtΔt
[0043]其中，(x
t
，y
t
)表示机器人的两个驱动轮的连线中点在t时刻在全局坐标系中的坐标，v
t
为机器人在t时刻的线速度，ω
t
为机器人在t时刻的角速度，θ
t
为机器人在t时刻的航向角；
[0044](x
t+1
，y
t+1
)表示机器人的两个驱动轮的连线中点在t+1时刻在全局坐标系中的坐标，θ
t+1
为机器人在t+1时刻的航向角，Δt为时刻t到时刻t+1的时间差。
[0045]在一些可能的实施方式中，对于当前时刻位姿确定的所述机器人，每一个速度矢量组合(v
t
,ω
t
)都对应唯一的一条运动轨迹以及其时间差内的位姿，因此需要对速度矢量空间进行采样。
[0046]在一些可能的实施方式中，所述机器人硬件性能存在限制，其速度和角速度都存在界限，对机器人最高和最低速度的限制，即所述矢量速度空间的取值范围表示为：
[0047]V
m
＝{v∈[v
min
，v
max
]，ω∈[ω
min
，ω
max
]}
[0048]其中，v
min
、v
max
为机器人的最小、最大线速度，ω
min
、ω
max
为机器人的最小、最大角速度。
[0049]在一些可能的实施方式中，所述机器人有限的电机性能也会约束其最大、最小加速度，所述机器人在时间差内线速度和角速度的变化量的取值范围表示为，
[0050][0051]其中，v
t+1
是机器人在时刻t+1的线速度，v
t
为机器人在t时刻的线速度，ω
t
为机器人在t时刻的角速度，Δt为时刻t到时刻t+1的时间差；和v
d
是机器人最大线加速度和最大线减速度；ω
a
和ω
d本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于DWA的机器人在狭窄环境局部路径规划方法，其特征在于：包括，利用激光雷达机器人SLAM建图构建全局地图并获取所述机器人的起始位置和目标位置；在构建的所述全局地图中，利用A*算法进行全局路径规划；利用激光雷达所采集的数据信息，判断是否存在障碍物，若存在，则调用DWA算法进行局部路径规划，选择若干条有效路径，避开障碍物；根据评价函数对采样得到的速度矢量相对应的有效路径轨迹进行评价，找出评价值最好的轨迹；所述评价函数包括夹角、距离、速度和偏移评价因子，评价函数如下：G(v，ω)＝σ
·
(α
·
heading(v，w)+β
·
dist(v，ω)+γ
·
velocity(v，ω)+δ
·
deviation(v，ω))夹角评价因子如下：heading(v，w)表示速度组合(v，w)对应的机器人运动轨迹末端与目标位置之间的夹角；距离评价因子如下：dist(v，w)表示速度组合(v，w)对应的机器人运动轨迹末端与障碍物之间的距离；速度评价因子如下：velovity(v，w)表示速度组合(v，w)对应的机器人运动轨迹的线速度值和角速度值；偏移评价因子如下：deviation(v，w)表示速度组合(v，w)对应的机器人当前行驶方向与全局地图中当前通道墙体的偏角；α、β、γ和δ分别为上述夹角、距离、速度、偏移各评价因子项的加权系数，对四项评价因子进行归一化处理，所述归一化处理具体如下：子进行归一化处理，所述归一化处理具体如下：子进行归一化处理，所述归一化处理具体如下：子进行归一化处理，所述归一化处理具体如下：子进行归一化处理，所述归一化处理具体如下：其中，a为机器人行驶方向与通道墙体的偏角，θ是所选定的激光雷达的两条射线m和n
的夹角；将所述评价值最好的轨迹对应的当前速度组合通过ROS发送给机器人，控制机器人根据当前速度组合中的速度信息进行移动。2.根据权利要求1所述的基于DWA的机器人在狭窄环境局部路径规划方法，其特征在于：所述DWA算法包括：根据机器人自身的有限速度和加速度约束，将笛卡尔坐标(x,y)转换成一组机器人速度集合构成的速度矢量空间；所述机器人直线行驶速度和旋转角速度组成一个速度组合(v,ω)；根据机器人的运动模型对不同的所述速度组合(v,ω)对应的运动轨迹进行估计，利用评价函数来评价所述运动轨迹的优劣，最终选出评价最优的所述速度组合。3.根据权利要求2所述的基于DWA的机器人在狭窄环境局部路径规划方法，其特征在于：所述机器人模型包括，采用机器人轨迹是圆弧的机器人运动模型；定义机器人的运行轨迹为一条弧线，当轨迹为直线时旋转角度为0，每一个所述速度组合(v,ω)都唯一的对应一条轨迹；机器人在t时刻的轨迹半径表示为：当所述机器人是差速区分时，其只能向前移动和旋转，因此，当旋转角速度ω不为零时，机器人的运动轨迹为圆弧，其位姿计算公式如下：时，机器人的运动轨迹为圆弧，其位姿计算公式如下：θ
t+1
＝θ
t
+ω
t
Δt其中，(x
t
，y
t
)表示机器人的两个驱动轮的连线中点在t时刻在全局坐标系中的坐标，v
t
为机器人在t时刻的线速度，ω
t
为机器人在t时刻的角速度，θ
t
为机器人在t时刻的航向角；(x
t+1
，y
t+1
)表示机器人的两个驱动轮的连线中点在t+1时刻在全局坐标系中的坐标，θ
t+1
为机器人在t+1时刻的航向角，Δt为时刻t到时刻t+1的时间差。4.根据权利要求3所述的基于DWA的机器人在狭窄环境局部路径规划方法，其特征在于：对于当前时刻位姿确定的所述机器人，每一个速度矢量组合(v
t
,ω
t
)都对应唯一的一条运动轨迹以及其时间差内的位姿，因此需要对速度矢量空间进行采样。5.根据权利要求4所述的基于DWA的机器人在狭窄环境局部路径规划方法，其特征在于：所述机器人硬件性能存在限制，其速度和角速度都存在界限，对机器人最高和最低速度的限制，即所述矢量速度空间的取值范围表示为：V
m
＝{v∈[v
min
，v
max
]，ω∈[ω
min
，ω
max
]}其中，v
min
、v
max
为机器人的最小、最大线速度，ω
min
、ω
max
为机器人的最小、最大角速度。
6.根据权利要求4所述的基于DWA的机器人在狭窄环境局部路径规划方法，其特征在于：所述机器人有限的电机性能也会约束其最大、最小加速度，所述机器人在时间差内线速度和角速度的变化量的取值范围表示为，其中，v
t+1
是机器人在时刻t+1的线速度，v
t
为机器人在t时刻的线速度，ω
t
为机器人在t时刻的角速度，Δt为时刻t到时刻t+1的时间差；和是机器人最大线加速度和最大线减速度；和是机器人最大角加速度和最大角减速度。7.根据权利要求6所述的基于DWA的机器人在狭窄环境局部路径规划方法，其特征在于：还包括，若使所述机器人在与障碍物发生碰撞前能够停下来，则应当与障碍物之间保持一定的安全距离，其对机器人的最大线减速度和最大角减速度的取值范围表示为：其中，dist(v,ω)为速度组合(v,ω)对应的轨迹到障碍物最近的距离。8...

【专利技术属性】
技术研发人员：袁华君，王新珩，余丽敏，赵浩诚，杜爽，邹斌，
申请(专利权)人：苏州英特雷真智能科技有限公司，
类型：发明
国别省市：