一种基于行走轨迹的家庭服务机器人路径规划方法技术

一种基于行走轨迹的家庭服务机器人路径规划方法，本发明专利技术公开一种基于人的行走轨迹的服务机器人导航方法。首先，探讨了行人运动轨迹的描述方式，提出了一种基于核密度估计的关键点提取和轨迹表达方法，通过轨迹在空间距离、运动方向、运动速度上的相似性度量实现了行人运动轨迹的分类。其次，为避免路径搜索算法在全局空间中的扩展，提高算法的实时性，提出了一种基于轨迹引力函数的改进RRT‑Connect算法，实现了趋于行人行走轨迹的路径搜寻方案。最后，实现了基于拓扑‑栅格环境模型双层路径规划，在安全导航的基础上，提高了导航效率。

Path planning method for home service robot based on walking trajectory

A family service robot path planning method based on walking trajectory, the invention discloses a service robot navigation method based on human walking trajectory. First of all, discusses the pedestrian trajectory description, bring forward a new method of key points of kernel density estimation and trajectory extraction based on similarity by trajectory in the space distance, moving direction and velocity on the measure to achieve the classification of pedestrian trajectories. Secondly, in order to avoid the propagation path search algorithm in the global space, improve the real-time algorithm, proposed an improved RRT Connect algorithm trajectory based on the gravity function, walking path tends to track the search program. Finally, the implementation of the topology grid environment model based on double path planning based on safety of navigation, improve the efficiency of navigation.

【技术实现步骤摘要】
一种基于行走轨迹的家庭服务机器人路径规划方法
本专利技术属于机器人导航与定位领域，尤其涉及一种基于行走轨迹的家庭服务机器人路径规划方法。技术背景：导航是服务机器人的基本功能之一，也是机器人完成服务任务的基础。传统的机器人导航方式一般是基于时间最短、路径最短或耗能最低等优化指标而实现的，忽略了对机器人运动安全性、平稳性、与人友好性等服务质量的要求，规划出的运动路径一般为分段折线。服务机器人在进行路径跟踪时就需要频繁地减速、停止、转弯和加速，从而造成机器人运动的不连续，机器人的平稳性和安全性变差。尤其对于动态性较强的家庭环境，传统的导航方法仅仅考虑路径选择的优化，没有考虑行人的运动行为以及机器人运动区域的约束性，以致于在路径跟踪时举步维艰，偏离了怡人化服务的宗旨，更谈不上与人共融。然而，从人的行为中获取知识，观察人在家庭环境中的运动，提取人的日常运动轨迹，并引导机器人沿着人的运动路线，像人一样行走，有助于提供人性化的服务。人的行走轨迹是人体运动行为在时空域中的直观表达，反映了人们的日常行为和生活习惯，蕴含着丰富的信息。家庭环境下的行人运动轨迹就像现实世界中一条畅通无阻的“高速公路”，具有现实意义上的可达性。近年来，通过监测人在室内环境下运动路线，提取运动轨迹，引导机器人导航与控制方面的研究已逐渐得到了人们的关注[141]。例如，Simon等[142]采用分布式激光雷达检测行人位置，提取其运动轨迹，对每条轨迹通过高斯过程建模，同时将多条轨迹直接平均作为期望轨迹。该方法忽略了行人运动轨迹的双向性和复杂性，单纯对轨迹平均并不能完全反映人的实际行走轨迹，容易导致机器人的规划路径与人的行走路线发生冲突。Bennewitz等[143]采用视觉设备提取人的运动轨迹并加以分析，基于人的运动轨迹预测人的运动路线，提出了一种顺从目标人运动行为的机器人导航方法。该方法过于考虑人的运动行为，牺牲了机器人自主运动的灵活性。
技术实现思路
鉴于人们规律性的日常活动在运动轨迹上表现出较高的相似性和重复性，蕴含着丰富的可操作信息，用于引导服务机器人快速导航，本专利技术提供一种基于行走轨迹的家庭服务机器人路径规划方法，包括以下步骤：S1、根据行人运动轨迹的描述方式，利用核密度估计对轨迹关键点进行提取；S2、定义轨迹在空间距离、运动方向、运动速度上的相似性度量；S3、用k-means算法进行行人运动轨迹分类；S4、于RRT-Connect算法对行人行走轨迹进行路径规划。作为优选，步骤2具体为：运动目标的一条轨迹描述为:二维空间中，基于目标定位而获取的从关键点(转移节点)到关键点(转移节点)之间的有向运动目标定位点所组成的点集，由此，运动目标的某条运动轨迹j可描述为：Tj＝{xi＝(xi,yi),ai,vi,i＝1,...,N}其中，(xi,yi)描述了目标轨迹点i的坐标位置，ai和vi分别为产生轨迹点i时目标的运动方向和运动速度值，然后对轨迹进行相似性度量时，分别引入轨迹空间距离相似度Sd，运动速度相似度Sv，运动方向相似度Sa，以此衡量人的运动轨迹在空间距离、运动速度、运动方向上的相似程度，设Tm，Tn为运动目标的两条轨迹，则它们之间相似程度可用一个三维矩阵表示:S(Tm,Tn)＝[Sd(Tm,Tn),Sv(Tm,Tn),Sa(Tm,Tn)]下面阐述这几种相似性度量的计算方法，其中，迹空间距离相似度Sd仅与轨迹点的空间位置有关，对于轨迹Tm上的任意一点Xi，在轨迹Tn上的最近点可表示为:则轨迹Tm和轨迹Tn之间的空间距离可表达为:其中，Nm为轨迹Tm上点的数目，轨迹Tm和轨迹Tn之间的相似度可表达为:参照轨迹空间距离相似度表达方式，轨迹Tm和轨迹Tn之间的运动方向相似度可表达为:轨迹Tm和轨迹Tn之间的运动速度相似度可表达为:作为优选，步骤3具体为：采用K-means聚类方法对提取的行人行走轨迹进行聚类，其具体实现过程如下:Step1:预测聚类个数，根据家庭环境中转移节点数目、轨迹关键点个数程计分类轨迹的种类k；Step2:建立轨迹相似度矩阵，设Ω为目标跟踪系统所提取的L条行走轨迹的集合，其中，Ω＝{T1,...,Ti,...,TL}，Ti不为第i条轨迹。对任意两条轨迹进行基于4.2.3节所述的轨迹相似度度量即可计算得到相应的相似度三维向量，那么对所有L条轨迹进行相似度度量，可得到L×L×3的相似度矩阵:Di，j＝d(S(Ti,Tj))；Step3:初始化聚类中心，随机选取轨迹集中的某条轨迹作为第一类的初始聚类中心Cn1；其次，在剩余的L-1条轨迹集中选取另外一条轨迹作为第二类的初始聚类中心Cn2；为了防止所选的两条轨迹属于同一类，设定相似度阂值ρ，使两类轨迹聚类中心之间的距离满足下式，以此类推，直到找出k个初始聚类中心，Dn1，n2＝d(S(Tn1,Tn2))≥ρ其中，相似度阈值ρ的选取可通过对已知相似轨迹进行训练得到相应参数；Step4:对样本轨迹进行归类，比较所有轨迹样本Ti与各个初始化聚类中心Cnj的相似度，将轨迹样本归类到与它最相似的初始化聚类中心所在的类，Step5:调整聚类中心，根据Step4可得到轨迹的初始类别以及对应每一类的轨迹样本个数Li，对于每一类轨迹而言，在所属该类的所有轨迹样本中，找出某条样本轨迹，使其到该类所有轨迹样本的距离之和最小，即选为新的聚类中心，Step6:重复Step4和步骤Step5，直到连续两次聚类中心的调整迭代不再发生变化为止。本专利技术的基于人的行走轨迹的服务机器人导航方法，首先，探讨了行人运动轨迹的描述方式，提出了一种基于核密度估计的关键点提取和轨迹表达方法，通过轨迹在空间距离、运动方向、运动速度上的相似性度量实现了行人运动轨迹的分类。其次，为避免路径搜索算法在全局空间中的扩展，提高算法的实时性，提出了一种基于轨迹引力函数的改进RRT-Connect算法，实现了趋于行人行走轨迹的路径搜寻方案。最后，实现了基于拓扑-栅格环境模型双层路径规划，在安全导航的基础上，提高了导航效率。附图说明图1是本专利技术的流程示意图；图2是基于Gaussian核函数实现核密度估计的示意图；图3是基于单步RRT算法的路径规划图；图4是基于RRT-Connect算法的路径规划图。具体实施方式如图1所示，本专利技术实施例提供一种基于行走轨迹的家庭服务机器人路径规划方法，包括以下步骤：步骤一：利用核密度估计对轨迹关键点进行提取目标运动轨迹是基于对运动目标的定位而提取出来的一系列有向数据点经连接形成的曲线，反映了目标运动的历史规律。在分析目标的运动轨迹之前，首先应该梳理清楚什么样的一段运动路径称为一条轨迹。考虑到家庭环境下人的活动具有很强目的性和重复性，人的运动通常会受某种目的性活动驱使，比如吃饭、睡觉、学习等。因此，人的运动轨迹会展现出一定的聚集性，其大体成区域分布或带状分布。为准确、形象地描述人的运动轨迹，引入“关键点”的概念。关键点是指人的运动行为驻留点，如饮水机、写字台、床头等。它们可以从轨迹中提取。由于家庭环境中房间区域化功能分割明显，区域之间通常由房门连接。尽管这类具有很强标识性的节点位置很难在人的日常活动中有所体现，但它们却是家庭环境下服务机器人需要经常走过的关键节点。为此，引入“转移节点”，即指示房间各功能区域的本文档来自技高网...

【技术保护点】
一种基于行走轨迹的家庭服务机器人路径规划方法，其特征在于，包括以下步骤：S1、根据行人运动轨迹的描述方式，利用核密度估计对轨迹关键点进行提取；S2、定义轨迹在空间距离、运动方向、运动速度上的相似性度量；S3、用k‑means算法进行行人运动轨迹分类；S4、于RRT‑Connect算法对行人行走轨迹进行路径规划。

【技术特征摘要】
1.一种基于行走轨迹的家庭服务机器人路径规划方法，其特征在于，包括以下步骤：S1、根据行人运动轨迹的描述方式，利用核密度估计对轨迹关键点进行提取；S2、定义轨迹在空间距离、运动方向、运动速度上的相似性度量；S3、用k-means算法进行行人运动轨迹分类；S4、于RRT-Connect算法对行人行走轨迹进行路径规划。2.如权利要求1所述的基于行走轨迹的家庭服务机器人路径规划方法，其特征在于，步骤2具体为：运动目标的一条轨迹描述为:二维空间中，基于目标定位而获取的从关键点(转移节点)到关键点(转移节点)之间的有向运动目标定位点所组成的点集，由此，运动目标的某条运动轨迹j可描述为：Tj＝{xi＝(xi,yi),ai,vi,i＝1,...,N}其中，(xi,yi)描述了目标轨迹点i的坐标位置，ai和vi分别为产生轨迹点i时目标的运动方向和运动速度值，然后对轨迹进行相似性度量时，分别引入轨迹空间距离相似度Sd，运动速度相似度Sv，运动方向相似度Sa，以此衡量人的运动轨迹在空间距离、运动速度、运动方向上的相似程度，设Tm，Tn为运动目标的两条轨迹，则它们之间相似程度可用一个三维矩阵表示:S(Tm,Tn)＝[Sd(Tm,Tn),Sv(Tm,Tn),Sa(Tm,Tn)]下面阐述这几种相似性度量的计算方法，其中，迹空间距离相似度Sd仅与轨迹点的空间位置有关，对于轨迹Tm上的任意一点Xi，在轨迹Tn上的最近点可表示为:则轨迹Tm和轨迹Tn之间的空间距离可表达为:其中，Nm为轨迹Tm上点的数目，轨迹Tm和轨迹Tn之间的相似度可表达为:参照轨迹空间距离相似度表达方式，轨迹Tm和轨迹Tn之间的运动方向相似度可表达为:轨迹Tm和轨迹Tn之间的运动速度相似...

【专利技术属性】
技术研发人员：袁家政，刘宏哲，张勇，赵小燕，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11