专利名称：一种混合的机器人动态路径规划方法
技术领域：
本发明涉及一种路径规划方法，尤其涉及一种移动机器人在存在动态障碍物和静态障碍物的环境中的路径规划方法。
背景技术：
移动机器人实时路径规划和导航是反映机器人自主能力的关键要素之一，也是较难解决的问题之一。机器人路径规划主要分为环境信息已知的规划和环境信息未知的规划。对于前者多采用离线规划，得到的路径较优，后者多采用在线规划，体现了路径规划的实时性。近年来许多路径规划的方法被人们所研究。主要的路径规划的方法可以分为两类——人工智能的方法(Al)和人工势场法(APF)。前者主要运用的方法有遗传算法(GA)、模糊逻辑控制(FLC)和人工神经网络(ANN)，这些方法往往较为复杂运算速度也较为缓慢。而后者由于其简洁性和快速性在机器人路径规划中得到广泛应用，其基本思想是环境中的目标点对其的吸引力以及障碍物的对其的排斥力构成一种势场环境。在动态环境中人工势场法用于解决规划问题的思路主要有两种，一种解决思路由Fujimura等提出，主要思路是将时间信息作为一个维度，动态障碍规划转换为静态规划，但局限性在于动态障碍物的轨迹需要事先已知。另一种解决方法由Ko和Lee等提出，主要思想是把障碍物的速度信息引入到排斥势力函数中，Ge和Cui在此基础上做了进一步的改进，该方法的好处是不需事先知道障碍物的轨迹，所以具有较好的实时性。现实生活中的情况往往是部分环境信息已知的情况，如在工厂环境下一些工况是已知的，一些工况是未知的。仅用上述的在线的路径规划方法得到的路径较不为优化，仅用上述的离线规划方法计算速度较慢，比较难以处理动态障碍物。
发明内容
本发明的目的是克服现有技术的不足，提供一种混合的机器人动态路径规划方法。本发明的目的是通过以下技术方案来实现的:一种混合的机器人动态路径规划方法包括如下步骤:步骤1:利用视觉传感器获得环境信息，包括环境中已知静态障碍物信息、目标点信息以及机器人自身的位置信息；步骤2:在步骤I中得到的环境信息用栅格法表示，得到栅格地图，栅格的大小取决于规划精度；步骤3:对于步骤2中得到的栅格地图用遗传算法进行全局的路径规划，得到一条全局的路径，该路径为一条折线；步骤4:从步骤3中得到的折线中提取折点以及全局目标点、起点作为局部规划所需的关键点，这些关键点为局部规划的局部目标点；
步骤5:利用移动机器人周边的动态静态障碍物以及步骤4中所述的关键点作为局部目标点，采用人工势场法(APF)构造势场环境，同时势场环境中还加入了由步骤4中的得到的相邻关键点连接而成的线段对机器人的吸引力势场；步骤6:机器人在步骤5构造的势场环境中受到吸引力和排斥力，在合力的作用下运动，进行局部目标规划；步骤7:判断机器人当前的位置是否到达步骤4所述的局部目标点，如果到达局部目标点则更新目标点为下一个关键点作为局部目标点并转向步骤5重新构造局部势场环境;步骤8:如当前的局部目标点为环境的全局目标点则当机器人到达全局目标点后方法结束；本发明的有益效果是，对已知环境进行离线规划，对未知环境进行在线规划，结合了两者的优点，规划后的路径既比较优化，而且对动态障碍物等未知障碍物的处理也有较强的灵活性。本发明提出的方法更加适用于实际自动化工厂环境的路径规划。
图1是混合的机器人动态路径规划方法的流程图；图2是机器人受到斥力向量图。
具体实施方式
下面结合附图详细描述本发明，本发明的目的和效果将变得更加明显。如图1所示，本发明混合的机器人动态路径规划方法包括如下步骤:步骤1:利用视觉传感器获得环境信息，包括环境中已知静态障碍物信息、目标点信息以及机器人自身的位置信息。该步骤可以采用刘明烁.基于双目视觉测程法的柔性机械臂轨迹跟踪.浙江大学学位论文.2011.04中第三章的方法得到障碍物位置以及机器人自身的位置信息。步骤2:在步骤I中得到的环境信息用栅格法表示，得到栅格地图，栅格的大小取决于规划精度。该步骤可以采用张捍东.栅格编码新方法在机器人路径规划中的应用.华中科技大学学报:自然科学版，2007, 35 (I):50 — 53.的方法把环境信息用栅格法表不。步骤3:对于步骤2中得到的栅格地图用遗传算法进行全局的路径规划，得到一条全局的路径，该路径为一条折线。该步骤可以采用采用张捍东.栅格编码新方法在机器人路径规划中的应用.华中科技大学学报:自然科学版，2007, 35 (I):50 — 53.的方法使用遗传算法最后得到一条折线段。步骤4:从步骤3中得到的折线中提取折点以及全局目标点、起点作为局部规划所需的关键点，这些关键点为局部规划的局部目标点。得到折线的折点以及起始点和目标点，将其依次编号1，2，3…N，其中I为起始点，N为目标点,取这些点作为路径规划的关键点。步骤5:利用移动机器人周边的动态静态障碍物以及步骤4中所述的关键点作为局部目标点，采用人工势场法(APF)构造势场环境，同时势场环境中还加入了由步骤4中的得到的相邻关键点连接而成的线段对机器人的吸引力势场。构造的势场环境包括引力场函数和斥力场函数，势场环境的函数如下:U(q) =Uatt (q)+Urep(q)，其中Uatt (q)为引力场函数Urep(q)为斥力场函数，q为机器人位置矢量。关于引力场函数，本发明在传统的引力场函数的基础上引入了机器人相对目标点的速度信息和加速度信息，这样机器人在势力场环境中的受力可以根据位置、速度、加速度进行调整。另外，为了跟踪一条较优的路线，机器人除了受到目标点的吸引外，始终受到一条已经存在的路径的吸引，即所谓的“线势场”。改进后的引力场函数为:Uatt (q，V，a) = CIq I
权利要求
1.种混合的机器人动态路径规划方法，其特征在于，包括如下步骤: 步骤1:利用视觉传感器获得环境信息，包括环境中已知静态障碍物信息、目标点信息以及机器人自身的位置信息； 步骤2:在步骤I中得到的环境信息用栅格法表示，得到栅格地图，栅格的大小取决于规划精度； 步骤3:对于步骤2中得到的栅格地图用遗传算法进行全局的路径规划，得到一条全局的路径，该路径为一条折线； 步骤4:从步骤3中得到的折线中提取折点以及全局目标点、起点作为局部规划所需的关键点，这些关键点为局部规划的局部目标点； 步骤5:利用移动机器人周边的动态静态障碍物以及步骤4中所述的关键点作为局部目标点，采用人工势场法(APF)构造势场环境，同时势场环境中还加入了由步骤4中的得到的相邻关键点连接而成的线段对机器人的吸引力势场； 步骤6:机器人在步骤5构造的势场环境中受到吸引力和排斥力，在合力的作用下运动，进行局部目标规划； 步骤7:判断机器人当前的位置是否到达步骤4所述的局部目标点，如果到达局部目标点则更新目标点为下一个关键点作为局部目标点并转向步骤5重新构造局部势场环境；步骤8:如当前的局部目标点为环境的全局目标点则当机器人到达全局目标点后方法结束；
2.据权利要求1所述的方法，其特征在于，所述步骤5具体为:构造势场环境的函数如下:U (q) =Uatt (q)+Urep (q)，其中Uatt (q)为引力场函数Urep (q)为斥力场函数，q为机器人位置矢量。
其中在传统的引力场函数的基础上引入了机器人相对目标点的速度信息和加速度信息，这样机器人在势力场环境中的受力可以根据位置、速度、加速度进行调整。另外，为了跟踪一条较优的路线，机器人除了受到目标点的吸引外，始终受到一条已经存在的路径的吸弓I，改进其公式为 Uatt (q, v, a) = a J q-qg |m+a v| v-vg n+ a J |a_ag| p+ a x ( | q-qline | x+I V_VlirJ I 1+I I a_alirJ I 4其中，α q、α v> α a和m、n、P是比例系数,不同的值表不在引力函数中机器人和目标点相对位置信息、相对速度信息、相对加速度信息的权重，a i和I表示的是线势场的权重。qg、vg, ag为目标点的位置、速度和加速度矢量。qliM= (Xtl, r (Xtl) )τ其中r(x)为曲线的方程(X(1，r(X(l))表示曲线上到移动机器人当前位置最近的点的坐标，随着机器人的移动该坐标会相应的变化。vline、aline为路径上的点的速度和加速度矢量。
同理斥力场也包含机器人和障碍物的位置信息和相对速度信息以及相对加速度信息，这样机器人可以综合以上信息来获得避障受力。具体公式如下:U_(q，v, a) = aq(l/pobs-l/P0) + a vvro+ a aaro其中分别为机器人的位置、速度、加速度的矢量，P 0表示障碍物到机器人的安全距离，只有在P ^的范围之内机器人才受到障碍物的排斥作用。Ptjbs=I Q-Qobs I为机器人的中心到障碍物的中心的距离，％、％和Ci1是比例系数，Vm和、分别表示障碍物的速度和机器人的速度的矢量差，障碍物的加速度速度和机器人的加速度的矢量差。
全文摘要
本发明公开了一种混合的机器人动态路径规划方法，该方法能够应用在环境信息部分已知且同时存在未知的动态和静态障碍物的情况下。针对上述情况先用一种遗传算法作为全局规划方法得到全局路径，再用改进的人工势场法进行局部规划。在局部规划中本发明还考虑了机器人以及障碍物的速度加速度信息，所以对处理动态路径规划有较好的效果，除此之外还考虑了全局规划路径对局部规划的作用。本发明实现简单，得到的机器人路径较为优化，同时在应用中表现出良好的灵活性。
文档编号G05D1/02GK103092204SQ201310020680
公开日2013年5月8日 申请日期2013年1月18日 优先权日2013年1月18日
发明者许源, 刘山 申请人:浙江大学