【技术实现步骤摘要】
一种机器人动态避障方法及系统
[0001]本专利技术涉及机器人的运动规划领域，特别是涉及一种机器人动态避障方法及系统。
技术介绍
[0002]针对路灯，路障等静态障碍物和行人，机动车，狗等日常生活中常见的动态障碍物，需要一个具有鲁棒性，安全性同时兼顾效率的路径规划算法来使得无人车能够规划一条无碰撞的路径从而避开这两类障碍物。因此，开发这种规避动态障碍物的路径规划算法，并将这种算法应用到无人车上去，将对商场，校园，机场，办公场所等场景具有极大的应用价值。
[0003]机器人的运动规划通常可以划分为全局规划和局部规划。全局规划是指在大尺度的静态场景(如大于100m*100m)下生成一条最优(如长度最短或耗时最少)的参考路径；局部规划是指在较小尺度的场景下(如小于100m*100m)，能够避开复杂的障碍物，并生成一条无碰撞的运动轨迹。相对来说，全局规划的参考轨迹的生成较为费时，因此更新频率较低，而局部规划确保了机器人的安全性，通过生成实时的运动指令驱动机器人运动。
[0004]局部规划根据实现方法的不同可以分为基于...
【技术保护点】
【技术特征摘要】
1.一种机器人动态避障方法，其特征在于，包括以下步骤：S1、检测周围环境，初始化确定起始点和目标点，并生成点云；S2、将所述点云输入同步定位与地图绘制模块中，从而生成机器人位姿，并维护三维概率图；S3、根据快速随机搜索树和三维概率图生成全局路径，根据所述点云生成局部地图与障碍物预测轨迹；S4、根据所述障碍物预测轨迹和所述全局路径生成局部轨迹，并发送运动指令至机器人；S5、所述机器人根据所述运动指令沿所述局部轨迹移动。2.如权利要求1所述的方法，其特征在于，步骤S3还包括根据点云生成局部地图；通过聚类将障碍物参数化到所述局部地图上，生成障碍物最小包络椭圆；通过卡尔曼滤波，估计和预测所述障碍物最小包络椭圆的状态，在前向时域内生成障碍物预测轨迹。3.如权利要求1所述的方法，其特征在于，步骤S4还包括根据所述障碍物预测轨迹和所述全局路径进行运动规划，将动态控制障碍函数和模型预测控制算法相结合，生成所述局部轨迹，并发送运动指令。4.如权利要求2所述的方法，其特征在于，所述障碍物最小包络椭圆的状态包括形状和位置；对所述障碍物最小包络椭圆的位置协方差R
p
提出修正参数k，表达式如下：提出修正参数k，表达式如下：其中R
p，max
和R
p，min
表示位置方差的边界，Ξ
min，crit
和Ξ
max，crit
表示障碍物最小包络椭圆位置置信度的指标Ξ
p
的边界；根据估计的所述障碍物最小包络椭圆的状态和方差值，预测未来时域的所述障碍物最小包络椭圆的状态，表达式如下：x
k
＝Ax
k
‑1；P
k
＝AP
k
‑1A
T
+Q；其中A为障碍物运动方程，x
k
为障碍物在k时刻的状态，x
k
‑1为障碍物在k
‑
1时刻的状态，P
k
为障碍物在k时刻的方差，P
k
‑1为障碍物在k
‑
1时刻的方差，Q为系统噪声的协方差。5.如权利要求4所述的方法，其特征在于，定义用于评估MBE位置置信度的指标Ξ
p
，表达式如下：其中x
ob，t
‑
i，t
和分别表示时间t时，r为上标，表示真实的，向后时域第i步处障碍物的最小包络椭圆位置和真实位置；定义Ξ
η
来评估最小包络椭圆的形状变化程度，时域设置为m步，Ξ
η
的估计如下：
其中表示η的平均值，Ξ
η
用于估计Ξ
p
，公式如下：其中，κ和γ分别是比例系数和幂次系数。6.如权利要求5所述的方法，其特征在于，用不确定度扩展椭圆，椭圆在两个轴上被σ放大到其中σ为椭圆轴长的扩展量；定义r＝r
p
+r
η
来描述椭圆的不确定度，其中r
p
和r
η
分别由椭圆的位置和形状的协方差得到；为了找到包络闵可夫斯基和的最小椭圆，通过求解以下方程得到σ的最小值：对于预测时域内的障碍物O(t：t+N|t)，当k从0增加到N时，障碍物的不确定性增加，相应的椭圆也相应扩大。7.如权利要求3所述的方法，其特征在于，所述动态控制障碍函数表达式如下：其中X为变量，h是连续可微函数，表达式如下：安全集...
【专利技术属性】
技术研发人员：梁斌，王学谦，翦卓著，严梓鸿，雷轩昂，兰斌，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。