一种适用于非全向移动车辆的智能导航方法及系统的制作方法
【技术领域】
[0001] 本发明属于移动机器人导航领域，尤其涉及移动车辆的智能导航方法。
【背景技术】
[0002] 随着时代的进步和科学技术的不断发展，机器人被广泛地应用在人类生产和生活 中，以辅助或替代人类完成一些重复性较高、技术含量较低或是比较危险的任务，比如航空 航天、工业生产、服务、教育、救援等。导航是服务机器人领域的一项重要应用，如何控制车 辆到达指定的目标点是一个典型的研究课题。
[0003] 无人驾驶车可视作轮式移动机器人的一种。当前对无人驾驶车的研究侧重其在室 外环境中的应用，并没有考虑将其应用在展厅、大厅等大规模室内环境中。另一方面，将车 辆应用于室内环境中在技术上存在一定的难度，因为GPS等全局定位手段无法使用，必须 应用室内定位和导航技术，这是传统的无人驾驶车技术难以实现的。
[0004] 针对无人驾驶车辆在室内环境中应用的需求，本文根据车辆的运动模型，对车辆 未来的状态进行预测以避免发生碰撞：通过模拟人类行为，为车辆设计了完整的控制策略， 使得车辆具有掉头、倒车、转向能力，保证了车辆能够自然、可靠的到达目标位置。考虑到环 境中可能出现的动态障碍物，当前设计的行为策略可以快速对其做出响应，避开动态障碍 物，并重新规划路径，使得车辆可以安全的到达目的地。
【发明内容】
[0005] 为解决上述技术问题，本发明提供了一种适用于非全向移动车辆的智能导航方 法，包括：
[0006] 步骤1扫描室内环境，建立栅格地图，并建立平面坐标系；
[0007] 步骤2在所述栅格地图上建立车辆运动代价地图；
[0008] 步骤3设定车辆的目标位置，并在所述栅格地图上转换为坐标；
[0009] 步骤4获取车辆的实时状态信息；
[0010] 步骤5根据所述目标位置和所述实时状态信息判断所述车辆状态，并根据所述车 辆状态和所述运动代价地图对所述车辆进行导航。
[0011] 进一步优选的，所述步骤S2根据所述栅格地图中栅格的通行难易程度对栅格进 行分类并赋予运动代价，生成所述运动代价地图。
[0012] 进一步优选的，距离障碍物越近的所述栅格，通行程度越难，所述运动代价越高； 距离障碍物越远的栅格，通行程度越易，所述运动代价越低；距离障碍物大于设定阈值的所 述栅格，所述运动代价最低，且不再变化。
[0013] 进一步优选的，所述实时状态信息包括所述车辆的环境信息、当前位置、当前方 向、前轮转向角、速度和角速度。
[0014] 进一步优选的，所述当前位置由激光测距仪扫描周围环境，与所述栅格地图比对 获取。
[0015] 进一步优选的，步骤5中车辆的所述运行状态包括转向状态、前向运动状态、后向 运动状态、前向逃逸状态和后向逃逸状态。
[0016] 进一步优选的，所述步骤5具体包括：
[0017] Sl判断车辆处于逃逸状态，则保持原来的逃逸方向，直到逃选出特定距离，重新规 划路径；否则，进入步骤S2;
[0018] S2以所述车辆当前位置为原点，计算出所述目标位置相对于车辆当前位置的目标 方向，判断所述车辆的所述当前朝向与所述目标方向的夹角是否大于预设值，若是，则判断 所述车辆需要进行转向，进入步骤S21 ;若否，则进入步骤S3，
[0019] S21根据车辆的所述环境信息、所述当前位置、所述速度和所述前轮转向角判断车 辆是否可以转向，若是，则进入转向状态，否则，进入步骤S3 ;
[0020] S3判断是否考虑后向运动，若否，进入步骤S31，若是，进入步骤S4 ;
[0021] S31根据运动代价地图判断车辆的前向运动代价是否为非负，若是，则进入前向运 动状态，若否，则进入步骤S5 ;
[0022] S4根据运动代价地图判断车辆的前向运动代价或后向运动代价是否为非负，若 是，进入步骤S41，否则进入步骤S5 ;
[0023] S41比较所述前向运动代价与所述后向运动代价，若所述前向运动代价小，则进入 前向运动状态，否则进入后向运动状态；
[0024] S5根据运动代价地图判断后向逃逸运动代价是否为非负，若是则进入后向逃逸状 态，否则进入前向逃逸状态。
[0025] 本发明还提供一种使用上述方法的适用于非全向移动车辆的智能导航系统，包 括：
[0026] 环境获取模块，用于获取车辆的环境信息；
[0027] 地图模块，用于根据环境信息创建栅格地图和运动代价地图；
[0028] 设定模块，用于设定车辆的目标位置，并在所述栅格地图上转换为坐标；
[0029] 状态获取模块，用于获取车辆的实时状态信息；
[0030] 判断模块，根据所述目标位置和所述实时状态信息判断车辆状态；
[0031] 导航模块，根据车辆状态和所述运动代价地图对所述车辆进行导航。
[0032] 进一步优选的，所述实时状态信息包括所述车辆的环境信息、当前位置、当前方 向、前轮转向角、速度和角速度。
[0033] 进一步优选的，所述运行状态包括转向状态、前向运动状态、后向运动状态、前向 逃逸状态和后向逃逸状态。
[0034] 本发明提供了一种车辆可用的智能导航方法，它利用事先建立的栅格地图和运动 代价地图实现自身的定位，用携带的激光测距仪实现对环境中动态障碍物的实时观测，实 现了符合人类认知的主动避障和导航功能。与现有技术相比，本发明具有以下有益效果：
[0035] 1.在导航过程中能够快速的对动态障碍物做出响应，在避开障碍物的同时重新规 划路径。
[0036] 2.车辆在导航过程中可以有效避免与墙壁等固定障碍物发生碰撞，并尽量避免可 能发生碰撞的行为，车辆比较安全。
【附图说明】
[0037] 下面结合附图和【具体实施方式】对本发明作进一步详细说明：
[0038] 图1为本发明一种适用于非全向移动车辆的智能导航方法的步骤示意图；
[0039] 图2为本发明一种适用于非全向移动车辆的智能导航方法运动代价示意图；
[0040] 图3为本发明一种适用于非全向移动车辆的智能导航方法车辆运动模型示意图；
[0041] 图4为本发明一种适用于非全向移动车辆的智能导航方法车辆参数空间。 图5为本发明一种适用于非全向移动车辆的智能导航系统的结构框图。
【具体实施方式】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0043] 图1为本发明一种适用于非全向移动车辆的智能导航方法的步骤示意图，作为本 发明的一个具体实施例，如图1所示，本发明提供了一种适用于非全向移动车辆的智能导 航方法，包括：
[0044] 步骤1扫描室内环境，建立栅格地图，并建立平面坐标系；
[0045] 步骤2在所述栅格地图上建立车辆运动代价地图；
[0046] 步骤3设定车辆的目标位置，并在所述栅格地图上转换为坐标；
[0047] 步骤4获取车辆的实时状态信息；
[0048] 步骤5根据所述目标位置和所述实时状态信息判断所述车辆状态，并根据所述车 辆状态和所述运动代价地图对所述车辆进行导航。
[0049] 本发明通过对车辆运动时的状态分析，实现非全向移动的车辆在室内外环境中的 自主导航。
[0050] 具体的，栅格地图较为广泛地用于路径