单舵轮AGV路径规划方法技术

本发明专利技术属于路径规划技术领域，具体公开了一种单舵轮AGV路径规划方法，用于AGV在物流场景下的自主导航。首先，由物流调度总系统提供用于路径规划的场景的信息、规划起点的信息和规划终点的信息。然后，以利用距离场地图对图搜索的启发式代价函数改进混合A星算法进行路径搜索，得到初搜路径。最后，采用二次规划的数值优化算法，在保证路径安全性的前提下对初搜路径进行路径平滑，并转化成在世界坐标系下的全局路径离散点，根据所述全局路径离散点规划单舵轮AGV路径。本发明专利技术的初搜路径在一定程度上远离障碍物，并且能够提升搜索效率，在路径平滑阶段能够兼顾非完整约束特点和安全性，并显著提升路径平滑的效率。显著提升路径平滑的效率。显著提升路径平滑的效率。

【技术实现步骤摘要】
单舵轮AGV路径规划方法


[0001]本专利技术属于路径规划
，尤其涉及一种单舵轮AGV路径规划方法。

技术介绍

[0002]AGV作为一种无人操作的智能化搬运设备，在制造业生产、仓储物流等作业环节中发挥着重要作用。其中，单舵轮AGV具有底盘结构简单、驱动方式简明、成本低廉等优点，在工业物流领域被大量应用，但对该类型的AGV进行路径规划及其运动控制时，需要额外考虑车轮的非完整约束条件，让机器人在给定运动路径下始终能保持车轮无滑动滚动的状态，才能使其在自主导航时保证较高的可控运动精度。如果能为单舵轮AGV自主导航规划出合理、可达、无碰撞的全局路径，就可以减轻轨迹跟踪控制的难度，显著提高AGV的运行效率和轨迹跟踪精度，以此为AGV自主导航的准确运动提供技术支撑。
[0003]纵观国内外相关研究及技术方案可知，考虑非完整约束系统的路径规划方法主要包括曲线插值方法、图搜索方法、图采样方法、最优控制方法以及机器学习方法。其中，基于图搜索方法发展而来的Hybrid A星算法（混合A星算法）由于具备较高的求解速度、求解结果稳定且在搜索分辨率下全局最优，是目前实际运用较为广泛的方法，也更符合AGV的低算力特点和高实时性要求，因此是本专利技术的主要研究方向。
[0004]Hybrid A星算法是由Dolgov提出的从A星算法改进而得到，通过轮式底盘可实现的曲线轨迹来进行节点拓展，满足了轮式车辆的非完整约束。然而，通过Hybrid A星算法所搜索出的路径会包含不必要的转弯和曲率不连续的问题，这在实用中还有待进一步平滑优化。因此，Dolgov进一步提出采用梯度下降法对Hybrid A星算法初步搜索得到的路径进行平滑后处理（后文将Dolgov提出的算法称为原始Hybrid A星算法）。综上所述，原始Hybrid A星算法作为该领域的背景性技术，可简要概括为路径搜索和路径平滑两部分。
[0005]原始Hybrid A星算法通过路径搜索和路径平滑两个步骤，可以为轮式车辆或机器人规划出一条平滑的、满足运动学非完整约束的全局路径，但仍存在以下几个问题：首先，基于图搜索算法得到的初搜路径由于趋向距离最短，因此往往紧贴障碍物。这种情况不利于AGV的行驶，而且也会压缩路径平滑优化的空间，增加路径平滑的优化难度；如果初搜路径可以适当远离障碍物，虽然增加了路径的总长度，但从路径的安全性和平滑优化的难度上都更具备优越性。其次，在采用原始算法中提到的梯度下降法对初搜路径进行平滑时，是用惩罚代价的方式来描述障碍物对路径的影响。而在平滑优化过程中，由于同时考虑了障碍物代价、平滑代价和曲率代价，如果障碍物代价权重过高，则路径的平滑效果可能受影响；如果障碍物代价权重过低，则无法确保优化后的路径与障碍物不发生干涉。如果出现了干涉的情况，则需要反复调节发生碰撞的位置点，直到新的路径能够通过碰撞检测，这会给路径的规划效率和规划质量带来一定的不确定性。最后，路径规划方法的规划效率一直是评价算法可行性的重要指标，如对原始Hybrid A星算法进行改进，改进后的路径规划方法的总体效率应进一步提升。
[0006]综上所述，可将原始Hybrid A星算法存在的问题以及问题解决后应达到的效果概
括为以下两点：第一，路径规划的结果应确保安全性，这一问题可以从路径搜索（使初搜路径适当远离障碍物）和路径平滑（确保路径平滑算法的安全性）两个角度进行改进；第二，在路径规划的全过程中，计算效率都具有提升空间，改进后应具备更优的实时性。

技术实现思路

[0007]本专利技术的目的在于提供一种单舵轮AGV路径规划方法，有效解决原始Hybrid A星算法在路径搜索阶段中搜索的路径容易贴近障碍物的问题。
[0008]为解决上述技术问题，本专利技术采用的技术方案是：一种单舵轮AGV路径规划方法，首先，由物流调度总系统提供用于路径规划的场景的信息、规划起点的信息和规划终点的信息；然后，基于改进Hybrid A星算法进行路径搜索，得到初搜路径；最后，采用二次规划的数值优化算法，在保证路径安全性的前提下对初搜路径进行路径平滑，并转化成在世界坐标系下的全局路径离散点，根据所述全局路径离散点规划单舵轮AGV路径。
[0009]进一步地，所述路径搜索包括以下步骤：S1、计算所述规划起点到所述规划终点的RS曲线，所述RS曲线是在无障碍物情况下满足车辆运动学约束的距离最优曲线，如果所述RS曲线与环境障碍物无碰撞，则直接采纳所述RS曲线为初搜路径，结束路径搜索；反之，则将所述规划起点作为父节点，进行下一步操作。S2、扩展子节点：相对父节点的子节点为车辆以转弯半径行进离散步长的距离后所在的位置。S3、计算子节点的代价值：，式中，代表子节点的代价值，为累计代价函数，为启发式函数。，，式中， 为离散步长，为对转向的惩罚系数，为对倒车的惩罚系数。，式中，为A星算法搜索得到的从子节点n到所述规划终点所途径的总共k个节点中的第i个节点，为与第i个节点对应的障碍物距离代价函数，表示为：，式中，为第i个节点对应的距离场数值，为大于1的安全距离阈值。S4、计算子节点到所述规划终点的RS曲线，如果所述RS曲线与环境障碍物无碰撞，则直接采纳所述RS曲线为初搜路径的剩余路径，结束路径搜索；反之，则在所述父节点扩展的所有子节点中选择代价值最小的子节点作为下一个父节点，重复步骤S2～S4，直到所述RS曲线与环境障碍物无碰撞。
[0010]进一步地，所述二次规划的数值优化算法是以轨迹的距离代价和曲率代价作为优化目标，把经路径搜索得到的初搜路径上的路径离散点离障碍物的距离引入约束条件，以保证优化后的轨迹不会与障碍物发生碰撞，最后进行优化求解。
[0011]进一步地，对于初搜路径上的每一个原始路径离散点，其坐标表示为，再经所述路径平滑后的相应的路径离散点为，所述用三个变量进行描述，其中是的坐标，是路径平滑后的路径离散点的位置相对初搜路径上的原始路径离散点位置在路径法线方向上的偏移距离。
[0012]对于的位置约束条件为：，；对于偏移量的线性约束条件为：，其中是原始路径离散点到下界障碍物的实际距离，是原始路径离散点到上界障碍物的实际距离。
[0013]进一步地，由于所述路径平滑是以轨迹的距离代价和曲率代价作为优化目标，因此，所述路径平滑优化问题的优化代价函数包括距离代价函数和离散曲率代价函数两部分。，式中，表示距离代价函数的代价权重，表示初搜路径上的路径离散点的总数量。，式中，表示路径离散点处的曲率，表示路径离散点处的曲率的变化率，和均表示权重系数。，。综上，。
[0014]进一步地，在步骤S3中，直行节点的为1，左转和右转节点的为大于1的常数；前进节点的为1，后退节点的为大于的常数。
[0015]本专利技术的有益技术效果是：（1）本专利技术针对原始Hybrid A星算法在路径搜索阶段中存在的搜索的路径容易贴近障碍物的问题，提出利用距离场地图对图搜索的启发式代价函数进行改进，高效搜索出一条初步满足运动学约束、并与障碍物保持一定距离的无碰撞路径，作为初搜路径，减少了节点拓展数目，提升了路径搜索的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单舵轮AGV路径规划方法，其特征在于，首先，由物流调度总系统提供用于路径规划的场景的信息、规划起点的信息和规划终点的信息；然后，基于改进Hybrid A星算法进行路径搜索，得到初搜路径；最后，采用二次规划的数值优化算法，在保证路径安全性的前提下对初搜路径进行路径平滑，并转化成在世界坐标系下的全局路径离散点，根据所述全局路径离散点规划单舵轮AGV路径。2.根据权利要求1所述的单舵轮AGV路径规划方法，其特征在于，所述路径搜索包括以下步骤：S1、计算所述规划起点到所述规划终点的RS曲线，所述RS曲线是在无障碍物情况下满足车辆运动学约束的距离最优曲线，如果所述RS曲线与环境障碍物无碰撞，则直接采纳所述RS曲线为初搜路径，结束路径搜索；反之，则将所述规划起点作为父节点，进行下一步操作；S2、扩展子节点：相对父节点的子节点为车辆以转弯半径行进离散步长的距离后所在的位置；S3、计算子节点的代价值：，式中，代表子节点的代价值，为累计代价函数，为启发式函数；，，式中， 为离散步长，为对转向的惩罚系数，为对倒车的惩罚系数；，式中，为A星算法搜索得到的从子节点n到所述规划终点所途径的总共k个节点中的第i个节点，为与第i个节点对应的障碍物距离代价函数，表示为：，式中，为第i个节点对应的距离场数值，为大于1的安全距离阈值；S4、计算子节点到所述规划终点的RS曲线，如果所述RS曲线与环境障碍物无碰撞，则直接采纳所述RS曲线为初搜路径的剩余路径，结束路径搜索；反之，则在所述父节点扩展的所有子节点中选择代价值最小的子...

【专利技术属性】
技术研发人员：房殿军，林松，田雨，王平，蒋红琰，刘记忠，罗夫特，
申请(专利权)人：青岛中德智能技术研究院，
类型：发明
国别省市：