一种动态环境下移动机器人路径规划方法
【专利摘要】本发明公开了一种基于全局路径规划和局部滚动预测避碰规划相结合的双层规划方法，来解决动态环境下移动机器人路径规划问题。该方法主要包括两部分：全局路径规划和局部滚动预测避碰规划。本发明能够更好地实现机器人导航，提高机器人的智能性。运用双层规划方法能够避免规划初始的盲目性，减小问题的搜索空间；针对动态障碍物运行方向的不确定性，采用两种碰撞预测策略及两种相应的碰撞避免策略，能够很好地避开动态障碍物；特别地，为更好地适应环境的变化，在第二层规划中，加入基于行为方法中的Follow_wall（沿墙）行为，可使得在环境发生变化时，移动机器人仍能够安全无碰地到达目标点。
【专利说明】一种动态环境下移动机器人路径规划方法
【技术领域】
[0001]本发明涉及机器人路径规划、人工智能等领域，具体涉及基于全局路径规划和局部滚动预测避碰规划相结合的双层规划方法进行动态环境下移动机器人路径规划的方法。
【背景技术】
[0002]二十世纪八十年代初，移动机器人的研究开始兴起，目前其研究成果主要有排爆机器人、机器鱼、无人飞行器等，这些应用要求机器人具有很高的智能性。机器人导航是实现机器人智能化的关键技术，而路径规划作为机器人导航的重要组成部分受到了广泛关注。经过多年的研究，众多学者已经提出许多优秀的路径规划算法，如早期的可视图法、人工势场法、栅格法以及后期的蚁群算法、遗传算法、神经网络算法等。由此可知机器人路径规划问题已成为机器人相关技术中的重要研究内容。
[0003]蚁群算法是解决机器人路径规划问题最常用方法之一，它是由意大利学者M.Dorigo于1991年首次提出，该算法模拟了自然界中蚂蚁的觅食行为，其计算过程主要包括两个阶段:信息素的累积阶段和蚂蚁间的协作阶段。前者包括各个可行解根据累积的信息不断调整自身结构的过程，即蚂蚁不断选择从信息素浓度高的路径上经过，进而使得该路径上蚂蚁留下的信息素浓度越来越大，而信息素浓度低的路径，蚂蚁选择的概率会越来越小，随着时间推移会被慢慢淘汰；在蚂蚁间的协作阶段，可行解相互间不断进行信息交流，以希望发现更加优秀的路径，产生更好的解。蚁群算法的优点有鲁棒性强、具有高度并行性，但其容易陷入局部最优解。
[0004]目前机器人路径规划研究多数还停留在全局环境下，即环境信息全部已知，但在实际情况下，移动机器人对环境信息的掌握通常是不完全的，并且环境中还存在动态障碍物。在动态环境下，由于动态障碍物运动的不确定性，机器人需要不断利用传感器获取的信息，根据动态障碍物当前时刻的运行状态预测其在下一时刻的运行轨迹，以此进行避碰规划。动态环境下路径规划问题已被证明为NP问题，能够高效地解决该问题，将很大程度上提高机器人的智能性。目前已有的动态环境下路径规划方法可归纳为三类，分别是基于滚动窗口的规划方法、行为控制方法和概率统计方法。
[0005](I)基于滚动窗口的规划方法
[0006]滚动窗口规划方法是基于预测控制理论的一种次优方法，其基本思想是将机器人的感知区域视为滚动窗口，在此滚动窗口内实施局部路径规划，首先需要确定局部子目标，然后采用碰撞预测和碰撞避免策略以确保生成的局部路径与滚动窗口内动态障碍物无碰。每完成一次局部路径规划，驱动机器人行进一步，进入下一个滚动窗口，刷新滚动窗口内环境信息，再实施相同的策略，直到移动机器人运行到全局目标点。该方法实时性强，为复杂多变的动态环境下路径规划问题提供了一个很好的思路，但在规划初期存在盲目性。
[0007](2)行为控制方法
[0008]行为控制方法作为一种常用的机器人避碰与协调方法，能够适应于复杂和动态的工作环境，它将机器人路径规划过程分解为一些具体、简单的行为集合，如趋向目标行为、沿墙行为、避障行为和搜索行为等。行为控制方法能够很大程度上降低系统的计算复杂度，提高机器人的反应速度，但各种行为的设计与实现是行为控制方法的难点。
[0009](3)基于概率统计的方法
[0010]概率统计方法认为移动机器人的运动符合一定的概率分布，该方法的核心是建立动态障碍物的运动模型，处理其运动不确定性问题，以此估算出移动机器人与动态障碍物的碰撞概率。该方法可以削弱动态障碍物运动不确定性对机器人路径规划的影响，但动态障碍物的运动模型很难建立。
[0011]现有技术中存在的缺陷主要有三点:(1)规划初期存在盲目性。由于动态环境下只能依靠实时获取的环境信息进行规划，没有全局导向，规划初期可能存在盲目性。(2)动态障碍物运动不确定性与预测避碰问题。在一些复杂的场景中，动态障碍物的运行速度和方向可能随时发生变化，此时很难预测机器人在下一时刻是否与动态障碍物发生碰撞，从而很难给出相应的避碰策略。(3)不能很好地适应环境的变化。机器人运行环境具有随机性和不确定性，一旦环境发生变化，会对算法效果产生很大影响。
【发明内容】
[0012]本发明提供一种有效的动态环境下移动机器人路径规划方法，使其能够更好的应用于机器人导航领域，现在动态环境下机器人路径规划方法的难点包括:如何消除规划初期的盲目性，针对动态障碍物运动的不确定性如何提出有效的预测避碰策略以及如何适应环境变化。这些都会对动态环境下移动机器人路径规划造成相当大的阻碍。
[0013]为了解决上述技术问题，本发明采用如下技术方案:一种动态环境下移动机器人路径规划方法，包括如 下步骤:
[0014]步骤一.利用栅格法对移动机器人运行空间进行环境建模；
[0015]步骤二.利用改进蚁群算法，不考虑环境中动态障碍物，建立全局路径(以下称为初始路径)，之后移动机器人沿此初始路径边行走边进行局部预测避碰；
[0016]二 -1.设置改进蚁群算法的参数，包括蚁群中蚂蚁数量m、算法最大迭代次数Nmax、信息素权值α、启发式信息权值β、信息素衰减系数和信息素惩罚系数；初始化当前代数N=O,栅格地图中每条相邻边的信息素强度τ U = ( 为常数),信息素上下限,信息素增量Δ Tij = O,每个栅格的访问数Ti = O,启发式信息函数= Idre,移动机器人的初始点S和目标点G ；
[0017]二-2.蚁群中蚂蚁k (k=l，2，…，m)从初始点开始出发，并将初始点添加到蚂蚁k的禁忌表tabuk中，然后按照公式
[0018]
【权利要求】
1.一种动态环境下移动机器人路径规划方法，其特征在于包括以下步骤: 步骤一.利用栅格法对移动机器人运行空间进行环境建模； 步骤二.利用改进蚁群算法，不考虑环境中动态障碍物，建立全局路径(以下称为初始路径)，之后移动机器人沿此初始路径边行走边进行局部预测避碰； 二-1.设置改进蚁群算法的参数，包括蚁群中蚂蚁数量m、算法最大迭代次数Nmax、信息素权值α、启发式信息权值β、信息素衰减系数和信息素惩罚系数；初始化当前代数N =O,栅格地图中每条相邻边的信息素强度Tij= ( τ ^为常数)，信息素上下限，信息素增量Δ τ u = O,每个栅格的访问数Ti = O,启发式信息函数= Idre,移动机器人的初始点S和目标点G ; 二 -2.蚁群中蚂蚁k (k=l, 2，…，m)从初始点开始出发，并将初始点添加到蚂蚁k的禁忌表tabuk中，然后按照公式
2.根据权利要求1所述一种动态环境下移动机器人路径规划方法，其特征在于:所述碰撞预测包含直线碰撞预测和随机碰撞预测，直线碰撞预测步骤如下: 2-1.获取机器人与动态障碍物在当前滚动窗口中的运行轨迹； 2-2.若机器人与动态障碍物的运行轨迹不相交，此时机器人与动态障碍物在T内不会发生碰撞； 2-3.若机器人与动态障碍物在T内的运行轨迹相交，但它们的运行方向不同，则它们有可能发生碰撞 ，再进一步根据机器人和动态障碍物分别到达相交点的时间tl和t2来判断，若它们到达相交点的时间差小于时间限值ΛΤ，则可判断发生侧撞，否则没有发生碰撞; 2-4.若机器人与动态障碍物的运行轨迹相交，且它们的运行方向相反，此时机器人必定与动态障碍物发生正撞； 2-5.若机器人与动态障碍物的运行轨迹相交，且它们的运行方向相同，则它们有可能发生碰撞，此时，获取当前滚动窗口内，距离机器人或动态障碍物最远的轨迹交点，再利用(2-3)中的方法判断机器人与动态障碍物发生碰撞与否； 2-6.所述T为机器人移动一个步长所需时间，T内动态障碍物所能到达的区域范围，称为该障碍物的T-膨化区域。
3.根据权利要求1所述一种动态环境下移动机器人路径规划方法，其特征在于:所述碰撞预测包含直线碰撞预测和随机碰撞预测，随机碰撞预测步骤如下: 3.1建立动态障碍物的T-膨化区域； 3.2若原始路径不会与膨化区域相交，则肯定不会发生碰撞； 3.3若原始路径与膨化路径相交，则有可能会发生碰撞。
4.根据权利要求1所述一种动态环境下移动机器人路径规划方法，其特征在于:所述碰撞避免策略包含直线碰撞避免和随机碰撞避免，直线碰撞避免策略步骤如下: 4.1若预测到机器人与动态障碍物发生侧面碰撞，机器人只需在到达碰撞点之前停顿t时间即可，然后沿着初始路径行进一个步长； 4.2若预测到机器人与动态障碍物发生正面碰撞，则不能再按照原始路径行进，需要重新规划一条新的局部路径；` 4.3确定局部子目标，并将局部子目标设为滚动窗口边界与原始路径的交点所在栅格； ` 4.4将碰撞发生所在栅格视为静态障碍物，再利用改进蚁群算法在此滚动窗口内规划一条无碰最优的局部路径。
5.根据权利要求1所述一种动态环境下移动机器人路径规划方法，其特征在于:所述碰撞避免策略包含直线碰撞避免和随机碰撞避免，随机碰撞避免策略步骤如下: ` 5.1在由“随机碰撞预测”方法预测到可能发生碰撞时，将机器人一个步长所需时间T划分为μ等份，即Τ=μ At, At时间机器人行走步长为Λ ε ； ` 5.2启动“随机碰撞预测”方法，预测机器人与动态障碍物在未来At时间内是否发生碰撞；` 5.3若不会发生碰撞，机器人沿初始路径行走Λ ε，进入下一 At滚动窗口，转(5.2)，直至走完一个步长ε，进入下一T滚动窗口 ； ` 5.4若会发生碰撞，对滚动窗口内所有动态障碍物进`行Λ t膨化处理，生成局部子目标，将滚动窗口内所有动态障碍物的At膨化区域作为静态障碍物，利用步骤一至步骤二获取局部最优路径； ` 5.5机器人沿着规划的局部路径`行走一个步长ε，进入下一 T滚动窗口。
【文档编号】G05D1/02GK103823466SQ201310195535
【公开日】2014年5月28日 申请日期:2013年5月23日 优先权日:2013年5月23日
【发明者】屈鸿, 王晓斌, 柯星, 刘贵松, 侯孟书, 陈文宇, 冯旻昱 申请人:电子科技大学