一种基于最近距离向量场直方图的避障路径规划方法
【专利摘要】本发明提供一种基于最近距离向量场直方图的避障路径规划方法，包括以下步骤。S1、将机器人当前扫描范围均分为n个扇区，若第k个扇区内的障碍物距离机器人中心点的最近距离向量为NDVk，获取|NDVk-1-NDVk|≤与机器人直径比较，根据比较结果得到机器人当前位置的局部环境中障碍物个数。S2、设定最小避障阈值ns，若NDVk≥ns,则扇区k的角度范围为避障区间，否则为自由行走区间。S3、确定瞬时目标点的搜索范围，并在所述搜索范围中获取瞬时目标点，机器人运动到达所述瞬时目标点后，确定新的瞬时目标点并向新的瞬时目标点运动，直至到达终点。
【专利说明】一种基于最近距离向量场直方图的避障路径规划方法
【技术领域】
[0001]本发明涉及机器人的避障路径规划，尤其涉及一种基于最近距离向量场直方图的避障路径规划方法。
【背景技术】
[0002]机器人的避障路径规划问题可以分成两个部分:具有先验的完全障碍物信息的全局路径规划和具有部分未知或完全未知障碍物信息的局部路径规划。局部路径规划技术需要充分利用激光测距器、超声波等机器人机载传感器收集的局部环境信息来完成。由于机器人所处环境信息不可能预先完全获取，在完全未知或部分未知环境下进行避障路径规划是自主导航的主要能力。在这个领域中，国内外大量学者进行了相应的研究，其中最常使用的避障路径规划方法有栅格法、Bug系列算法、人工势场法APF (Artificial PotentialField)、向量场直方图法 VFH (Vector Field Histogram)等。
[0003]CMU (Carnegie Mellon University)提出的栅格法,是用一种栅格形状的物理模型表示障碍物在该栅格中出现的可能性大小，每个栅格包括一个确定值(CV)，表示一个障碍物存在于一个栅格中的可能性。通过栅格法，机器人可以在静态环境中实现准确导航，做出各种有效的避障动作，然而由于栅格法的计算量过大，不利于实时避障的实现。Bug系列算法采用简单的传感方法让机器人直接驶向目标点，直到在其行进的路径上遇到障碍物，机器人随即环绕障碍物运动，寻找脱离障碍物边界跟踪模式的逃离点，继续驶向目标点。人工势场法将目标点看作吸引点，障碍物看成是排斥点，规划的路径沿吸引点和排斥点产生的合力方向伸展。它构造一个称为势函数的标量，使得目标点对应于势函数的最小值，障碍物区域对应于一些较大的值，在环境中的其它位置，势函数都是向目标点单调递减。这样，当起始点在自由空间中的任何位置，只要路径存在，它都能通过势函数的负梯度方向找到目标点，即使是对于较大的障碍物区域，也可保证生成路径的无碰性。它的优点是可以迅速躲开突发障碍物，实时性好。然而该方法同时存在一些缺点:一是容易产生局部极点和死锁；二是在相近障碍物之间不能发现路径，三是在障碍物前面发生震荡；四是在狭窄通道中摆动；五是很难找到一种适合于凹形障碍物的势函数。
[0004]为了克服人工势场法的一些缺点,Borenstein等人重新设计了一种向量场直方图(Vector Field Histogram, VFH)算法,在实时探测未知障碍物和避障的同时,驱动机器人转向目标点的运动。该算法的优点是具有较快的速度，比较适合于短距离的避障。然而该方法依然存在一些问题。为了解决VFH方法所存在的问题，Iwan和Borenstein等人相继提出了 VFH+方法和VFH*算法，较大地提高了复杂未知环境下机器人的局部避障能力，避免机器人陷入死锁状态。但是VFH*和VFH+算法仍然是一种局部的避障算法。
[0005]传统的向量场直方图(VFH)在处理实际机器人的避障路径规划问题时主要存在以下几个方面的问题。第一，没有直接考虑到机器人的大小，也没有考虑到传感器感知环境数据的不确定性，仅仅通过经验性的低通滤波器来补偿机器人的大小，平滑极坐标直方图。使得低通滤波器的参数调整很不容易。第二，在VHl中，通过设置一个固定阈值τ来判别极坐标直方图中哪些扇区是通道，哪些扇区被阻塞。这种单阈值的判别方法在处理一些狭窄通道时会像人工势场法那样产生机器人运动方向剧烈震荡的问题。第三，在VHl中，忽略了机器人运动学和动力学约束，将机器人理想化为可以瞬时改变其运动方向，具有无限大的运动速度和加速度的理想机器人。第四，VHl方法在选择机器人的转向方向时，仅仅考虑了目标的方向，没有考虑机器人运动轨迹的平滑性和稳定性。使得机器人实际上很难完成VFH算法计算出来的预定轨迹。第五，VHl算法使用的传感信息也是相对于机器人本身的，容易受到机器人位置不确定性和传感不确定性的影响。
[0006]鉴于上述原因，需要设计一种基于最近距离向量场直方图的避障路径规划方法，将机器人的实际尺寸作为参数之一，计算出运动时的避障区间和自由行走区间，并确定行走路径中的瞬时目标点，以解决现有技术中存在的问题。
【发明内容】
[0007]本发明提供一种基于最近距离向量场直方图的避障路径规划方法，包括以下步骤:
[0008]S1、将机器人当前扫描范围均分为η个扇区，若第k个扇区内的障碍物距离机器人中心点的最近距离向量为NDVk,获取INDVlrl-NDVkI与机器人直径比较，根据比较结果得到机器人当前位置的局部环境中障碍物个数；
[0009]S2、设定最小避障阈值ns，若NDVk≥ns,则扇区k的角度范围为避障区间，否则为自由行走区间；
[0010]S3、确定瞬时目标点的搜索范围，并在所述搜索范围中获取瞬时目标点，机器人运动到达所述瞬时目标点后，确定新的瞬时目标点并向新的瞬时目标点运动，直至到达终点。
[0011]优选的，在所述步骤SI之前，将测试区域划分为栅格，以栅格概率值表示每个栅格含有障碍物的概率，将机器人探测到的障碍物从环境坐标系中投影到栅格坐标系上，并更新包含了障碍物投影栅格的栅格概率值。
[0012]优选的，在所述步骤SI中，若扇区k与扇区k-ι均包含障碍物，当NDVk-1-NDVk I ( Δ dmax时，扇区k与扇区k-1中包含同一个障碍物；当I NDVk-1-NDVk | > Δ dmax
时，扇区k与扇区k-1包含不同障碍物，其中，Admax=2RMb为机器人直径。
[0013]优选的，所述步骤SI中的NDVk表示为:
【权利要求】
1.一种基于最近距离向量场直方图的避障路径规划方法，其特征在于，包括以下步骤: 51、将机器人当前扫描范围均分为η个扇区，若第k个扇区内的障碍物距离机器人中心点的最近距离向量为NDVk,获取INDVlrl-NDVkI与机器人直径比较，根据比较结果得到机器人当前位置的局部环境中障碍物个数； 52、设定最小避障阈值ns,若NDVk^ ns,贝U扇区k的角度范围为避障区间,否则为自由行走区间； 53、确定瞬时目标点的搜索范围，并在所述搜索范围中获取瞬时目标点，机器人运动到达所述瞬时目标点后，确定新的瞬时目标点并向新的瞬时目标点运动，直至到达终点。
2.根据权利要求1所述的方法，其特征在于，在所述步骤SI之前，将测试区域划分为栅格，以栅格概率值表示每个栅格含有障碍物的概率，将机器人探测到的障碍物从环境坐标系中投影到栅格坐标系上，并更新包含了障碍物投影栅格的栅格概率值。
3.根据权利要求1所述的方法，其特征在于，在所述步骤SI中，若扇区k与扇区k-1均包含障碍物，当INDVlr1-NDVkI ( Admax时，扇区k与扇区k-Ι中包含同一个障碍物；当NDVk_rNDVk| > Admax时，扇区k与扇区k-Ι包含不同障碍物，其中，Admax = 2Rrob为机器人直径。
4.根据权利要求1所述的方法，其特征在于，所述步骤SI中的NDVk表示为:
5.根据权利要求1所述的方法，其特征在于，在所述步骤SI与S2之间，以起始角度begin及最终角度end表示障碍物大小，d表示障碍物所在扇区之内离机器人中心最近的距离，并根据所述begin、end及d分割出各个障碍物区，当机器人需要避开所述障碍物区时，则对应区间为避障区间。
6.根据权利要求1所述的方法，其特征在于，在所述步骤S2中，ns=dmax-ds，其中ds为机器人和需避碰的障碍物之间最小的安全间隙。
7.根据权利要求1所述的方法，其特征在于，在所述步骤S3中，所述搜索范围的角度为e = ?f iwiXSchFrom,SehEncI),其中Pt为机器人当前坐标点，SchFrom为开始搜索时的角度，SchEnd为结束搜索时的角度，SchDir为搜索开始时偏离SchFrom的角度。
8.根据权利要求1所述的方法，其特征在于，在所述步骤S3中，如果传感器在搜索范围中的当前和最近扫描激光束的测量点之间的距离超过预设阈值，则在所述当前或最近扫描激光束上存在一个候选瞬时目标点。
9.根据权利要求8所述的方法,其特征在于,若瞬时目标点在机器人第j个扫描传感方向上且距离为rrc，则当所述扫描传感方向上存在长度为rrc的安全路径时，或者两个相邻测量点的距离大于2RMb+2ds时，对应的候选瞬时目标点即为瞬时目标点。
【文档编号】G05D1/02GK103455034SQ201310421218
【公开日】2013年12月18日 申请日期:2013年9月16日 优先权日:2013年9月16日
【发明者】厉茂海, 孙立宁, 王振华, 林睿, 陈国栋 申请人:苏州大学张家港工业技术研究院