【技术实现步骤摘要】
基于双层数据结构的机器人实时最优轨迹规划方法
[0001]本专利技术属于移动机器人
，涉及机器人路径规划及轨迹优化技术，具体涉及一种基于双层数据结构的机器人实时最优轨迹规划方法。
技术介绍
[0002]21世纪以来，移动机器人技术逐渐走上科技前沿的舞台，移动机器人可以使物流任务自动化，从室内运输任务(如自动化仓库、医院、家庭、商场)到户外运输任务(如包裹递送)。当下轨迹规划的方法主要有以下几个缺点，第一，无法在未知环境中进行轨迹规划，且在大场景环境中算法计算效率低，实时性差。第二，当前移动机器人躲避动态障碍物的效率依旧不高，且行进轨迹不够平滑。一般来说，在无任何约束条件下移动机器人从起始点到目标点轨迹有无数条,根据是否采用最优化方法进行最优轨迹规划,可将轨迹规划分为一般轨迹规划和最优轨迹规划。该分类方法从轨迹规划的要求出发,全面描述了轨迹规划的方法及特点,且最优轨迹规划目前是轨迹规划的研究热点。
[0003]为了使机器人在执行任务的过程中能够平稳快速的躲避障碍物并到达目标地点，最优轨迹规划不可或缺。
[0004]所以，需要一个新的技术方案来实现上述目的。
技术实现思路
[0005]专利技术目的：为了克服现有技术中存在的不足，提供一种基于双层数据结构的机器人实时最优轨迹规划方法，能够实现移动机器人在未知环境下找到最优行驶轨迹，决策思路符合移动机器人的实际运行特点，具有实时性良好、低成本运算、运行效率高的优点。
[0006]技术方案：为实现上述目的，本专利技术提供一种基于双层...
【技术保护点】
【技术特征摘要】
1.一种基于双层数据结构的机器人实时最优轨迹规划方法，其特征在于，包括如下步骤：S1：获取机器人周围环境信息，提取障碍物边缘特征点并转化为一组封闭的多边形，连接可见性边形成局部可视图；S2：判断障碍物是动态还是静态，对动态障碍物直接消除可见性边缘并重新连接可见性边缘再合并到全局层，对静态障碍物直接添加到全局层，并找到起点到终点的最短路径；S3：同时分解横、纵向运动轨迹并对轨迹进行建模，将步骤S2中得到的最短路径转化为时间参数化轨迹，利用代价函数选择控制点并计算各个轨迹的成本，获取局部最优轨迹，并以此作为局部层；S4：利用运动学约束和机器人行驶安全指标检验局部最优轨迹的合理性，将满足合理性要求的局部最优轨迹输入到全局层，通过全局层获取到全局最优轨迹。2.根据权利要求1所述的一种基于双层数据结构的机器人实时最优轨迹规划方法，其特征在于，所述步骤S1中局部可视图的构建包括如下过程：A1：将激光雷达采集到的点云数据S，通过点云滤波算法进行下采样得到稀疏点云S
′
；A2：将稀疏点云S
′
平面投影得到二值图像Image
origin
，并将二值图像Image
origin
采用均值滤波生成模糊图像Image
blur
；A3：将模糊图像，mage
blur
通过追踪算法进行轮廓的提取，得到障碍物的轮廓特征点并将障碍物的轮廓特征点进行过滤；A4：通过过滤后的障碍物的轮廓特征点构建局部可视图G
local
。3.根据权利要求2所述的一种基于双层数据结构的机器人实时最优轨迹规划方法，其特征在于，所述步骤S2具体包括如下过程：B1：将局部可视图G
local
中的可见性边集ε
local
中进入障碍物多边形的边进行滤除，保留绕过障碍物的边集；B2：在局部层构建L
local
上构建局部可视图G
local
后，将局部层L
local
中的顶点和全局层L
global
中的顶点相关联，仅当它们彼此最近的顶点的欧式距离小于最长的两个顶点之间距离的十分之一时，即更新与L
local
重叠的L
global
，并完成合并；B3：给定机器人位置P
robot
和目标位置P
goal
，将P
robot
和P
goal
作为两个顶点添加到全局层L
global
上，并将它们连接到中具有无碰撞可见性边的顶点；B4：如果存在无碰撞路径，通过广度优先算法搜索在全局层L
global
找到P
robot
和P
goal
之间的最短路径。4.根据权利要求1所述的一种基于双层数据结构的机器人实时最优轨迹规划方法，其特征在于，所述步骤S3具体包括如下过程：C1：将步骤S2中得到的最短路径设为参考路径，将参考路径转化为时间参数化轨迹，并对轨迹以固定时间间隔Δt采样得到一组控制点，接着完成对控制点的优化；C2：对纵、横向位移s
i
(t)、d
i
(t)分别选取三次多项式作为轨迹函数，根据三次样条曲线求解办法得到纵、横向位移参数；C3：结合纵向和横向位移建立代价函数评估轨迹优劣。5.根据权利要求1所述的一种基于双层数据结构的机器人实时最优轨迹规划方法，其
特征在于，所述步骤S4具体包括如下过程：D1：通过确定性离散时间非线性动力学对机器人运动进行建模，其表示的公式如下：x
k+1
＝f(x
k
，u
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中和分别是离散时间实例k的状态和输入，n
x
和n
u
分别是状态和输入维度，状态包含机器人的二维位置其中R2表示二维空间向量，表示维度为n
x
的空间向量；D2：障碍物j在时间k＝0的位置表示为对于每个障碍物，其在接下来的N个时间步长(即)的运动预测可用于机器人在每个时间的实例；D3：分别用一个圆盘对障碍物和机器人区域进行建模，半径分别为r
obs
和r，进而通过对步骤S3中筛选出的最优轨迹判断其是否满足行驶安全、满足动力学约束，使移动机器人安全无碰撞的行驶，若满足则将最优轨迹输出至局部层，接着将移动机器人行进过程中局部层内的轨迹添加进全局层，通过构建局部层和全局层构成双层数据结构的方法得到实时最优规划轨迹。6.根据权利要求4所述的一种基于双层数据结构的机器人实时最优轨迹规划方法，其特征在于，所述步骤C1具体为：C1
‑
1：通过在状态空间中规划无碰撞路径，由工作空间和时间组成的状态空间由X＝R2×
[0，T]描述，其中[0，T]为连续域，T表示时间，将状态空间路径转换为关于时间参数化轨迹，τ
geometric
：[0，T]
→
R2，每条轨迹以固定时间间隔Δt采样，得到一组控制点Q＝[Q0，...，Q
N
]，其中Q
i
∈R...
【专利技术属性】
技术研发人员：吴佳豪，谢非，黄懿涵，赵茳天，杨继全，张培彪，刘沁阳，江如月，郑鹏飞，戴亮，
申请(专利权)人：南京师范大学，
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。