【技术实现步骤摘要】
本专利技术属于机器人路径规划，尤其涉及基于改进dwa算法的定姿全向移动机器人局部路径规划方法。
技术介绍
1、随着智能化和数字化时代的加速发展，人工智能技术，尤其是机器人技术，在制造业、服务业及日常生活中的应用变得越来越广泛。特别是在智能物流、智能制造和智能家居等领域，全向移动机器人因其灵活的移动能力和高效的任务执行能力，成为研发的热点。为了实现在复杂环境下的高效、安全导航与任务执行，全向移动机器人的路径规划技术显得尤为关键。
2、动态窗口方法（dwa）是一种实时反应式路径规划技术，它能够在考虑机器人当前速度和加速度限制的前提下，动态地选择最优的速度和行进方向。通过评估当前速度窗口内的所有可行运动，结合目标函数（如到目的地的距离、运动方向和障碍物避让等），dwa能够为机器人提供一条既安全又高效的路径。这种方法尤其适合于需要快速避障和在狭窄空间内灵活移动的场景，在机器人局部路径规划上有着广泛应用。
3、但是dwa算法也存在着很多不足，比如：原评价函数中对机器人的姿态偏移无评价标准，尤其是在全向移动机器人移动过程中传统dwa算法易出现机器人抖动、不稳定的现象，动态避障效果差；因此，如何在克服dwa无法评价全向机器人自身移动姿态的缺点、同时保持dwa算法的简单高效和便于实现的优点的前提下，实现全向移动机器人的路径规划，是需要解决的技术问题。
技术实现思路
1、为解决上述技术问题，本专利技术提出了基于改进dwa算法的定姿全向移动机器人局部路径规划方法，以解决上述现有
2、为实现上述目的，本专利技术提供了基于改进dwa算法的定姿全向移动机器人局部路径规划方法，包括：
3、获取环境数据，其中所述环境数据为激光雷达采集周围环境的点云数据；
4、对环境数据进行建模，得到三维地图模型，在三维地图模型中，将全向机器人的初始位置和最终达到位置作为起始点和目标点；
5、构建全向移动机器人的运动模型，并确定全向移动机器人的局部路径；
6、其中，所述全向移动机器人的运动模型包括单位时间和状态向量，其中状态向量包括x轴方向速度矢量、y轴方向速度矢量和z轴方向角速度矢量，其中所述状态向量表示速度，所述x轴方向为全向移动机器人的正前方方向，所y轴方向为小车正左方方向，所述z轴方向为x轴和y轴交点指向小车顶部的方向；
7、局部路径的获取过程包括：根据状态向量对全局移动机器人在单位时间下的移动路径进行计算，得到全向机器人的局部路径；
8、根据起始点和目标点，得到目标点的方向，控制所述全向移动机器人沿目标点的方向进行移动，并在移动过程中，当出现障碍物时，根据运动模型，对所述全向移动机器人进行速度采样，根据局部路径和速度采样结果，得到规划路径；
9、其中，根据状态向量通过运动学逆解方法对所述全向移动机器人进行运动解析，得到状态向量对应的全向机器人的运动信息，根据所述运动信息控制所述全向机器人进行移动；
10、其中，速度采样过程包括，以约束条件为取值范围，在取值范围中，对所述状态向量进行随机赋值，得到若干个随机赋值的状态向量，其中约束条件包括全向移动机器人dwa速度约束、全向移动机器人加速度约束和全向移动机器人预留刹车距离约束，所述不同的约束条件为状态向量的不同取值范围；
11、其中，规划路径的获取过程包括：根据随机赋值后的状态向量，计算对应的局部路径，以每个局部路径的终点为起始节点，重新进行速度采样，并计算重新速度采样的局部路径，重复上述过程，直到最后一次的局部路径的终点即目标节点不在避障范围内，将相关联的局部路径的终点作为动态节点进行连接，得到若干条规划路径，其中所述避障范围为以全向机器人为圆点，以全向机器人与障碍物之间距离的两倍为半径的圆形范围；
12、通过改进dwa算法对所述规划路径进行评价，基于评价结果，得到避障路径；
13、其中，对所述规划路径进行评价的过程包括：通过改进dwa算法中的评价函数对规划路径进行评价，其中，评价函数为不同的评价指标归一化后的加权和的计算结果，评价指标包括：全向机器人当前位置与目标点之间的角度差、全向机器人与障碍物之间的距离、规划路径中全向机器人的速度和规划路径中机器人的姿态偏移量；
14、所述避障路径的获取过程包括：选择评价结果中数值最小对应的规划路径，作为避障路径；
15、根据避障路径对所述全向移动机器人进行避障移动，并在避障移动后，向所述目标点的方向进行移动，直到达到目标点；
16、其中，避障移动的过程包括，通过调整状态向量，控制全向机器人经过避障路径中每个动态节点，以移动到目标节点；
17、其中，向所述目标点的方向进行移动的过程包括：计算目标节点与目标点的方向，控制所述全向机器人沿目标节点与目标点的方向进行移动，直到达到目标点。
18、可选的，其中所述起始点和目标点的确定过程包括：
19、通过移动端向全向移动机器人传输移动指令，其中所述移动指令包括移动速度、移动时间和航向角，将所述全向移动机器人的起始位置作为起始点，基于起始点根据移动速度、移动时间和航向角计算，得到目标点。
20、可选的，所述全向移动机器人采用麦克纳姆轮小车，在所述全向移动机器人进行移动过程中，通过运动学逆解方法对所述全向移动机器人进行运动解析，得到麦克纳姆轮小车的每个轮子的转速信息，并根据转速信息采用三级pid反馈控制所述麦克纳姆轮小车进行移动；其中三级pid反馈控制包括惯性测量单元反馈控制、里程计反馈控制和激光雷达反馈控制。
21、可选的，对所述规划路径进行评价的过程包括：
22、通过改进dwa算法中的评价函数对规划路径进行评价，其中评价函数为：
23、；
24、其中，为方位角评价函数，代表机器人当前位置与目标点之间的角度差大小，为机器人与最近障碍物之间的距离，为轨迹对应的速度大小，为姿态评价因子，代表当前轨迹中机器人姿态偏移量；分别为对夹角、距离、速度、姿态各评价因子项的加权系数，表示对四项因子进行归一化处理，为x轴方向速度矢量，为y轴方向速度矢量，为z轴方向角速度矢量。
25、可选的，当所述全向移动机器人的路径累加结果与目标点坐标位置相同，则达到目标点。
26、与现有技术相比，本专利技术具有如下优点和技术效果：
27、本专利技术提供一种基于改进dwa算法的定姿全向移动机器人局部路径规划方法，dwa通过考虑机器人的当前速度、加速度限制以及周围障碍物的位置和速度来动态调整机器人的运动，确保机器人既可以快速接近目标点，又能有效避开障碍物。
本文档来自技高网...【技术保护点】
1.基于改进DWA算法的定姿全向移动机器人局部路径规划方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，
【技术特征摘要】
1.基于改进dwa算法的定姿全向移动机器人局部路径规划方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。