全方位移动机器人自主导航方法及防疫机器人技术

本发明专利技术涉及一种全方位移动机器人自主导航方法及防疫机器人，自主导航方法，包括：采用包括激光雷达、IMU单元和里程计在内的传感器获取机器人移动过程的周围环境信息；建立数据融合滤波器将里程计和IMU单元观测量数据进行融合；使用激光雷达进行机器人的自主导航建图，在建图过程中，结合所述数据融合滤波器输出数据作为新的混合提议分布，基于Gmapping算法构建自主导航地图；根据自主导航地图，采用基于定向搜索A*算法进行路径规划，实现机器人的自主导航。本发明专利技术实现全方位移动、自主导航、自主避障，能够更好的实现区域全覆盖。能够更好的实现区域全覆盖。能够更好的实现区域全覆盖。

【技术实现步骤摘要】
全方位移动机器人自主导航方法及防疫机器人


[0001]本专利技术属于自主导航
，具体涉及一种全方位移动机器人自主导航方法及防疫机器人。

技术介绍

[0002]目前的，防疫机器人大多采用差速轮驱动方式，当防疫机器人工作在非结构化且狭窄的环境中时，不利于防疫机器人的转向，因此不能保证防疫机器人顺利的完成消杀任务。因此具有自主、高效、覆盖面广的全向智能防疫机器人，不仅是时代发展的方向，更是防疫形式的迫切需求。

技术实现思路

[0003]鉴于上述的分析，本专利技术旨在公开了一种全方位移动机器人自主导航地图构建方法及防疫机器人，实现全方位移动、自主导航、自主避障和防疫消杀功能，能够更好的实现消毒区域全覆盖功能。
[0004]本专利技术公开了一种全方位移动机器人自主导航方法，包括：
[0005]采用包括激光雷达、IMU单元和里程计在内的传感器获取机器人移动过程的周围环境信息；
[0006]建立数据融合滤波器将里程计和IMU单元观测量数据进行融合；
[0007]使用激光雷达进行机器人的自主导航建图，在建图过程中，结合所述数据融合滤波器输出数据作为新的混合提议分布，基于Gmapping算法构建自主导航地图；
[0008]根据自主导航地图，采用基于定向搜索A*算法进行路径规划，实现机器人的自主导航。
[0009]进一步地，所述机器人采用4个麦克纳姆轮进行驱动；将四个麦克纳姆轮的速度信息合成得到里程计观测量数据；
[0010]测量的所述四个麦克纳姆轮中左前轮的角速度为ω
Lf
，左后轮的角速度为ω
Lb
，右前轮的角速度为ω
Rf
，右后轮的角速度为ω
Rb
；
[0011]根据机器人麦克纳姆轮角速度计算的机器人速度为v＝[v
X v
Y ω
Z
]T
，v
X
为机器人在X轴的线速度，v
Y
为机器人在Y轴的线速度，ω
Z
为机器人的整体角速度；
[0012]麦克纳姆轮角速度和机器人的速度满足下式：
[0013][0014]对测量的机器人速度v进行积分得到里程计观测量数据[x,y,θ
yaw
]；其中x,y为机器人的全局平面坐标，θ
yaw
为机器人的偏航角。
[0015]进一步地，所述数据融合滤波器采用扩展卡尔曼滤波器；
[0016]所述扩展卡尔曼滤波器的状态量X(k)＝[x,y,z,θ
pitch
,θ
roll
,θ
yaw
]T
；x,y,z为机器人的全局三维坐标；θ
pitch
、θ
roll
和θ
yaw
为机器人的俯仰角、滚转角和偏航角；
[0017]所述扩展卡尔曼滤波器的观测量包括里程计观测量z1＝[x,y,θ
yaw
]T
，以及IMU观测量z2＝[θ
pitch
,θ
roll
,θ
yaw
]T
。
[0018]进一步地，所述基于定向搜索A*算法进行路径规划包括：
[0019]1)初始化节点信息；
[0020]2)判断起始节点或指定节点是否为目标节点；是，则跳转至6)，否则继续执行；
[0021]3)计算出起始节点或指定节点与目标节点之间的定向导引函数值，确定优先搜索方向；
[0022]4)依据障碍物分布情况，选择待指定节点；将待指定节点和东、南、西、北四个方向添加到Open_list，同时将障碍物节点添加到Close_list；
[0023]5)找出最小代价函数f(x)对应的节点作为指定节点，并将该指定节点标记为Close_list中的元素，记录其父节点；并继续执行2)；
[0024]6)路径关键节点提取及“拉直”处理；
[0025]7)输出规划路径。
[0026]进一步地，将引导启发函数γ
s
与方位判定阈值区间(ε1,ε2)进行比较确定优先搜索方向，其中，
[0027]γ
s
大于ε1且小于ε2时，其优先搜索方向为东北、西南方向；
[0028]γ
s
大于等于
‑
ε2且小于等于
‑
ε1时，其优先搜索东南、西北方向；
[0029]γ
s
大于
‑
ε1且小于
‑
ε2时，其优先搜索东、西方向；
[0030]γ
s
大于ε2或者小于
‑
ε2或不存在时，其优先搜索南、北方向；
[0031]引导启发函数
[0032](x
s
，y
s
)为起始节点或指定节点的全局坐标；(x
g
，y
g
)为目标节点的全局坐标。
[0033]进一步地，依据障碍物分布情况选择待指定节点，包括：
[0034]依据障碍物分布初步确定方向搜索；当障碍物在目标节点与当前节点之间的连线上时，则终止该方向搜索；当障碍物在连线的某一侧时，则继续搜索；当障碍物在连线的两侧，且位于正方向时，则继续搜索；
[0035]待初步确定方向搜索完成后，转而搜索东、南、西、北四个方向，以其中代价函数值γ
s
最小的节点作为下一个待指定节点。
[0036]进一步地，所述路径关键节点提取，包括：
[0037]获得生成的路径节点集合为L＝{Q
i
|i＝0,1,2
…
,n}；其中，Q
i
表示生成的路径上的第i个路径节点；
[0038]依据三点共线原理判断Q0、Q1、Q2三个节点是否共线，若三个节点处于同一条直线上，则说明Q1节点为可舍节点，执行去除Q1节点并更新路径L的操作；
[0039]随后继续判断Q0、Q2、Q3三个节点是否存在可舍节点，若不存在，则继续遍历Q2、Q3、Q4三个节点，直至遍历所有的路径节点为止；
[0040]遍历完成后，得到仅含有起始节点、路径转折点以及目标节点的集合L。
[0041]进一步地，所述“拉直”处理包括：
[0042]获得经过关键节点提取优化后的路径节点集合为S＝{Q
j
|j＝0,1,2
…
,m}；其中，Q
j
表示优化后路径上的第j个路径节点；
[0043]确定起始点Q0与目标节点Q
m
所在直线方程，遍历该线段所经过的节点坐标，判断两者之间是否存在障碍物；
[0044]若无障碍物，则删除两者之间的其它路径点，并将Q0和Q
m
两点保留至新的路径，同时退出程序；
[0045]否则，连接Q0和Q...

【技术保护点】

【技术特征摘要】
1.一种全方位移动机器人自主导航方法，其特征在于，包括：采用包括激光雷达、IMU单元和里程计在内的传感器获取机器人移动过程的周围环境信息；建立数据融合滤波器将里程计和IMU单元观测量数据进行融合；使用激光雷达进行机器人的自主导航建图，在建图过程中，结合所述数据融合滤波器输出数据作为新的混合提议分布，基于Gmapping算法构建自主导航地图；根据自主导航地图，采用基于定向搜索A*算法进行路径规划，实现机器人的自主导航。2.根据权利要求1所述的全方位移动机器人自主导航方法，其特征在于，所述机器人采用4个麦克纳姆轮进行驱动；将四个麦克纳姆轮的速度信息合成得到里程计观测量数据；测量的所述四个麦克纳姆轮中左前轮的角速度为ω
Lf
，左后轮的角速度为ω
Lb
，右前轮的角速度为ω
Rf
，右后轮的角速度为ω
Rb
；根据机器人麦克纳姆轮角速度计算的机器人速度为v＝[v
X v
Y ω
Z
]
T
，v
X
为机器人在X轴的线速度，v
Y
为机器人在Y轴的线速度，ω
Z
为机器人的整体角速度；麦克纳姆轮角速度和机器人的速度满足下式：对测量的机器人速度v进行积分得到里程计观测量数据[x，y，θ
yaw
]；其中x，y为机器人的全局平面坐标，θ
yaw
为机器人的偏航角。3.根据权利要求2所述的全方位移动机器人自主导航方法，其特征在于，所述数据融合滤波器采用扩展卡尔曼滤波器；所述扩展卡尔曼滤波器的状态量X(k)＝[x，y，z，θ
pitch
，θ
roll
，θ
yaw
]
T
；x，y，z为机器人的全局三维坐标；θ
pitch
、θ
roll
和θ
yaw
为机器人的俯仰角、滚转角和偏航角；所述扩展卡尔曼滤波器的观测量包括里程计观测量z1＝[x，y，θ
yaw
]
T
，以及IMU观测量z2＝[θ
pitch
，θ
roll
，θ
yaw
]
T
。4.根据权利要求1所述的全方位移动机器人自主导航方法，其特征在于，所述基于定向搜索A*算法进行路径规划包括：1)初始化节点信息；2)判断起始节点或指定节点是否为目标节点；是，则跳转至6)，否则继续执行；3)计算出起始节点或指定节点与目标节点之间的定向导引函数值，确定优先搜索方向；4)依据障碍物分布情况，选择待指定节点；将待指定节点和东、南、西、北四个方向添加到Open_list，同时将障碍物节点添加到Close_list；5)找出最小代价函数f(x)对应的节点作为指定节点，并将该指定节点标记为Close_list中的元素，记录其父节点；并继续执行2)；6)路径关键节点提取及“拉直”处理；7)输出规划路径。
5.根据权利要求4所述的全方位移动机器人自主导航方法，其特征在于，将引导启发函数γ
s
与方位判定阈值区间(ε1，ε2)进行比较确定优先搜索方向，其中，γ
s
大于ε1且小...

【专利技术属性】
技术研发人员：李圣达，高文劭，
申请(专利权)人：北京机械设备研究所，
类型：发明
国别省市：