一种捡球机器人的路径规划方法及系统技术方案

本发明专利技术公开了一种捡球机器人的路径规划方法及系统，涉及路径规划技术领域。路径规划方法步骤包括获取采集目标以及捡球机器人的数据；将待采集的球的坐标设为目标点，路径的起点和终点作为停靠点；建立闭合路径模型；将目标点设为实点，确定实点附近被路径中心线经过的一个点为虚拟点；采用聚类算法确定点簇，使用蒙特卡洛的方法更新各个初始点簇的中心点，生成最终点簇；通过模拟退火算法对点簇内的虚拟点和中心点排序，形成初始路径；对初始路径上的虚拟点及中心点进行微调，输出最终的路径规划。采用本发明专利技术路径规划方法，机器人路径中心线不需要直接穿过目标球所在的点，仅需要经过球附近即可实现收纳。要经过球附近即可实现收纳。要经过球附近即可实现收纳。

【技术实现步骤摘要】
一种捡球机器人的路径规划方法及系统


[0001]本专利技术涉及路径规划
，尤其涉及一种捡球机器人的路径规划方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]捡球机器人作为一类新兴的服务机器人, 在网球、乒乓球等运动员多球练习过程中自动收取训练场所内的目标球，可以节约大量人工捡球的精力和时间。 目前国内外市场上已经出现了较为成熟的捡球机器人，可以通过视觉、激光雷达、超声波等传感器实现机器人定位和导航， 自动识别网球并规划捡球路径。
[0004]近几年, 研究人员也逐渐开始了对捡球机器人的研究。由于大部分机器人通过计算机视觉识别目标球, 根据相对位置对机器人进行定位和导航, 所以关键技术之一是目标球的识别, 主要用到的技术包括几何特征和模板匹配法、颜色识别、轮廓特征识别、边缘检测、Mc Cann
‑
Frankle Retinex算法等经典的图像处理算法,这些关于捡球机器人路径规划的研究大多将该问题类比为TSP问题求解，TSP问题是典型的组合优化问题, 目前己经广泛应用于物流配送、飞机航线调度、公路网络规划等领域。解决大规模TSP问题主要使用启发式算法, 如模拟退火算法(Simulated annealing algorithm, SA)、遗传算法、蚁群算法和粒子群算法等。其中，SA在解决TSP问题中应用广泛, 且算法原理简单、解决问题收敛速度快。
[0005]然而专利技术人发现，现有算法解决的是单目标点的路径规划问题,机器人大多会设计类似“臂展”或者“滚筒”的结构, 以方便机器人和球接触, 进而提高收球效果。因此，不同于机械手抓取物品的点对点的关系, 捡球机器人和球形成了线和点的关系。机器人的行走路径为横截长度固定的带状平面, 或者可以被描述为一条考虑宽度的路径。如果将球简化为点, 则点和路径形成的带状平面重合即可被收纳。而现有算法在上述情况下并未考虑路径宽度的问题，需要机器人路径的中心线穿过目标球所在点才能实现捡球过程， 大大降低了捡球的效率。

技术实现思路

[0006]针对现有技术存在的不足，本专利技术的目的是提供一种捡球机器人的路径规划方法及系统，本专利技术考虑路径宽度，提出了融合k
‑
means聚类及蒙特卡洛方法的模拟退火算法，机器人路径中心线不需要直接穿过目标球所在的点，仅需要经过球附近即可实现收纳。
[0007]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0008]本专利技术第一方面提供了一种捡球机器人的路径规划方法，包括以下步骤：
[0009]获取采集目标以及捡球机器人的数据；将待采集的球的坐标设为目标点，路径的起点和终点作为停靠点；
[0010]根据停靠点、 目标点和路径宽度建立闭合路径模型；
[0011]将目标点设为实点，确定实点附近被路径中心线经过的一个点为虚拟点；
[0012]采用聚类算法确定点簇，将点簇中可共用一个虚拟点的实点命名为中心点，使用蒙特卡洛的方法更新各个初始点簇的中心点，生成最终点簇；
[0013]通过模拟退火算法对点簇内的虚拟点和中心点排序，形成初始路径；
[0014]对初始路径上的虚拟点及中心点进行微调，输出最终的路径规划。
[0015]进一步的，多个实点可以对应同一个虚拟点，停靠点的虚拟点为其本身。
[0016]进一步的，设虚拟点为实点对应的以实点坐标为圆心、收球结构长度的一半为半径的圆内一点，以经过虚拟点所有的最短闭合路径为目标建立闭合路径模型。
[0017]进一步的，采用聚类算法确定点簇的具体步骤为：
[0018]以每个实点作为中心点建立初始点簇, 通过比较中心点与其他实点的距离与收球结构长度的一半的大小，确定各初始点簇包含的实点。
[0019]更进一步的，如果实点到其他实点的距离均大于收球结构长度的一半, 则命名该实点为独立实点。
[0020]进一步的，使用蒙特卡洛的方法更新各个初始点簇的中心点，生成最终点簇的具体步骤为：
[0021]得到中心点对应的点簇中所有实点横坐标和纵坐标的最大最小值，形成矩形搜索框；
[0022]在矩形搜索框内随机生成一点, 计算以随机点为圆心、收球结构长度的一半为半径的圆的所包含的实点，如果实点数量大于原点簇，则更新当前点簇的实点，并将当前点簇的中心点更新为所述随机点；
[0023]消除初始点簇中同一实点归属不同初始点簇的情况，确定所有实点和点簇的映射关系, 将所有初始点簇设为未处理状态，并生成所有点簇。
[0024]更进一步的，生成所有点簇的具体步骤为：查找未处理点簇中实点最多的点簇，假设为c
k
，标记为已处理状态；删除其他未处理点簇中和c
k
重合的实点；循环操作直到所有点簇均被处理。
[0025]进一步的，通过模拟退火算法对点簇内的虚拟点和中心点排序，形成初始路径的具体步骤为：
[0026]根据各独立实点对应的虚拟点的坐标, 及所有虚拟点、中心点在路径中心线上的顺序设置目标函数；
[0027]采用贪婪算法对所有的虚拟点和中心点进行初始排序获得初始解；
[0028]通过改变虚拟点和中心点的在路径中的顺序，以及随机变化独立实点对应的虚拟点的坐标产生新解；
[0029]对是否接受新解进行判断，确定最终解，根据最终解得到初始路径。
[0030]进一步的，对初始路径上的点进行微调，输出最终的路径规划的具体步骤为：
[0031]从停靠点之后开始对路径中心线经过的各虚拟点及中心点逐一微调，采用几何计算方式微调虚拟点，采用蒙特卡洛方式微调中心点。
[0032]本专利技术第二方面提供了一种捡球机器人的路径规划系统，包括：
[0033]数据采集模块，被配置为获取采集目标以及捡球机器人的数据；将待采集的球的
坐标设为目标点，路径的起点和终点作为停靠点；
[0034]模型建立模块，被配置为根据停靠点、目标点和路径宽度建立闭合路径模型；
[0035]确定点簇模块，被配置为将目标点设为实点，确定实点附近被路径中心线经过的一个点为虚拟点；采用聚类算法确定点簇，将点簇中可共用一个虚拟点的实点命名为中心点，使用蒙特卡洛的方法更新各个初始点簇的中心点，生成最终点簇；
[0036]退火算法优化模块，被配置为通过模拟退火算法对点簇内的虚拟点和中心点排序，形成初始路径；
[0037]路径规划模块，被配置为对初始路径上的虚拟点及中心点进行微调，得到最终的路径规划。
[0038]以上一个或多个技术方案存在以下有益效果：
[0039]本专利技术公开了一种考虑路径宽度的捡球机器人的路径规划方法及系统，通过融合k
‑
means聚类算法思想及蒙特卡洛方法确定各个点所属点簇及对应中心点，然后利用改进的模拟退火算法，求解初始路线，最后通过几何计算和蒙特卡洛方法调整各个虚拟点或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种捡球机器人的路径规划方法，其特征在于，包括以下步骤：获取采集目标以及捡球机器人的数据；将待采集的球的坐标设为目标点，路径的起点和终点作为停靠点；根据停靠点、目标点和路径宽度建立闭合路径模型；将目标点设为实点，确定实点附近被路径中心线经过的一个点为虚拟点；采用聚类算法确定点簇，将点簇中可共用一个虚拟点的实点命名为中心点，使用蒙特卡洛的方法更新各个初始点簇的中心点，生成最终点簇；通过模拟退火算法对点簇内的虚拟点和中心点排序，形成初始路径；对初始路径上的虚拟点及中心点进行微调，输出最终的路径规划。2.如权利要求1所述的捡球机器人的路径规划方法，其特征在于，多个实点可以对应同一个虚拟点，停靠点的虚拟点为其本身。3.如权利要求1所述的捡球机器人的路径规划方法，其特征在于，设虚拟点为实点对应的以实点坐标为圆心、收球结构长度的一半为半径的圆内一点，以经过虚拟点所有的最短闭合路径为目标建立闭合路径模型。4.如权利要求1所述的捡球机器人的路径规划方法，其特征在于，采用聚类算法确定点簇的具体步骤为：以每个实点作为中心点建立初始点簇,通过比较中心点与其他实点的距离与收球结构长度的一半的大小，确定各初始点簇包含的实点。5.如权利要求4所述的捡球机器人的路径规划方法，其特征在于，如果实点到其他实点的距离均大于收球结构长度的一半,则命名该实点为独立实点。6.如权利要求5所述的捡球机器人的路径规划方法，其特征在于，使用蒙特卡洛的方法更新各个初始点簇的中心点，生成最终点簇的具体步骤为：得到中心点对应的点簇中所有实点横坐标和纵坐标的最大最小值，形成矩形搜索框；在矩形搜索框内随机生成一点,计算以随机点为圆心、收球结构长度的一半为半径的圆的所包含的实点，如果实点数量大于原点簇，则更新当前点簇的实点，并将当前点簇的中心点更新为所述随机点；消除初始点簇中同一实点归属不同初始点簇的情况，确定所有实点和点簇的映射关系,将所...

【专利技术属性】
技术研发人员：胡金昌，王鑫，杨震，顾玥，赵家硕，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：