一种移动机器人自主导航方法技术

本发明专利技术揭示了一种移动机器人自主导航方法，基于位操作的地图检索查询，将所述地图保存在缓存数组里；应用多模概率函数，在可行区域内近似逼近目标函数，寻找最优路径。本发明专利技术结合了建图和路径规划的方法，使得机器人可以顺利的完成导航任务。此方法不仅提高了机器人对于周围环境的感知速度，并且同时也提高了机器人完成指定任务的成功率。实现了导航任务的规模化和自动化部署。规模化和自动化部署。规模化和自动化部署。

【技术实现步骤摘要】
一种移动机器人自主导航方法


[0001]本专利技术涉及机器人领域，特别是涉及一种移动机器人自主导航方法。

技术介绍

[0002]在过去几十年中，移动机器人导航技术日渐发展，使得移动机器人可以完成一些基本的任务。随着自动化技术的不断提升，人们对于移动机器人的要求也在不断提高。例如在完成任务途中的精度要求以及任务的完成度等各个方面都在不断的提高。
[0003]机器人在完成这些任务的先决条件之一是对周围的环境具有准确的感知能力，并且将环境在一定时间内存储起来，用于下一步的任务决策。这个过程一般来说就是建立机器人可以理解的地图。建图的准确性直接决定了机器人对于给定任务执行的准确性。通常的建图方法利用Inverse Sensor Model方法建立传感器数据融合模型，从而避免复杂的计算。当数据量较大时，一般而言用四叉树或者八叉树存储数据。但是如果对于实时性要求较高的场景，这样的存储方法不一定能胜任。
[0004]因此，需要一种移动机器人自主导航方法，以解决上述问题。

技术实现思路

[0005]本专利技术的目的在于提供一种移动机器人自主导航方法，传感器接受到的信息处理后利用数组缓存建立机器人可以理解的局部地图，利用字节的比特操作从而简化查询地图上的对应位置的花销，提高查询效率。
[0006]为解决上述技术问题，本专利技术提供一种移动机器人自主导航方法，包括步骤：
[0007]基于位操作的地图检索查询，将所述地图保存为在缓存数组里；
[0008]应用多模概率函数，在可行区域内近似逼近目标函数，寻找最优路径。
[0009]进一步的，通过接受外部数据建立地图，并更新机器人距离每一个障碍物的距离。
[0010]进一步的，所述外部数据为传感器数据。
[0011]进一步的，所述缓存数组为一长度为N的连续数组。
[0012]进一步的，将空间点的位置栅格化，得到一个感知点的整数指数x，定义一补偿指数作为机器人局部坐标系的开始位置，建立全局坐标到机器人局部坐标的转化关系。
[0013]进一步的，通过公式(1)得到所述传感器数据是否在地图上：
[0014]是否在地图上(x)＝0<＝x
‑
o<N
ꢀꢀꢀꢀꢀ
(1)
[0015]其中，x为正整数，N为正整数，o为坐标系原点。
[0016]进一步的，如果所述传感器数据位于地图的缓存数组上，则通过公式(2)判断此数据点在所述缓存数组上的具体位置：
[0017]数组地址(x)＝(x
‑
o)mod N
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0018]其中，x为正整数，N为正整数，o为坐标系原点，mod为取余操作。
[0019]进一步的，位操作判断判断所述传感器数据的具体位置，通过公式(3)和公式(4)判断：
[0020]是否在地图上(x)＝！((x
‑
o)&(～(2
p
‑
1)))
ꢀꢀꢀꢀꢀꢀ
(3)
[0021]数组地址(x)＝(x
‑
0)&(2
p
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0022]其中，x为正整数，N＝2
p
为数组长度，o为坐标系原点，～为取反操作。
[0023]进一步的，根据Bresenham算法将所述传感器数据到数据点之间的位置进行相应的射线跟踪操作，更新地图。
[0024]进一步的，在进行射线跟踪时，起点选为传感器位置；
[0025]将所述传感器的数据点用高斯概率进行建模，在采集到的位置为其初始概率最大的位置，根据其周围采集点的状态，更新其周围一定范围内的数据点为目标点的概率；
[0026]选择概率最大的点为终点，并进行射线跟踪。
[0027]进一步的，所述周围采集点的状态包括是否可见，是否被遮挡。
[0028]进一步的，对每一帧的所有传感器的数据点进行更新，绘制出整个地图。
[0029]进一步的，所述地图构建完成后，更新机器人距离每一个障碍物的距离，包括步骤：
[0030]采用同样长度的缓存数组保存每个数据点对于最近障碍物的距离；
[0031]在每一次地图状态更新后，保存所有被标记为障碍物的点，将其距离障碍物的距离标记为0，并保存所有被重新标记为空闲的点，将其在缓存数组的值标记为无穷大；
[0032]从每个障碍物点开始，更新其周围点的距离；
[0033]如果空间点距离障碍物的距离比此前距离缓存数组中所保存的距离短，将此新点加入一个队列；
[0034]如此等队列里的点为空时，说明地图上所有的点更新完距离，此时地图的状态为可用。
[0035]进一步的，应用多模概率函数，在可行区域内近似逼近目标函数，寻找最优路径，包括步骤：
[0036]假设轨迹服从如下概率分布：
[0037][0038]其中F代表一个递减函数，其中，而C则代表代价值，Z则代表分割函数，ε是指一条特定的轨迹；
[0039]通过重采样和重要性采样方法，将其转换一易采样的函数，多模分布函数用高斯混合模型表示如下：
[0040][0041]通过高斯混合模型(6)，可以得到d
C
(ε)的近似值，进而得到代表最小代价值的轨迹ε。
[0042]进一步的，进行平滑处理，包括步骤：
[0043]采用B样条曲线来表示得到的轨迹，如下式所示：
[0044][0045]其中，P
i
指第i个在时刻t
i
的控制点，B
i,k
是B样条曲线的基函数；
[0046]定义代价函数如式(8)所示：
[0047]E
total
＝E
c
+E
q
+E
l
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0048]其中，E
total
为定义代价函数，E
c
代表碰撞代价，E
q
代表了平滑性，E
l
表示机器人状态各阶导数的约束；
[0049]利用样条曲线对路径进行逼近，将路径转换为轨迹，通过查找机器人当前时刻距离轨迹最近的点，计算出下一时刻机器人的控制量，控制机器人朝向目标点移动。
[0050]与现有技术相比，本专利技术的有益效果主要体现在：提出了一种移动机器人已知定位的导航方法，结合了建图和路径规划的方法，使得机器人可以顺利的完成导航任务。此方法不仅提高了机器人对于周围环境的感知速度，并且同时也提高了机器人完成指定任务的成功率。实现了导航任务的规模化和自动化部署。
附图说明
[0051]图1为本专利技术移动机器人自主导航方法的流程图；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动机器人自主导航方法，其特征在于，包括步骤：基于位操作的地图检索查询，将所述地图保存在缓存数组里；应用多模概率函数，在可行区域内近似逼近目标函数，寻找最优路径。2.如权利要求1所述的移动机器人自主导航方法，其特征在于，通过接受外部数据建立地图，并更新机器人距离每一个障碍物的距离。3.如权利要求2所述的移动机器人自主导航方法，其特征在于，所述外部数据为传感器数据。4.如权利要求3所述的移动机器人自主导航方法，其特征在于，所述缓存数组为一长度为N的连续数组。5.如权利要求4所述的移动机器人自主导航方法，其特征在于，将空间点的位置栅格化，得到一个感知点的整数指数x，定义一补偿指数作为机器人局部坐标系的开始位置，建立全局坐标到机器人局部坐标的转化关系。6.如权利要求5所述的移动机器人自主导航方法，其特征在于，通过公式(1)得到所述传感器数据是否在地图上：是否在地图上(x)＝0<＝x
‑
o<N
ꢀꢀꢀꢀꢀ
(1)其中，x为正整数，N为正整数，o为坐标系原点。7.如权利要求6所述的移动机器人自主导航方法，其特征在于，如果所述传感器数据位于地图的缓存数组上，则通过公式(2)判断此数据点在所述缓存数组上的具体位置：数组地址(x)＝(x
‑
o)mod N
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，x为正整数，N为正整数，o为坐标系原点，mod为取余操作。8.如权利要求5所述的移动机器人自主导航方法，其特征在于，位操作判断判断所述传感器数据的具体位置，通过公式(3)和公式(4)判断：是否在地图上(x)＝！((x
‑
o)&(～(2
p
‑
1)))
ꢀꢀꢀꢀꢀꢀ
(3)数组地址(x)＝(x
‑
0)&(2
p
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，x为正整数，N＝2
p
为数组长度，o为坐标系原点，～为取反操作。9.如权利要求5所述的移动机器人自主导航方法，其特征在于，根据Bresenham算法将所述传感器数据到数据点之间的位置进行相应的射线跟踪操作，更新地图。10.如权利要求9所述的移动机器人自主导航方法，其特征在于，在进行射线跟踪时，起点选为传感器位置；将所述传感器的数据点用高斯概率进行建模，在采集到的位置为其初始概率最大的位置，...

【专利技术属性】
技术研发人员：刘奇帅，姜宇凡，赵军，
申请(专利权)人：广州足下科技有限公司，
类型：发明
国别省市：