一种移动机器人动态避障方法、系统和移动机器人

1.本发明属于移动机器人技术领域，特别涉及一种移动机器人动态避障方法、系统和移动机器人。


背景技术：

2.移动机器人路径规划通常分为两步进行，首先根据已知路径及障碍物信息进行全局的路径规划，然后在全局路径的基础上针对路径上突然出现的障碍物进行局部动态避障。由于进行全局路径规划时障碍物的位置、形状、大小等信息都是已知的，因此可以较容易地规划全局路径，而在进行局部动态避障时易受到环境、传感器类型、控制器计算性能等因素的影响而难以实现安全稳定的避障效果。
3.目前常用的动态避障算法有bug算法、人工势场法、动态窗口法和深度学习类算法等。bug算法在遇到障碍物时需沿障碍物边缘绕行，此方式有较高的安全性但是其避障路径过长，不符合实际使用的要求。动态窗口法根据机器人的运动学特征预测机器人的轨迹，灵活性较高，但是在复杂环境下避障效果较差，平稳性较低。基于深度学习的视觉的避障方法可以获得丰富的障碍物信息，但是其计算量过大，难以在性能较弱的嵌入式处理器上运行。


技术实现要素：

4.为了解决上述技术问题，本发明提出了一种移动机器人动态避障方法、系统和移动机器人。根据移动机器人实际的转弯半径及行驶路径等信息，通过对识别到的不同类型障碍物做出相应的避障策略，提高了移动机器人动态避障的安全性和稳定性。
5.为实现上述目的，本发明采用以下技术方案：
6.一种移动机器人动态避障方法，包括以下步骤：
7.获取障碍物位置信息，将位于极坐标系下的障碍物位置信息转换到惯性坐标系下；
8.在惯性坐标系下，根据车辆的最小转弯半径计算最小避障距离，然后根据所述最小避障距离规划避障路径；
9.根据车辆的当前运行角度及避障路径，选择出最优的避障路径并转化为车辆在下一控制周期的行进角度及速度，实现动态避障。
10.进一步的，所述将位于极坐标系下的障碍物位置信息转化到惯性坐标系下的过程为：
11.获取激光雷达检测的障碍物位于极坐标系下的坐标为(d
p
，α
p
)；其中，d
p
为激光雷达检测障碍物的距离值和α
p
为激光雷达检测障碍物的角度值；
12.将位于极坐标系下的坐标转换至车体坐标下，得到转换公式为：
13.其中xp'为车体坐标下障碍物的横坐标；yp'为车体坐标下障碍物的纵坐标；
14.将车体坐标系下障碍物位置信息经过平移旋转变换转换到惯性坐标系下，转换公式为：
[0015][0016]
其中，xp为惯性坐标系下障碍物的横坐标；yp为惯性坐标系下障碍物的纵坐标；θ
l
为车体坐标系x轴与惯性坐标系x轴之间的夹角；xc为无人车在惯性坐标系下的横坐标；yc为无人车在惯性坐标系下的纵坐标。
[0017]
进一步的，所述根据车辆的最小转弯半径计算最小避障距离的过程包括：
[0018]
如果车辆在避障过程中按最大转角进行转向并且避障轨迹为双圆弧轨迹，则最小避障距离为：
[0019][0020]
其中，rm为车辆最小转向半径，hr为避障前后车辆间的横向距离。
[0021]
进一步的，根据所述最小避障距离规划避障路径的方法还包括：
[0022]
如果障碍物出现在第一次换向圆的半径内，则无法避开障碍物，则紧急停止；则计算的方法包括：do＝2rm×
sinαo；其中，αo为激光雷达检测的障碍物角度，do为无法避开的障碍物的距离。
[0023]
进一步的，所述根据车辆的当前运行角度及避障路径，选择出最优的避障路径的过程包括：在满足最小避障距离的前提下，根据车身宽度和车辆与障碍物之间的直线距离计算在行进路径正前方左右角度为sin-1
w/2d
p
范围内出现障碍物；其中w为车身宽度；d
p
为通过激光雷达检测的车辆与障碍物之间的直线距离。
[0024]
进一步的，所述动态避障详细包括：
[0025]
如果前进轨迹出现无法绕过的障碍物，则停车等待；
[0026]
如果在前进方向障碍物左右两侧存在横向距离大于车辆宽度的可通行路径，计算出两障碍物之间的距离以及可供车辆通过的最小夹角；
[0027]
如果在车辆前进方向不存在横向距离大于车宽的两个障碍物，则在惯性坐标系下计算两个障碍物之间的垂直距离，并判断所述垂直距离与无法避开的障碍物的距离和最小避障距离一半的大小，以此规划路径。
[0028]
进一步的，所述计算出两障碍物之间的距离以及可供车辆通过的最小夹角的方法包括：
[0029]
在h＞w时，计算可供车辆通过的最小夹角a＝sin-1
[w/2l1+(l2/l1)sina2]-a2；
[0030]
其中，l1为第一障碍物距离车辆之间的距离；l2为第二障碍物距离车辆之间的距离；a为可供车辆通过的最小夹角；a2为第二障碍物的最高点和水平面的夹角；其中h为两障碍物之间的距离。
[0031]
进一步的，判断所述垂直距离与无法避开的障碍物的距离和最小避障距离一半的大小，以此规划路径的过程包括：
[0032]
如果两个障碍物之间的垂直距离均大于do和d/2，则在两个障碍物之间通过。
[0033]
本发明还提出了一种移动机器人动态避障系统，包括在转换模块、计算模块和避障模块；
[0034]
所述转换模块用于获取障碍物位置信息，将位于极坐标系下的障碍物位置信息转换到惯性坐标系下；
[0035]
所述计算模块用于在惯性坐标系下，根据车辆的最小转弯半径计算最小避障距离，然后根据所述最小避障距离规划避障路径；
[0036]
所述避障模块用于根据车辆的当前运行角度及避障路径，选择出最优的避障路径并转化为车辆在下一控制周期的行进角度及速度，实现动态避障。
[0037]
本发明还提出了一种移动机器人，采用一种移动机器人动态避障方法进行动态避障。
[0038]
发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
[0039]
本发明提出了一种移动机器人动态避障方法、系统和移动机器人，该方法包括以下步骤：获取障碍物位置信息，将位于极坐标系下的障碍物位置信息转换到惯性坐标系下；在惯性坐标系下，根据车辆的最小转弯半径计算最小避障距离，然后根据最小避障距离规划避障路径；根据车辆的当前运行角度及避障路径，选择出最优的避障路径并转化为车辆在下一控制周期的行进角度及速度，实现动态避障。基于一种移动机器人动态避障方法，还提出了一种移动机器人动态避障系统和移动机器人。本发明使用激光雷达对移动机器人周围环境进行检测，根据移动机器人实际的转弯半径及行驶路径等信息，可获得丰富的环境数据且数据处理计算量较小。
[0040]
本发明采用基于局部采样的动态避障算法，只针对车辆行驶前方出现的障碍物进行检测，并根据实际车辆的运行参数做出相应的避障决策，算法较容易实现，提高了移动机器人动态避障的安全性和稳定性。
附图说明
[0041]
如图1为本发明实施例1坐标转换示意图；
[0042]
如图2为本发明实施例1转向半径示意图；
[0043]
如图3为本发明实施例1避障转向示意图；
[0044]
如图4为本发明实施例1无法避障示意图；
[0045]
如图5为本发明实施例1第一避障策略示意图；
[0046]
如图6为本发明实施例2第二避障策略示意图；
[0047]
如图7为本发明实施例1一种移动机器人动态避障方法流程图；
[0048]
如图8为本发明实施例2一种移动机器人动态避障系统示意图。
具体实施方式
[0049]
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
[0050]
实施例1
[0051]
本发明实施例1提出了一种移动机器人动态避障方法。基于局部采样的动态避障算法，使用激光雷达对移动机器人周围环境进行检测，根据移动机器人实际的转弯半径及行驶路径等信息，通过对识别到的不同类型障碍物做出相应的避障策略，减少动态避障时的计算量。
[0052]
本发明选用单线激光雷达进行环境感知，可实现在二维平面的25米半径范围内进行360
°
全方位激光测距扫描。由于激光雷达检测出的障碍物位置信息是处于激光雷达的极坐标系下的，如图1为本发明实施例1坐标转换示意图，激光雷达检测的障碍物p点的位置信息可表示为(d
p
，α
p
)，而车辆导航与定位是基于惯性坐标系xoy的，因此需将处于极坐标系下的障碍物位置信息转化到惯性坐标系xoy下。
[0053]
获取激光雷达检测的障碍物位于极坐标系下的坐标为(d
p
，α
p
)；其中，d
p
为激光雷达检测障碍物的距离值和α
p
为激光雷达检测障碍物的角度值；
[0054]
将位于极坐标系下的坐标转换至车体坐标下，得到转换公式为：
[0055]
其中xp'为车体坐标下障碍物的横坐标；yp'为车体坐标下障碍物的纵坐标；
[0056]
将车体坐标系下障碍物位置信息经过平移旋转变换转换到惯性坐标系下，转换公式为：
[0057][0058]
其中，xp为惯性坐标系下障碍物的横坐标；yp为惯性坐标系下障碍物的纵坐标；θ
l
为车体坐标系x轴与惯性坐标系x轴之间的夹角；xc为无人车在惯性坐标系下的横坐标；yc为无人车在惯性坐标系下的纵坐标。
[0059]
如图2为本发明实施例1转向半径示意图；假设车辆的最小转弯半径为r，激光雷达安装于车辆的中轴线偏向于车身前侧位置。
[0060]
如图3为本发明实施例1避障转向示意图；无人车在既定路线行驶过程中检测到前方出现障碍物需换到相邻路线进行规避，为对车辆最小避障距离进行估算，假设车辆在避障过程中按最大转角进行转向并且避障轨迹为双圆弧轨迹，
[0061]
如果车辆在避障过程中按最大转角进行转向并且避障轨迹为双圆弧轨迹，则最小避障距离为：
[0062][0063]
其中，rm为车辆最小转向半径，hr为避障前后车辆间的横向距离，其中图中，o1/o2分别为两次换向圆弧的圆心。
[0064]
如图4为本发明实施例1无法避障示意图；根据上式可以计算最大换向纵向距离，为预留充足的换向距离，在避障过程中将此距离作为避障的最小安全距离，即在检测到行驶方向距离d范围内出现障碍物时即进行避障规划，而当障碍物出现在o1圆的圆弧以内，则车辆无法避开障碍物，因此检测到此范围内的障碍物需紧急停止车辆，计算公式如下：
[0065]do
＝2rm×
sinαo[0066]
式中αo为激光雷达检测的障碍物角度，do为无法避开的障碍物的距离，当检测到的障碍物距离小于此距离时紧急停止。
[0067]
根据最小避障距离规划避障路径的方法还包括：
[0068]
如果障碍物出现在第一次换向圆的半径内，则无法避开障碍物，则紧急停止；则计算的方法包括：do＝2rm×
sinαo；其中，αo为激光雷达检测的障碍物角度，do为无法避开的障碍物的距离。
[0069]
根据车辆的当前运行角度及避障路径，选择出最优的避障路径的过程包括：在满足最小避障距离的前提下，根据车身宽度和车辆与障碍物之间的直线距离计算在行进路径正前方左右角度为sin-1
w/2d
p
范围内出现障碍物；其中w为车身宽度；d
p
为通过激光雷达检测的车辆与障碍物之间的直线距离。
[0070]
动态避障详细包括：
[0071]
如果前进轨迹出现无法绕过的障碍物，则停车等待；
[0072]
如图5为本发明实施例1第一避障策略示意图；如果在前进方向障碍物左右两侧存在横向距离大于车辆宽度的可通行路径，计算出两障碍物之间的距离以及可供车辆通过的最小夹角；
[0073]
其中最夹角的计算方法包括：
[0074]
在h＞w时，计算可供车辆通过的最小夹角a＝sin-1
[w/2l1+(l2/l1)sina2]-a2；
[0075]
其中，l1为第一障碍物距离车辆之间的距离；l2为第二障碍物距离车辆之间的距离；a为可供车辆通过的最小夹角；a2为第二障碍物的最高点和水平面的夹角；其中h为两障碍物之间的距离。
[0076]
如图6为本发明实施例2第二避障策略示意图；如果在车辆前进方向不存在横向距离大于车宽的两个障碍物，则在惯性坐标系下计算两个障碍物之间的垂直距离，并判断所述垂直距离与无法避开的障碍物的距离和最小避障距离一半的大小，以此规划路径。如果两个障碍物之间的垂直距离均大于do和d/2，则在两个障碍物之间通过。在图6中，do为避开障碍物2之后车辆与障碍物3之间的距离。
[0077]
如果不满足以上情况，则车辆停止运行并等待前方出现可通行路径时再继续行驶。
[0078]
如图7为本发明实施例1一种移动机器人动态避障方法流程图；
[0079]
在步骤s700中，开始处理该流程。
[0080]
在步骤s701中，判断行驶方向是否存在可能碰撞的障碍物；如果存在，则执行步骤s703，否则执行步骤s702。
[0081]
在步骤s702中，继续沿全局路径行驶；
[0082]
在步骤s703中，判断距离是否大于最小可绕过距离，如果是，则执行步骤s705，否则执行步骤s704。
[0083]
在步骤s704中，停车等待障碍物移开。
[0084]
在步骤s705中，判断左右两侧是否存在可通信的无障碍角度，如果是则执行步骤s706，否则执行步骤s707。
[0085]
在步骤s706中，选择最小角度所在路径行驶。
[0086]
在步骤s707中，将障碍物位置信息转移至全局坐标系。
[0087]
在步骤s708中，判断是否存在障碍物之间纵向距离大于可换向距离，如果不存在，则返回步骤s704。
[0088]
在步骤s709中，选择障碍物之间进行通过。
[0089]
步骤s710中，判断是否完成避障，如果完成，执行步骤s712。否则执行步骤s711继续沿避障路径行驶，返回步骤s701。
[0090]
在步骤s712中，整个流程结束。
[0091]
本发明实施例1提出的一种移动机器人动态避障方法使用激光雷达对移动机器人周围环境进行检测，根据移动机器人实际的转弯半径及行驶路径等信息，可获得丰富的环境数据且数据处理计算量较小。
[0092]
本发明实施例1提出的一种移动机器人动态避障方法，采用基于局部采样的动态避障算法，只针对车辆行驶前方出现的障碍物进行检测，并根据实际车辆的运行参数做出相应的避障决策，算法较容易实现，提高了移动机器人动态避障的安全性和稳定性。
[0093]
实施例2
[0094]
基于本发明实施例1提出的一种移动机器人动态避障方法，本发明实施例2还提出了一种移动机器人动态避障系统，如图8为本发明实施例2一种移动机器人动态避障系统示意图，该系统包括转换模块、计算模块和避障模块；
[0095]
转换模块用于获取障碍物位置信息，将位于极坐标系下的障碍物位置信息转换到惯性坐标系下；
[0096]
计算模块用于在惯性坐标系下，根据车辆的最小转弯半径计算最小避障距离，然后根据所述最小避障距离规划避障路径；
[0097]
避障模块用于根据车辆的当前运行角度及避障路径，选择出最优的避障路径并转化为车辆在下一控制周期的行进角度及速度，实现动态避障。
[0098]
其中，转换模块实现的过程为：获取激光雷达检测的障碍物位于极坐标系下的坐标为(d
p
，α
p
)；其中，d
p
为激光雷达检测障碍物的距离值和α
p
为激光雷达检测障碍物的角度值；
[0099]
将位于极坐标系下的坐标转换至车体坐标下，得到转换公式为：
[0100]
其中xp'为车体坐标下障碍物的横坐标；yp'为车体坐标下障碍物的纵坐标；
[0101]
将车体坐标系下障碍物位置信息经过平移旋转变换转换到惯性坐标系下，转换公式为：
[0102][0103]
其中，xp为惯性坐标系下障碍物的横坐标；yp为惯性坐标系下障碍物的纵坐标；θ
l
为车体坐标系x轴与惯性坐标系x轴之间的夹角；xc为无人车在惯性坐标系下的横坐标；yc为无人车在惯性坐标系下的纵坐标。
[0104]
计算模块实现的过程包括：如果车辆在避障过程中按最大转角进行转向并且避障轨迹为双圆弧轨迹，则最小避障距离为：
[0105][0106]
其中，rm为车辆最小转向半径，hr为避障前后车辆间的横向距离。
[0107]
如果障碍物出现在第一次换向圆的半径内，则无法避开障碍物，则紧急停止；则计算的方法包括：do＝2rm×
sinαo；其中，αo为激光雷达检测的障碍物角度，do为无法避开的障碍物的距离。
[0108]
避障模块执行的过程为：在满足最小避障距离的前提下，根据车身宽度和车辆与障碍物之间的直线距离计算在行进路径正前方左右角度为sin-1
w/2d
p
范围内出现障碍物；其中w为车身宽度；d
p
为通过激光雷达检测的车辆与障碍物之间的直线距离。
[0109]
动态避障详细包括：
[0110]
如果前进轨迹出现无法绕过的障碍物，则停车等待；
[0111]
如果在前进方向障碍物左右两侧存在横向距离大于车辆宽度的可通行路径，计算出两障碍物之间的距离以及可供车辆通过的最小夹角；其中，计算出两障碍物之间的距离以及可供车辆通过的最小夹角的方法包括：
[0112]
在h＞w时，计算可供车辆通过的最小夹角a＝sin-1
[w/2l1+(l2/l1)sina2]-a2；
[0113]
其中，l1为第一障碍物距离车辆之间的距离；l2为第二障碍物距离车辆之间的距离；a为可供车辆通过的最小夹角；a2为第二障碍物的最高点和水平面的夹角；其中h为两障碍物之间的距离。
[0114]
如果在车辆前进方向不存在横向距离大于车宽的两个障碍物，则在惯性坐标系下计算两个障碍物之间的垂直距离，并判断所述垂直距离与无法避开的障碍物的距离和最小避障距离一半的大小，以此规划路径，如果两个障碍物之间的垂直距离均大于do和d/2，则在两个障碍物之间通过。
[0115]
本发明实施例2提出的一种移动机器人动态避障系统，使用激光雷达对移动机器人周围环境进行检测，根据移动机器人实际的转弯半径及行驶路径等信息，可获得丰富的环境数据且数据处理计算量较小。
[0116]
本发明实施例2提出的一种移动机器人动态避障系统，采用基于局部采样的动态避障算法，只针对车辆行驶前方出现的障碍物进行检测，并根据实际车辆的运行参数做出相应的避障决策，算法较容易实现，提高了移动机器人动态避障的安全性和稳定性。
[0117]
实施例3
[0118]
基于本发明实施例1提出的一种移动机器人动态避障方法，本发明实施例3还提出了一种移动机器人，该移动机器人采用一种移动机器人动态避障方法进行避障。
[0119]
该方法包括获取障碍物位置信息，将位于极坐标系下的障碍物位置信息转换到惯性坐标系下；
[0120]
在惯性坐标系下，根据车辆的最小转弯半径计算最小避障距离，然后根据所述最小避障距离规划避障路径；
[0121]
根据车辆的当前运行角度及避障路径，选择出最优的避障路径并转化为车辆在下一控制周期的行进角度及速度，实现动态避障。
[0122]
移动机器人具体避障的过程参照实施例1中的步骤。
[0123]
本发明实施例3提出的一种移动机器人，使用激光雷达对移动机器人周围环境进
行检测，根据移动机器人实际的转弯半径及行驶路径等信息，可获得丰富的环境数据且数据处理计算量较小。
[0124]
本发明实施例3提出的一种移动机器人，采用基于局部采样的动态避障算法，只针对车辆行驶前方出现的障碍物进行检测，并根据实际车辆的运行参数做出相应的避障决策，算法较容易实现，提高了移动机器人动态避障的安全性和稳定性。
[0125]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本技术实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
[0126]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制。对于所属领域的技术人员来说，在上述说明的基础上还可以做出其它不同形式的修改或变形。这里无需也无法对所有的实施方式予以穷举。在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。