一种动态未知环境中路径规划方法及装置制造方法
【专利摘要】本申请提供一种动态未知环境中路径规划方法及装置，通过在机器人沿着预先设置的最优路径移动过程中，利用线性规划梯度方法以及预先设置的滚动窗口获取的环境信息进行计算得到一条无碰最优路径，然后通过对得到的无碰最优路径以及获取的滚动窗口内的感知信息进行计算得到局部路径，在计算过程中通过使用滚动窗口来降低计算量、提高效率，并通过线性规划梯度方法的应用保证全局收敛以及避免陷入局部极小以及震荡的问题。
【专利说明】一种动态未知环境中路径规划方法及装置
【技术领域】
[0001]本申请涉及自主导航【技术领域】，特别是涉及一种路径规划方法及装置。
【背景技术】
[0002]未知环境中的路径规划主要是通过局部路径的规划方法直接把传感器的数据影射到动作，现有技术中常用的未知环境中的路径规划方法主要有如下几种:
[0003]I)、栅格法，栅格法主要是将机器人工作空间分为具有二值信息的网格单元，分别表示自由空间和障碍物，但是栅格的划分直接影响其规划结果，如果栅格划分过大，环境信息储藏量小，分辨率下降，规划能力差；栅格划分过小，规划时间长，而且对信息存储能力的要求急剧增加。
[0004]2)、人工势场法，人工势场法是由Khatib提出的一种基于势场的方法，其主要是在机器人工作空间建立虚拟人工势场，通过目标点对机器人产生引力，障碍物产生斥力，使得机器人在合力作用下找出可行路径。但是，该方法却有如下几点明显的缺陷:a、机器人容易陷入因局部极小点而产生的陷阱区域。b、在相近的障碍物之间不能发现路径。C、在障碍物前振荡。d、一些参数也要通过试验调整。e、当目标点距离障碍物很近时目标不可达，因而利用人工势场法常导致规划的失败。
[0005]3)、遗传算法，遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化的搜索算法，它具有简单、隐含并行性和全局优化等优点，对于传统搜索方法和非线形问题具有良好的适用性，但是遗传算法运算速度不快，进化众多的规划要占据较大的存储空间和运算时间，而且由于常规遗传算法本身存在的一些缺陷(如解的早熟现象、局部寻优能力差等)，保证不了对路径规划的效率和可靠性的要求。
[0006]4)、模糊控制算法,模糊控制算法则是把传感信息和目标模糊化，利用隶属度函数控制机器人运动，其是一种未知环境下的高级机器人模糊导航方法，由8个不同的超声传感器来提供环境信息，然后利用基于模糊控制的导航器来计算这些信息并规划机器人路径。虽然该方法在环境未知或发生变化的情况下，能够快速而准确地规划机器人路径，但是其缺点是当障碍物数目增加时，该方法的计算量会很大，影响规划结果。
[0007]因此，亟需一种动态未知环境中路径规划方法及装置，以实现在路径规划过程中，在降低计算量、提高效率的基础上，保证全局收敛，避免陷入局部极小和震荡的问题。
【发明内容】
[0008]有鉴于此，本申请实施例提供一种动态未知环境中路径规划方法及装置，以实现在路径规划过程中，在降低计算量、提高效率的基础上，保证全局收敛，避免陷入局部极小和震荡的问题。
[0009]为了实现上述目的，本申请实施例提供的技术方案如下:
[0010]一种动态未知环境中路径规划方法，包括:
[0011]在机器人沿着预先设置的最优路径移动的过程中，获取预先设置的滚动窗口内的环境信息，所述最优路径为根据全局路径规划方法预先设置的一条从起点到目标点的路径;
[0012]利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径；
[0013]获取预先设置的滚动窗口内的感知信息，根据所述感知信息以及所述无碰最优路径确定一条局部路径，以实现对动态未知环境中路径的规划。
[0014]优选的，还包括:
[0015]当确定局部路径后，控制机器人根据所述局部路径行进一步。
[0016]优选的，所述预先设置最优路径的过程为:
[0017]接收用户输入的全局环境信息、机器人的起点信息以及目标点信息；
[0018]根据所述全局环境信息、起点信息、目标点信息以及与预先设置的全局路径规划方法计算一条从起点到目标点的最优路径。
[0019]优选的，所述利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径，包括:
[0020]将所述目标点赋值为0，所述环境信息中的其他点赋值为无穷大；
[0021 ] 将所述目标点放入活动列表；
[0022]在预先设置的路径代价函数的每次循环中，对所述活动列表中的每一点进行操作，从所述活动列表中将该点删除并更新它的8领域点。
[0023]优选的，根据所述感知信息以及所述无碰最优路径确定一条局部路径，包括:
[0024]根据所述感知信息以及所述无碰最优路径确定局部子目标，并对动态障碍物的运动进行预测得到预测结果，所述预测结果为判断所述机器人是否会与所述动态障碍物相碰撞;
[0025]根据滚动窗口内的环境信息以及预测结果，确定向所述局部子目标行进的局部路径。
[0026]优选的，通过激光传感器获取所述环境信息以及所述感知信息。
[0027]—种动态未知环境中路径规划装置，包括:环境信息获取单元、无碰最优路径选择单元以及局部路径确定单元，其中，
[0028]所述环境信息获取单元用于在机器人沿着预先设置的最优路径移动的过程中，获取预先设置的滚动窗口内的环境信息，所述最优路径为根据全局路径规划方法预先设置的一条从起点到目标点的路径；
[0029]所述无碰最优路径选择单元与所述环境信息获取单元相连接，用于利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径；
[0030]所述局部路径确定单元与所述无碰最优路径选择单元相连接，用于获取预先设置的滚动窗口内的感知信息，根据所述感知信息以及所述无碰最优路径确定一条局部路径，以实现对动态未知环境中路径的规划。
[0031]优选的，还包括:控制单元，
[0032]所述控制单元与所述局部路径确定单元相连接，用于当确定局部路径后，控制机器人根据所述局部路径行进一步。[0033]优选的，还包括:最优路径预设单元，其中，所述最优路径预设单元包括:信息接收单元以及最优路径计算单元，
[0034]所述信息接收单元用于接收用户输入的全局环境信息、机器人的起点信息以及目标点信息；
[0035]所述最优路径计算单元与所述信息接收单元相连接，用于根据所述全局环境信息、起点信息、目标点信息以及与预先设置的全局路径规划方法计算一条从起点到目标点的最优路径。
[0036]优选的，所述无碰最优路径选择单元包括:赋值单元、存放单元以及操作单元，其中，
[0037]所述赋值单元的一端与所述环境信息获取单元相连接，另一端与所述最优路径计算单元相连接，用于将所述目标点赋值为0，所述环境信息中的其他点赋值为无穷大；
[0038]所述存放单元与所述赋值单元相连接，用于将所述目标点放入活动列表；
[0039]操作单元与所述存放单元相连接，用于在预先设置的路径代价函数的每次循环中，对所述活动列表中的每一点进行操作，从所述活动列表中将该点删除并更新它的8领域点。
[0040]本申请提供一种动态未知环境中路径规划方法及装置，通过在机器人沿着预先设置的最优路径移动过程中，利用线性规划梯度方法以及预先设置的滚动窗口获取的环境信息进行计算得到一条无碰最优路径，然后通过对得到的无碰最优路径以及获取的滚动窗口内的感知信息进行计算得到局部路径，在计算过程中通过使用滚动窗口来降低计算量、提高效率，并通过线性规划梯度方法的应用保证全局收敛以及避免陷入局部极小以及震荡的问题。
【专利附图】
【附图说明】
[0041]为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，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。
[0042]图1为本申请实施例一提供的一种动态未知环境中路径规划方法流程图；
[0043]图2为本申请实施例一提供的一种近邻点的更新方法示意图；
[0044]图3为本申请实施例一提供的一种基于线性规则梯度方法的三个不同阶段的示意图；
[0045]图4为本申请实施例一提供的一种障碍物代价示意图；
[0046]图5 (I)为本申请实施例一提供的一种没有考虑障碍物运动信息的机器人的运动信息示意图；
[0047]图5 (2)为本申请实施例一提供的一种考虑障碍物运动信息的机器人的运动信息示意图；
[0048]图6为本申请实施例二提供的一种动态未知环境中路径规划方法流程图；
[0049]图7为本申请实施例三提供的一种动态未知环境中路径规划装置结构示意图。【具体实施方式】
[0050]为了使本【技术领域】的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0051]实施例一:
[0052]图1为本申请实施例一提供的一种动态未知环境中路径规划方法流程图。
[0053]如图1所示，该方法包括:
[0054]S101、在机器人沿着预先设置的最优路径移动的过程中，获取预先设置的滚动窗口内的环境信息。
[0055]在本申请实施例中预先设置有最优路径，该最优路径为根据全局路径规划方法预先设置的一条从起点到目标点的路径，其中，预先设置最优路径的过程为:首先接收用户输入的全局环境信息、机器人的起点信息以及目标点信息，然后根据全局环境信息、起点信息、目标点信息以及与预先设置的全局路径规划方法计算一条从起点到目标点的最优路径。
[0056]在本申请实施例 中，机器人在初始时，根据该预先设置的最优路径进行移动，且在机器人上预先设置有滚动窗口，该滚动窗口优选的为位于机器人前方的正方形扫描区域，在机器人的移动过程中，会获取预先设置的滚动窗口内的环境信息，其中，环境信息为预先设置的滚动窗口范围内的障碍物等信息，如:墙、柱子以及人等。
[0057]在本申请实施例中，优选的，滚动窗口为正方形扫描区域，发明人还可以根据自己的需求任意设置滚动窗口的形状，且发明人也可以根据自己的需求任意设置滚动窗口的大小。
[0058]S102、利用环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径。
[0059]在本申请实施例中，在机器人移动过程中，会首先获取机器人上的预先设置的滚动窗口中的环境信息，并根据预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径，其过程主要为:(I)将机器人的目标点赋值为0，且将环境信息中的其他点赋值为无穷大。(2)将目标点放入活动列表。(3)在预先设置的路径代价函数的每次循环中，对活动列表中的每一点进行操作，从活动列表中将该点删除并更新它的8领域点。
[0060]如图2所示的一种近邻点的更新方法中，更新一个点P的操作如下:假设P点的代价为18，它有如图2中所示的8个近邻，对其中的任意一个近邻q，可以根据公式(I)计算从P到该点的路径代价:C' =18+12+6=36，如果计算得到的代价小于原来的代价，即C'〈38，则用新代价值替换旧的，并且将该点加入到活动列表中，重复该过程，直到活动列表为空。
[0061]公式(I)如下:
[0062]
【权利要求】
1.一种动态未知环境中路径规划方法，其特征在于，包括: 在机器人沿着预先设置的最优路径移动的过程中，获取预先设置的滚动窗口内的环境信息，所述最优路径为根据全局路径规划方法预先设置的一条从起点到目标点的路径；利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径； 获取预先设置的滚动窗口内的感知信息，根据所述感知信息以及所述无碰最优路径确定一条局部路径，以实现对动态未知环境中路径的规划。
2.根据权利要求1所述的方法，其特征在于，还包括: 当确定局部路径后，控制机器人根据所述局部路径行进一步。
3.根据权利要求1所述的方法，其特征在于，所述预先设置最优路径的过程为: 接收用户输入的全局环境信息、机器人的起点信息以及目标点信息； 根据所述全局环境信息、起点信息、目标点信息以及与预先设置的全局路径规划方法计算一条从起点到目标点的最优路径。
4.根据权利要求3所述的方法，其特征在于，所述利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径，包括: 将所述目标点赋值为O，所述环境信息中的其他点赋值为无穷大； 将所述目标点放入活动列表； 在预先设置的路径代价函数的每次循环中，对所述活动列表中的每一点进行操作，从所述活动列表中将该点删除并更新它的8领域点。
5.根据权利要求4所述的方法，其特征在于，根据所述感知信息以及所述无碰最优路径确定一条局部路径，包括:根据所述感知信息以及所述无碰最优路径确定局部子目标，并对动态障碍物的运动进行预测得到预测结果，所述预测结果为判断所述机器人是否会与所述动态障碍物相碰撞；根据滚动窗口内的环境信息以及预测结果，确定向所述局部子目标行进的局部路径。
6.根据权利要求1-5任意一项所述的方法，其特征在于，通过激光传感器获取所述环境信息以及所述感知信息。
7.一种动态未知环境中路径规划装置，其特征在于，包括:环境信息获取单元、无碰最优路径选择单元以及局部路径确定单元，其中， 所述环境信息获取单元用于在机器人沿着预先设置的最优路径移动的过程中，获取预先设置的滚动窗口内的环境信息，所述最优路径为根据全局路径规划方法预先设置的一条从起点到目标点的路径； 所述无碰最优路径选择单元与所述环境信息获取单元相连接，用于利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径； 所述局部路径确定单元与所述无碰最优路径选择单元相连接，用于获取预先设置的滚动窗口内的感知信息，根据所述感知信息以及所述无碰最优路径确定一条局部路径，以实现对动态未知环境中路径的规划。
8.根据权利要求7所述的装置，其特征在于，还包括:控制单元， 所述控制单元与所述局部路径确定单元相连接，用于当确定局部路径后，控制机器人根据所述局部路径行进一步。
9.根据权利要求7所述的装置，其特征在于，还包括:最优路径预设单元，其中，所述最优路径预设单元包括:信息接收单元以及最优路径计算单元， 所述信息接收单元用于接收用户输入的全局环境信息、机器人的起点信息以及目标点信息； 所述最优路径计算单元与所述信息接收单元相连接，用于根据所述全局环境信息、起点信息、目标点信息以及与预先设置的全局路径规划方法计算一条从起点到目标点的最优路径。
10.根据权利要求9所述的装置，其特征在于，所述无碰最优路径选择单元包括:赋值单元、存放单元以及操作单元，其中， 所述赋值单元的一端与所述环境信息获取单元相连接，另一端与所述最优路径计算单元相连接，用于将所述目标点赋值为0，所述环境信息中的其他点赋值为无穷大； 所述存放单元与所述赋值单元相连接，用于将所述目标点放入活动列表； 操作单元与所述存放单元相连接，用于在预先设置的路径代价函数的每次循环中，对所述活动列表中的每一点进行 操作，从所述活动列表中将该点删除并更新它的8领域点。
【文档编号】G05D1/02GK103605368SQ201310646212
【公开日】2014年2月26日 申请日期:2013年12月4日 优先权日:2013年12月4日
【发明者】厉茂海, 林睿, 王振华, 陈国栋, 孙荣川 申请人:苏州大学张家港工业技术研究院