机器人规避障碍物的运动规划方法技术

本发明专利技术提供一种机器人规避障碍物的运动规划方法，基于向量场直方图算法的进行了改进，应用一种可自动调整范围的动态窗口，根据设置条件选择模式一或者模式二，并在不同的窗口模式下设置自适应阈值，使用阈值评价函数，同时考虑移动机器人硬件特性、运动特性确定阈值的选取范围，使机器人在快速适应不同环境的同时可以无碰撞且平滑到达目标点。本发明专利技术的一种机器人规避障碍物的运动规划方法，规划的路径更短，而且安全有效。

【技术实现步骤摘要】
机器人规避障碍物的运动规划方法
本专利技术涉及机器人领域，尤其涉及一种机器人规避障碍物的运动规划方法。
技术介绍
移动机器人的发展是目前科学研究的热门领域之一，随着现在科技的不断进步，机器人领域也在不断发展，自主避障能力和路径规划作为机器人的最基本的能力，也在快速发展当中，国内外学者对机器人的路径规划做了大量的研究，其中有人工势场法、bug算法、虚拟势场算法VFF等，向量场直方图法(VFH)也是其中之一。但是目前的VFH算法还是存在一些问题，例如受阈值、栅格、窗口范围影响较大，因此不能很好的完成运动路线的规划。
技术实现思路
针对上述现有技术中的不足，本专利技术提供一种机器人规避障碍物的运动规划方法，规划的路径更短，而且安全有效。为了实现上述目的，本专利技术提供一种机器人规避障碍物的运动规划方法，包括步骤：S1：设置初始窗口大小为W*W，地图类型为栅格地图，将所述地图的每一个栅格作为一个障碍物向量，所述障碍物向量包括大小mi,j和方向βi,j；S2：计算所述初始窗口内的障碍物总密度值pn；S3：根据所述障碍物总密度值选择窗口模式，当满足预设条件时，切换不同的所述窗口模式；S4：根据角分辨率f，将正方形所述初始窗口分为若干个扇区，计算所述扇区个数n及障碍物所在扇区k；S5：计算每个所述扇区的障碍物密度值，生成二维障碍物向量直方图；S6：根据所述初始窗口的自适应阈值选择可行进的方向作为候选区域；S7：所述障碍物密度值大于阈值的为不可行的方向，所述障碍物密度值低于阈值的可行驶的方向，将连续可通行的所述扇区作为候选山谷；S8：构造代价函数，选择代价最小的所述候选区域作为行进方向。优选地，所述S1步骤中，所述障碍物向量的大小mi，j和方向βi，j满足公式：其中，表示确信值，a和b表示设定的常量，(xi，yj)表示障碍物位置；(x0，y0)表示机器人中心点的位置；i，j表示大于零的自然数；di，j表示机器人中心点与障碍物的距离。优选地，所述S2步骤中，所述障碍物总密度值pn的计算公式为：pn＝∑i，jmi，j。优选地，所述S3步骤中，所述窗口模式包括模式一和模式二；根据所述障碍物总密度值判断障碍物密集情况，所述碍物密集情况包括障碍物稀疏和障碍物密集；当障碍物稀疏时，使用模式一的第一动态窗口，所述第一动态窗口的大小为W*W，W＝14；当障碍物密集时，使用模式二的第二动态窗口，所述第二动态窗口的大小为Q*Q，Q计算公式为：Q＝int(((pmax-p1)*W)/pmax)；其中Pmax为最大障碍物总密度值，pmax为模式一下障碍物总密度值，W为模式一窗口大小范围；Q为模式二窗口大小范围；所述S3步骤中最大障碍物总密度值Pmax计算公式为：其中为机器人中心点与障碍物距离的平方；对2种窗口模式设置不同的跳转条件，其跳转条件如下所示：在所述模式一下：ω为模式一临界跳转条件，当p1＜ω时，模式保持不变，当p1≥ω时，切换模式为模式二，其中ω为经验值；在所述模式二下：q为模式二下临界跳转条件，当p2＞q时，模式保持不变，当p2≤q时，切换模式为模式一；其中μ为修正系数。优选地，所述S4步骤中，所述扇区个数n及障碍物所在扇区k满足公式：优选地，所述S5步骤中，每个所述扇区的障碍物密度值满足公式：其中，hk表示每个所述扇区的障碍物密度值。优选地，所述S6步骤中，当机器人未找到目标点时，所述自适应阈值的选择根据所述扇区内障碍物密度来进行选择；不同所述窗口模式下所述自适应阈值选择方法不同；所述模式一下所述自适应阈值采用第一阈值T1：其中，τhigh表示第一高阈值，pi表示第i个扇区的障碍物总密度值，δ1表示第一临界条件，τlow表示第一低阈值；所述模式二下所述自适应阈值采用第二阈值T2：其中，ηhigh表示第二高阈值，ηlow表示第二低阈值，δ2表示第二临界条件；所述自适应阈值的选择还考虑机器人的运动特性和硬件特性；机器人速度为v，加速度为α，则机器人速度减速到0的距离S为：考虑到雷达的探测距离和机器人减速安全距离，雷达到机器人边缘的距离为R，其减速距离为S：所述模式一下还满足：τhigh＜d1；τlow＞(S+R)；其中，d1表示雷达扫描的最大距离；所述S6步骤中，当机器人找到目标点时，所述自适应阈值采用第三阈值T3：其中，Tn表示选定阈值，在模式一下Tn为T1，在模式二下Tn为T2；γ表示自定义值，drt表示机器人距离目标点的距离。优选地，所述S7步骤中，将最靠近障碍物的所述扇区边界记为右边界kn；则左边界kf满足：kf＝kn+smax；其中，smax表示最大扇区数；所述S7步骤中，候选方向c满足公式：优选地，所述S8步骤中，所述代价函数g(c)为：其中，λ1和λ2表示自定义常数，c为候选方向，kl为目标方向，是当前的所在扇区，表示候选方向和目标方向相关的代价；表示候选方向和机器人当前方向相关的代价。优选地，还包括一循环跳出机制，设置触发条件，当系统陷入死循环，系统启动所述循环跳出机制，自动选择一个可行进的方向，跳出当前循环。本专利技术由于采用了以上技术方案，使其具有以下有益效果：本专利技术是基于VFH的改进算法，地图类型为栅格地图，当雷达扫描到障碍物时会给更新单元格的确信值C，因为原算法使用一个固定的窗口，在障碍物较多的情况下，会产生较大的障碍物密度值，会导致机器人无法通过或难以搜索可行进路径，本专利技术改进的算法中，根据当前窗口障碍物总密度值选择不同的窗口模式，当障碍物密度较小时，会选择窗口较大的模式，当障碍物密度较大时，会选择窗口较小的模式，从而使得机器人可以在密集障碍物中穿行。设置跳出机制，当机器人在选择行进方向时陷入死循环，根据其触发条件，启动跳出机制，跳出机制运行后，机器人选择任何可行进的方向作为前进方向，逃离当前位置后，再进行路径规划。附图说明图1为本专利技术实施例的机器人规避障碍物的运动规划方法的流程图；图2为本专利技术实施例的第一运行轨迹图；图3为本专利技术实施例的第二运行轨迹图；图4为本专利技术实施例的窗口模式选择流程图。具体实施方式下面根据附图图1～图4，给出本专利技术的较佳实施例，并予以详细描述，使能更好地理解本专利技术的功能、特点。请参阅图1～图4，本专利技术实施例的一种机器人规避障碍物的运动规划方法，包括步骤：S1：机器人首先会根据位姿信息和里程计信息确定自己的位姿；雷达开始扫描，扫描到障碍物时为障碍物所在的栅格会更新确信值C。根据雷达信息构建栅格地图，再初始点本文档来自技高网...

【技术保护点】
1.一种机器人规避障碍物的运动规划方法，包括步骤：/nS1：设置初始窗口大小为W*W，地图类型为栅格地图，将所述地图的每一个栅格作为一个障碍物向量，所述障碍物向量包括大小m

【技术特征摘要】
1.一种机器人规避障碍物的运动规划方法，包括步骤：
S1：设置初始窗口大小为W*W，地图类型为栅格地图，将所述地图的每一个栅格作为一个障碍物向量，所述障碍物向量包括大小mi，j和方向βi，j；
S2：计算所述初始窗口内的障碍物总密度值pn；
S3：根据所述障碍物总密度值选择窗口模式，当满足预设条件时，切换不同的所述窗口模式；
S4：根据角分辨率f，将正方形所述初始窗口分为若干个扇区，计算所述扇区个数n及障碍物所在扇区k；
S5：计算每个所述扇区的障碍物密度值，生成二维障碍物向量直方图；
S6：根据所述初始窗口的自适应阈值选择可行进的方向作为候选区域；
S7：所述障碍物密度值大于阈值的为不可行的方向，所述障碍物密度值低于阈值的可行驶的方向，将连续可通行的所述扇区作为候选山谷；
S8：构造代价函数，选择代价最小的所述候选区域作为行进方向。


2.根据权利要求1所述的机器人规避障碍物的运动规划方法，其特征在于，所述S1步骤中，所述障碍物向量的大小mi，j和方向βi，j满足公式：






其中，表示确信值，a和b表示设定的常量，(xi，yj)表示障碍物位置；(x0，y0)表示机器人中心点的位置；i，j表示大于零的自然数；di，j表示机器人中心点与障碍物的距离。


3.根据权利要求2所述的机器人规避障碍物的运动规划方法，其特征在于，所述S2步骤中，所述障碍物总密度值pn的计算公式为：
pn＝∑i，jmi，j。


4.根据权利要求3所述的机器人规避障碍物的运动规划方法，其特征在于，所述S3步骤中，所述窗口模式包括模式一和模式二；根据所述障碍物总密度值判断障碍物密集情况，所述碍物密集情况包括障碍物稀疏和障碍物密集；当障碍物稀疏时，使用模式一的第一动态窗口，所述第一动态窗口的大小为W*W，W＝14；碍物密集时，使用模式二的第二动态窗口，所述第二动态窗口的大小为Q*Q，Q计算公式为：
Q＝int(((pmax-p1)*W)/pmax)
其中pmax为最大障碍物总密度值，pmax为模式一下障碍物总密度值，W为模式一窗口大小范围；Q为模式二窗口大小范围；
所述S3步骤中最大障碍物总密度值pmax计算公式为：



其中为机器人中心点与障碍物距离的平方；
对2种窗口模式设置不同的跳转条件，其跳转条件如下所示：
在所述模式一下：
ω为模式一临界跳转条件，当p1＜ω时，模式保持不变，当p1≥ω时，切换模式为模式二，其中ω为经验值；
在所述模式二下：
q为模式二下临界跳转条件，当p2＞q时，模式保持不变，当p2≤q时，切换模式为模式一；



其中μ为修正系数。

【专利技术属性】
技术研发人员：朱绍明，孙强，施成章，王洪荣，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31