一种基于稀疏化可视图的机器人快速路径规划方法技术

本发明专利技术公开了一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，包括：针对激光雷达采集得到的点云信息，通过PCL点云库进行点云降采样得到稀疏点云；将得到的稀疏点云使用空洞网格结构进行存储，并且将稀疏点云平面投影得到二值图像，进行图像模糊得到模糊图像；将模糊图像进行轮廓点的提取，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；通过过滤后的障碍物的轮廓特征点构建可视图；使用双向BFS搜索寻找最优路径，并且在路径规划的过程中，剔除障碍物。本发明专利技术算法运行速度快，具有良好的实时性；缩短了构建地图和路径规划所需要的时间，同时减少了机器人在未知环境中探索造成的空间浪费，具有抗复杂环境干扰性强等优点。干扰性强等优点。干扰性强等优点。

【技术实现步骤摘要】
一种基于稀疏化可视图的机器人快速路径规划方法


[0001]本专利技术属于移动机器人
，涉及机器人地图构建及机器人路径规划技术，具体涉及一种基于稀疏化可视图的机器人快速路径规划方法。

技术介绍

[0002]近年来，随着时代不断地发展，移动机器人行业日益兴起并逐渐融入我们的生活中，商场随处可见的指路服务机器人，酒店里的送餐机器人，医院里的医疗机器人，工厂里的工业机器人等。在对机器人的研究中，特别是移动机器人，为了使机器人在行动过程中能够更好地躲避前进路上的障碍物并到达指定位置，其路径规划算法不或缺。当前路径规划算法主要有以下几个缺点，第一，无法在未知环境中进行路径规划，第二，当前路径规划大多采用占据栅格地图，在场景比较大的区域里，占据栅格地图计算路径的效率低下，难以达到良好的实时性。
[0003]所以，需要一个新的技术方案来解决这些问题。

技术实现思路

[0004]专利技术目的：为了克服现有技术中存在的不足，提供一种基于稀疏化可视图的机器人快速路径规划方法，其具备实时性强、探索空间少、抗环境干扰能力强等诸多优点。
[0005]技术方案：为实现上述目的，本专利技术提供一种基于稀疏化可视图的机器人快速路径规划方法，包括如下步骤：
[0006]S1：针对激光雷达采集得到的点云信息S，通过PCL点云库进行点云降采样得到稀疏点云S
′
；
[0007]S2：将得到的过滤后的稀疏点云S
′
使用空洞网格结构Grid
local
进行存储，并且将稀疏点云S
′
平面投影得到二值图像Image
origin
，并将二值图像Image
origin
进行图像模糊得到模糊图像Image
blur
；
[0008]S3：将模糊图像Image
blur
进行轮廓点的提取，得到障碍物的轮廓特征点其中Z+为全体正整数，并将障碍物的轮廓特征点进行过滤；
[0009]S4：通过过滤后的障碍物的轮廓特征点构建可视图
[0010]S5：在可视图上使用双向BFS(Breadth First Search)搜索寻找最优路径，双向BFS搜索开辟两条搜索方向，分别为从机器人节点往终点路径节点方向，以及终点节点方向往机器人节点路径方向，并且在路径规划的过程中，基于构建的可视图进行动态障碍物检测，在最终维护的可视图中将检测到的障碍物剔除，最终获取到机器人规划路径。
[0011]进一步地，所述步骤S2中空洞网格结构Grid
local
由一组小网格Sub
local
构成，该Grid
local
呈现空洞状排列。
[0012]进一步地，所述步骤S3中障碍物的轮廓特征点的过滤方法为：
[0013]对于第k个障碍物轮廓中，有n个顶点，记为若n大于阈值η(根据工程经验，可选择阈值η为18)，则该障碍物的顶点需要进行过滤，对于第i个顶点，计算与第i+
1个顶点两者的欧式距离，其公式如下所示：
[0014][0015]根据每个相邻顶点的距离dist求出第k个障碍物轮廓中最长的边距离dist
max
，其公式如下所示：
[0016]dist
max
＝max(dist
(i，i+1)
)|(0＜i＜n)
[0017]对第k个障碍物轮廓中的每个顶点，对于第i个顶点，计算i前后连续两个顶点i
‑
1和i+1的距离dist
(i
‑
1，i)
和dist
(i，i+1)
，若dist
(i
‑
1，i)
和dist
(i，i+1)
都小于0.1
×
dist
max
，则将该顶点i抹去，删除与顶点i相连接的边edge
(i
‑
1，i)
和edge
(i，i+1)
；
[0018]若所有的dist
(i
‑
1，i)
和dist
(i+1，i)
都大于等于0.1
×
dist
max
，则完成障碍物的轮廓特征点的过滤。
[0019]进一步地，所述步骤S4中可视图的构建方法为：
[0020]A1：将障碍物轮廓点作为可视图中的顶点，同一个障碍物的相邻顶点之间构成可视图中障碍物的边；
[0021]A2：可视图由局部地图和全局地图两部分组成，经过步骤A1后，障碍物轮廓点在局部地图中被记录为
[0022]A3：通过合并至全局地图形成对于局部地图中的第k个障碍物轮廓顶点，通过欧式距离与中的第u个顶点进行关联，完成一次可视图的更新。
[0023]进一步地，所述步骤S2中通过稀疏点云信息S
′
中的反射率将点云划分为障碍物点云S
′
obs
和非障碍物点云S
′
free
。
[0024]进一步地，所述步骤S5中在最终维护的可视图中将检测到的障碍物剔除的过程为：
[0025]B1：初始化一个大小为激光雷达探测半径R
×
R的网格Grid
voxel
，其网格分辨率为0.5m
×
0.5m；
[0026]B2：将当前帧的S
′
obs
和下一帧稀疏点云S
′
进行欧式距离匹配，将未匹配成功的S
′
obs
点标记为S
′
obs
(RAY)，将该S
′
obs
(RAY)进行膨胀操作，用于形成包裹动态障碍物的点云，从而提高消除动态障碍物的鲁棒性，膨胀后的点云标记为S
′
obs
(INFLATE)；
[0027]B3：在全局地图里消除S
′
obs
(INFLATE)所对应的障碍物轮廓点。
[0028]进一步地，所述步骤B2中膨胀操作的具体过程为：
[0029]输入点云S
′
obs
(RAY)，遍历S
′
obs
(RAY)中的每一个点云P
obs
(RAY)，获取该点云P
obs
(RAY)对应的Sub
voxel
坐标(x，y)，将其扩展到九个邻域，分别为(x
‑
1，y
‑
1)、(x
‑
1，y)、(x
‑
1，y+1)、(x，y
‑
1)、(x，y)、(x，y+1)、(x+1，y
‑
1)、(x+1，y)、(x+1，y+1)，将各个Sub
voxel
坐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，包括如下步骤：S1：针对激光雷达采集得到的点云信息S，通过PCL点云库进行点云降采样得到稀疏点云S
′
；S2：将得到的过滤后的稀疏点云S
′
使用空洞网格结构Grid
local
进行存储，并且将稀疏点云S
′
平面投影得到二值图像Image
origin
，并将二值图像Image
origin
进行图像模糊得到模糊图像Image
blur
；S3：将模糊图像Image
blur
进行轮廓点的提取，得到障碍物的轮廓特征点其中Z+为全体正整数，并将障碍物的轮廓特征点进行过滤；S4：通过过滤后的障碍物的轮廓特征点构建可视图S5：在可视图上使用双向BFS搜索寻找最优路径，双向BFS搜索开辟两条搜索方向，分别为从机器人节点往终点路径节点方向，以及终点节点方向往机器人节点路径方向，并且在路径规划的过程中，基于构建的可视图进行动态障碍物检测，在最终维护的可视图中将检测到的障碍物剔除，最终获取到机器人规划路径。2.根据权利要求1所述的一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，所述步骤S2中空洞网格结构Grid
local
由一组小网格Sub
local
构成，该Grid
local
呈现空洞状排列。3.根据权利要求1所述的一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，所述步骤S3中障碍物的轮廓特征点的过滤方法为：对于第k个障碍物轮廓中，有n个顶点，记为若n大于阈值η，则该障碍物的顶点需要进行过滤，对于第i个顶点，计算与第i+1个顶点两者的欧式距离，其公式如下所示：根据每个相邻顶点的距离dist求出第k个障碍物轮廓中最长的边距离dist
max
，其公式如下所示：dist
max
＝max(dist
(i，i+1)
)|(0＜i＜n)对第k个障碍物轮廓中的每个顶点，对于第i个顶点，计算i前后连续两个顶点i
‑
1和i+1的距离dist
(i
‑
1，i)
和dist
(i，i+1)
，若dist
(i
‑
1，i)
和dist
(i，i+1)
都小于0.1
×
dist
max
，则将该顶点i抹去，删除与顶点i相连接的边edge
(i
‑
1，i)
和edge
(i，i+1)
；若所有的dist
(i
‑
1，i)
和dist
(i+1，i)
都...

【专利技术属性】
技术研发人员：谢非，李群召，杨继全，张培彪，郑鹏飞，单飞宇，刘畅，戴亮，王可，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：