控制轮式机器人运动的函数当中，实现机器人导航操作。详细步骤如下:
[0067]步骤8-1:如附图3所示，将采集到的SICK激光数据(181维)与IHDR树根节点下的所有聚类(子节点)的聚类中心求基于概率的距离(probability-based distance)，选出距离最近的K(K为每个节点下能够检索聚类中心数的上限值)个聚类中心设为活跃聚类中心；
[0068]步骤8-2:观察步骤8-1求得的K个聚类中心有没有子节点(child)，某个聚类中心若有子节点，则取消该聚类中心的活跃设定，而与其子节点进行基于概率的距离的比较，再选出基于概率的距离最近的K个聚类中心设为活跃聚类中心。若无子节点则保留该活跃聚类中心设定。最多可能设K2个活跃聚类中心；
[0069]步骤8-3:重复步骤8-2，直至检索到最底层的子节点。设得到P个活跃聚类中心；
[0070]步骤8-4:把得到的SICK激光数据与这P个活跃聚类中心进行求基于概率的距离，得到距离最近的那个聚类中心c ;
[0071]步骤8-5:c所在的聚类中，对所有Y空间的向量求均值，得出的均值(X。，yc)即为回归值；
[0072]步骤8-6:将(Xt^yJ放入函数Drive (x, y)中，从而控制机器人进行运动；
[0073]步骤9:一直循环运行步骤7、步骤8，直至使机器人到达目标点；
[0074]上述步骤7-6中，由于激光测距仪不处在机器人转向时的中心(悬挂固定在轮式机器人的前部)，且在测量和控制中会不可避免地产生误差。为了程序的可实现性，故在获取可行方向后，进行了一些控制误差的处理。
[0075]经过优选，本发明所使用的轮式机器人共有五个行驶轮，其中有两个独立驱动轮和三个万向随动轮。其控制方式为两轮差动式驱动，驱动轮直径194mm，两轮间距401mm，采用工业级高性能同步带传送。其运动控制模块的核心部件是下位机的运动控制卡，上位机通过串口(RS232)向下位机发送指令，运动控制卡的PffM信号输入到电机驱动器，作为电机驱动器的控制信号，通过调节PWM信号的占空比来改变机器人的运行速度，本发明中轮式机器人直线运动速度为0.2m/s，左右转向速度为±15° /S。
[0076]综上，本发明基于SICK激光测距仪获取的距离信息来感知周围环境，提出一种基于增量分层判别回归(IHDR)算法和移动机器人自主逃离障碍区避障算法的自适应导航方法，发扬了基于学习机制进行导航时，导航路径最优、执行效率高、对传感器依赖程度低等优点，同时弥补了基于单一学习机制导航不适用于动态环境的缺陷，使得轮式机器人基于在线学习机制进行导航时对动态环境具备了自适应能力。
【主权项】
1.一种基于在线学习机制的轮式机器人自适应导航方法，其特征在于:首先根据周围的环境情景进行分析判断，人为规划出供机器人行驶的最优导航路径；然后控制机器人沿着所述最优导航路径进行运动并在学习模式下实时在线学习和训练，建立当前环境的距离信息与轮式机器人的运动控制信息的映射关系，并将该映射关系存放入IHDR树中，导航路径学习完成时IHDR树同时也构建完毕，之后机器人根据IHDR树中的所述映射关系进行自主导航；在根据IHDR树进行自主导航时，背景避障监测模式同时作用，实时监测周围障碍物与机器人间的距离，一旦该距离小于或等于预先设置的阈值，立即开启避障导航模式，同时获取当前场景的激光距离数据和当前时刻机器人的速度数据，更新至IHDR树中；若当前时刻周围障碍物与机器人间的距离大于预先设定的阈值，则将机器人运动的控制权重新返回学习模式，机器人根据IHDR树继续进行导航。2.根据权利要求1所述的基于在线学习机制的轮式机器人自适应导航方法，其特征在于:所述背景避障监测模式下主要利用激光测距仪进行距离测定。3.根据权利要求2所述的基于在线学习机制的轮式机器人自适应导航方法，其特征在于:主要包括如下步骤: 步骤1:设置轮式机器人串口及参数，初始化轮式机器人的控制模块；设置激光测距仪的串口通信波特率，设置激光扫描范围及扫描分辨率，设置距离数据的精度，发送开始接受激光数据的指令； 步骤2:根据周围环境特征与目标点位置，人为规划出供机器人行驶的最优路径后，使用电脑键盘上的方向键在上位机软件中控制机器人沿着规划好的路径进行运动和在线学习； 步骤3:在步骤2进行的过程中，采集当前激光测距仪返回的周围环境与机器人之间的激光距离数据，再对应识别当前键盘方向键的键值，得出当前时刻机器人的速度数据； 步骤4:建一棵IHDR空树，然后将步骤3得到的激光距离数据和激光距离数据下对应的速度数据根据IHDR算法存入到IHDR树中； 步骤5:以设定频率重复步骤3和步骤4，其中步骤4中建一棵IHDR空树操作只进行一次，直至机器人在人为控制下到达目标点，此时控制机器人做出停止运动的操作，将停止运动时刻的速度数据与对应的激光距离数据一同存入IHDR树中；最后IHDR树建立完成并存入到存储器中，路径学习完毕； 步骤6:开启自适应导航，进行初始化设置，使轮式机器人开始自主运动； 步骤7:采集激光数据，首先将其放入到自主逃离障碍区避障算法中进行检验，若结果得出无需进行避障操作则进入步骤8，反之则进行避障操作，同时开启增量学习模式，将当前激光距离数据与对应的由避障算法得出的速度数据根据IHDR算法更新至之前保存的IHDR树中； 步骤8:接着将采集到的激光距离数据根据IHDR算法放入IHDR树中进行回归分析，从而得到当前激光距离数据在保存的IHDR树中对应的回归速度数据；再将该回归速度数据放入控制轮式机器人运动的函数当中，实现机器人导航操作； 步骤9:一直循环运行步骤7、步骤8，直至使机器人到达目标点。4.根据权利要求3所述的基于在线学习机制的轮式机器人自适应导航方法，其特征在于:步骤I中设置的轮式机器人直线运动速度为0.2m/s，左右转动速度为±15° /S。5.根据权利要求3所述的基于在线学习机制的轮式机器人自适应导航方法，其特征在于:激光测距仪的扫描范围为O?180°，分辨率为1°，距离精度为1mm，最大扫描距离为8m ο6.根据权利要求3所述的基于在线学习机制的轮式机器人自适应导航方法，其特征在于:步骤4中，IHDR树中包括X空间和Y空间；X空间是激光距离数据，Y空间是各激光距离数据下对应的速度数据，每一个时刻的激光距离数据Xi和对应的速度数据Yi都建立起了映射关系: LX1-Y1Q = O, I,…，M|M为所有学习样本数) 然后依据这种映射关系和IHDR算法的建树方法存储至IHDR树中。7.根据权利要求3所述的基于在线学习机制的轮式机器人自适应导航方法，其特征在于:步骤5的设定频率为200ms —次。8.根据权利要求3所述的基于在线学习机制的轮式机器人自适应导航方法，其特征在于:步骤7和步骤8的整个过程中，若经过自主逃离障碍区避障算法得出的可行方向为90°，即直行，则不执行直行操作，而是将当前激光距离数据继续放入到IHDR树中进行检索，根据回归出的回归速度数据控制机器人进行运动；若经过避障算法得出需要转动，则执行转动操作，同时把当前激光距离数据和对应的控制转动的速度数据更新至IHDR树中，然后再进行IHDR树的检索与回归，根据得出的回归速度数据再进行运动。
【专利摘要】本发明涉及一种基于在线学习机制的轮式机器人自适应导航方法。首先控制轮式机器人对指定的路径进行学习，通过SICK激光测距仪来获取周围环境与轮式机器人之间的精确距离信息，采用增量分层判别回归算法IHDR将距离信息与运动控制信息的映射关系存入树型结构知识库中。学习完毕后轮式机器人将不断检索所构建的知识库并回归出运动控制量进行导航，同时基于自主逃离障碍区的避障算法实施背景避障，一旦避障开启，建立新的环境距离信息和运动控制信息的映射关系，实时更新至知识库中。本发明提升了轮式机器人的智能化水平，使其对复杂的动态环境具备了自适应能力，并且在线学习算法和避障算法的双闭环共同作用提高了导航效率。
【IPC分类】G05D1/02
【公开号】CN105116881
【申请号】CN201510362963
【发明人】吴怀宇, 张德龙, 李威凌, 陈洋, 钟锐
【申请人】武汉科技大学
【公开日】2015年12月2日
【申请日】2015年6月26日