本发明涉及交通信息
技术领域：
，具体涉及一种适用于全向轮移动机器人的人工势场避障方法。
背景技术：
：在大力发展智能自动化的今天，移动机器人正引领着这场科技革命。移动机器人不仅能够承担搬运任务，提高作业效率，在监测、应急方面也有其独特的优势。随着移动机器人技术的不断革新，在农业、工业、国防业等都有着广泛的应用。路径规划技术是移动机器人关键技术之一，根据对环境信息已知或未知，可以分为离线路径规划和在线路径规划。前者路径较优，后者实时性强，有较强的应变能力。本发明属于环境未知的在线实时路径规划。近年来路径规划技术不断地发展，主要的路径规划方法有人工势场法、神经网络算法、遗传算法、模拟退火算法、粒子群算法、蚁群算法等。其中人工势场法因其高效率优势应用广泛。它的基本思想是根据引力场的思想，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，将机器人在周围环境中的运动，根据场景特点以及运动特性，抽象成一种人造引力场中的运动，最后通过求合力来实现移动机器人的运动规划与控制。专利cn107161143a在人工势场法的基础上，提出加入虚拟斥力的方法，解决了传感器盲区和避障过程中二次碰撞的问题；专利cn104317291a优化了人工势场法的斥力值计算方法，解决了复杂形状机器人在路径规划时考虑其外轮廓的问题；专利cn105629974a在人工势场法中改进了引力势函数，提出了时间虚拟驱动力，解决了人工势场法典型的陷入局部极小点的问题。但是，以上各路径规划算法都未针对性地考虑全向轮移动机器人其运动方式的特殊性。全方位移动机构因不存在非完整性约束，可向任意方向做直线运动而不需要事先做旋转运动，在执行直线运动的同时能执行旋转运动，甚至能完成原地旋转，具有运动灵活、自由控制的优点。较普通轮式移动机器人，全方位移动机器人的移动过程更为复杂，点对点的运动就具有多种移动方式，上述路径规划方法不能实现对全向轮移动机器人移动路径的最优规划，不能发挥全向轮的优势，所以急需一种高效率、高实时性、通过能力强，适用于全方位移动机器人的避障方法。技术实现要素：有鉴于此，为了解决上述问题，本发明提供一种适用于全向轮移动机器人的人工势场避障方法。7.为实现上述目的及其他目的，本发明提供一种适用于全向轮移动机器人的人工势场避障方法，该方法包括以下步骤：步骤1.获取移动机器人的初始位置最终目标位置其中，x为横向坐标，y为纵向坐标，为移动机器人正方向与横坐标夹角；步骤2.采用激光雷达获取环境数据，对激光雷达环境数据进行聚类，并用最小二乘法完成局部环境建模；步骤3.获取移动机器人的当前时刻位置(x',y',φ')以及激光雷达扫描范围内的局部目标点(x',y')；步骤4.将车体按左前、右前、左后、右后进行分割并分别建立人工势场模型，结合模糊控制，建立模糊规则库，选择行进方式，并根据力的大小和偏转度量化移动机器人的速度vx,vy,w；步骤5.根据所选择行进方式以及速度，控制机器人行走；步骤6.检测移动机器人是否到达最终目标点，如否，则返回步骤2循环执行；如果是则结束行进过程。优选地，所述步骤2包括以下子步骤：步骤21.获取激光雷达数据，以激光雷达摆放位置为坐标原点，环境数据为点簇数据{(li，θi)|i＝1，23....，n}；步骤22.对激光雷达点簇数据进行预处理；步骤23.采用split-merge算法对激光雷达数据进行聚类，并用最小二乘法完成局部环境建模。根据权利要求2所述的一种适用于全向轮移动机器人的人工势场避障方法，其特征在于，所述步骤3包括以下子步骤：步骤31：获得各轮子的速度，并根据移动机构的运动学模型获得机器人前进、平移及旋转速度，运动学模型如下：式中：vx为机器人沿x轴速度；vy为机器人沿y轴速度；w为机器人旋转速度，逆时针方向为正；l1,l2分别为机器人竖直方向轮子间距和横向轮子间距；w1,w2,w3,w4为机器人四个轮子的速度；步骤32：对机器人的速度进行积分，得到机器人当前位置时刻位置(x',y',φ')；步骤33：根据步骤2建立的局部环境模型，得到当前激光雷达测距范围内的局部目标点(x',y')，式中：xi表示所有处于机器人左边的点的横坐标，xj表示所有处于机器人右边的点的横坐标，yi表示所有处于机器人左边的点的纵标，yj表示所有处于机器人右边的点的纵坐标。优选地，所述步骤4包括以下子步骤：步骤41.将机器人车体分为左前、右前、左后、右后4部分，采用静电场势场模型，分别进行人工势场建模，公式如下：式中：ε,δ为正比例增益系数，ri为机器人车体被分成4部分后对应的4个质点，lp(ri)为局部目标点p到点ri的欧氏距离，lri为障碍物到点ri的最短距离，l0为障碍物斥力势场的有效范围，uatt(ri)为局部目标点对点ri的吸引势能，urep(ri)为障碍物对点ri的排斥势能；步骤42：求所建立的人工势场模型的梯度，得到局部目标点的吸引力，障碍物的排斥力，并进一步得到4个点各自所受合力，公式如下：fsum(ri)＝fatt(ri)+frep(ri)式中：fatt(ri)为点ri受到局部目标点的吸引力，frep(ri)为点ri受到障碍物的排斥力，fsum(ri)为点ri所受合力，grad[]为势场梯度；步骤43：根据各部分所受合力以及各部分所受合力向量所处象限制定模糊规则，模糊规则表如下：序号合力所属象限点ri点r1r2r3r4行进方式①1122行进方式一②2244行进方式一③1212行进方式二④2121行进方式二⑤1111行进方式三⑥2222行进方式三其中：r1，r2，r3，r4分别对应机器人分割的左前、右前、左后、右后部分；步骤44：考虑各部分所受合力的模以及力向量的偏转角度量化行进速度vx，vy，w；公式如下：对于行进方式一：对于行进方式二：对于行进方式三：式中：为r1,r2,r3,r4四部分所受合力中，力向量模最大者，α,β,γ为正比例增益系数。优选地，在所述步骤5中，通过以下模型控制机器人行走：优选地，在所述步骤s6中，判断机器人是否到达最终目标的方法为：式中，(x,y)为最终目标点坐标，(x,y)为当前位置坐标，darr为到达阈值。由于采用了上述技术方案，本发明具有如下的优点：本发明一种适用于全向轮移动机器人的人工势场避障方法在原方法基础上，根据人的驾驶经验，提出将车体按左前、右前、左后、右后进行分割，分别建立人工势场模型，并结合模糊控制，建立模糊规则库，实现了全向轮移动机器人能够自适应的选择自身行进方式，针对不同障碍物采取不同的通过路径，充分发挥了全向轮的优势，大大提高了机器人的障碍通过能力。因此，本发明一种适用于全向轮移动机器人的人工势场避障方法具有较高的实用性。本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述：图1为全向轮移动机器人的特殊行进方式示意图；图2为激光雷达数据修正几何示意图；图3为激光雷达数据split-merge聚类算法示意图；图4为移动机器人通道内行走局部目标点获取示意图；图5为传统人工势场避障方法示意图；图6为全向轮移动机器人分割后人工势场方法示意图；图7为本发明方法整体流程示意图。具体实施方式以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。请参阅图1至图7。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。下面结合附图和具体实施例(以麦克纳姆轮(一种全向轮移动机构)移动机器人为例)对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。如图1所示，对于全向轮移动机器人从一点到下一点的行进方法有三种方式，不同于轮式机器人的单一行进方式。本实施例的一种适用于全向轮移动机器人的人工势场避障方法，实现了全向轮移动机器人根据环境自适应的选择某种行进方式，包括如下步骤：步骤1.获取移动机器人的初始位置最终目标位置其中，x为横向坐标，y为纵向坐标，为移动机器人正方向与横坐标夹角。步骤2.采用激光雷达作为机器人“视野”，获取环境信息，完成局部环境建模。激光雷达o2d激光雷达。步骤21：获取2d激光雷达数据，以激光雷达摆放位置为坐标原点，环境数据为点簇数据{(li,θi)|i＝1,2,3....,n}。其中，点簇数据以极坐标形式获得。步骤22：对激光雷达点簇数据进行预处理。步骤221：对点簇数据进行中值滤波，得到滤波后的点簇数据{(lj,θj)|j＝1,2,3....,m,m＜n}，算法如下：fori＝1ton；j＝1；l＝mid(li,li+1,li+2)；j++；步骤222：激光雷达扫描一帧数据大约100ms时间，在这100ms中机器人处于移动过程中，激光束扫描过程中原点发生了变化，需要对激光雷达数据作误差补偿，如图2所示，公式如下：forj＝1tom式中：t为激光雷达扫描周期；γ为激光雷达扫描的角度分辨率；v为机器人直行速度；st为当前时刻激光雷达数据中序号为i的所测距离；s(t-t)为上一时刻激光雷达数据中序号为i的所测距离；θj为所测障碍物与横坐标轴的夹角；sreal为修正后的激光雷达数据。步骤223：将极坐标形式的激光雷达数据转换为直角坐标，以机器人中心为原点，横轴为机器人平移方向，纵轴为机器人直行方向。式中：l为机器人纵向长度，xj表示所有处于机器人右边的点的横坐标，yj表示所有处于机器人右边的点的纵坐标。步骤23：采用split-merge算法对激光雷达数据进行聚类，建模；拟合方法采用最小二乘法，如图3所示，算法如下：(1)取出激光雷达点簇数据，放入lista中；(2)取a中首尾两点拟合成直线l1；(3)搜索lista中距离直线l1最远的点，得到距离d；(4)如果d小于分割阈值dmax，goto(6)；(5)否则，将l1分割为l2和l3，goto(2)；(6)取各分割段间所有点，用最小二乘法拟合；(7)算法结束，得到最终线段集{l1,l2,l3,...,ln}。最小二乘拟合公式如下：式中：为点集xi,yi的算术平均值。步骤3：获取移动机器人的当前时刻位置(x',y',φ')，以及激光雷达扫描范围内的局部目标点(x',y')。步骤31：对于全方位移动机器人行进路程通过编码器采集数据，本实施例以麦克纳姆轮机器人为例，编码器可获得各轮子的速度，根据麦克纳姆轮移动机构的运动学模型，可以获得机器人前进、平移及旋转速度，运动学模型如下：式中：vx为机器人沿x轴速度；vy为机器人沿y轴速度；w为机器人的旋转速度，逆时针方向为正；l1,l2分别为机器人竖直方向轮子间距和横向轮子间距；w1,w2,w3,w4分别为麦克纳姆轮机器人四个轮子的速度。步骤32：编码器的采样周期为100ms，对机器人3个方向速度进行积分及相应的几何运算，可得机器人当前位置时刻位置(x',y',φ')。步骤33：如图4所示，机器人在通道中运行通常采用居中行走方式，根据步骤2建立的环境模型，得到当前激光雷达测距范围内的局部目标点(x',y')，公式如下：式中：xi表示所有处于机器人左边的点的横坐标，xj表示所有处于机器人右边的点的横坐标，yi表示所有处于机器人左边的点的纵标，yj表示所有处于机器人右边的点的纵坐标。步骤4：传统人工势场避障方法如图5所示，将机器人看作整体，目标点产生吸引势场，障碍物产生排斥势场，机器人吸引力和排斥力的合力即为机器人的前进方向。但是，对于全向轮移动机器人(本实施例以麦克纳姆轮机器人为例)，从一点到另一点的移动方式不再单一，如图1所示共有3种行进方式。本发明将车体按行车经验分割为4部分，分别建立人工势场模型，如图6所示。然后根据4部分合力情况，建立模糊规则库，选择合适的行进方式；并根据力的大小和偏转度量化移动机器人的速度vx,vy,w。步骤41：如图6所示将机器人车体分为左前、右前、左后、右后部4部分，采用静电场势场模型，分别进行人工势场建模，公式如下：式中：ε,δ：正比例增益系数；ri：机器人车体被分成4部分后对应的4个质点；lp(ri)：局部目标点p到点ri的欧氏距离；lri：障碍物到点ri的最短距离；l0：障碍物斥力势场的有效范围；uatt(ri)：局部目标点对点ri的吸引势能；urep(ri)：障碍物对点ri的排斥势能。步骤42：对所建立势场求梯度，可得到局部目标点的吸引力，障碍物的排斥力，进行力的合成，得到4个点各自所受合力，公式如下：fatt(ri)＝-grad[uatt(ri)]＝εlp(ri)fsum(ri)＝fatt(ri)+frep(ri)式中：grad[]为势场梯度；fatt(ri)：点ri受到局部目标点的吸引力；frep(ri)：点ri受到障碍物的排斥力；fsum(ri)：点ri所受合力。步骤43：麦克纳姆轮移动机器人分割为4个部分，各部分所受合力已求得，考虑各部分所受合力向量所处象限，结合行车经验，制定模糊规则，自适应的从如图7所示3种行进方式中选择最理想的行进方式，以提高麦克纳姆轮机器人的通过性能。模糊规则表如下：序号合力所属象限点ri点r1r2r3r4行进方式①1122行进方式一②2244行进方式一③1212行进方式二④2121行进方式二⑤1111行进方式三⑥2222行进方式三其中：r1，r2，r3，r4分别对应机器人分割的左前、右前、左后、右后部分。步骤44：选择合适的行进方式后，考虑各部分所受合力的模，力向量的偏转角度，量化行进速度vx，vy，w。公式如下：对于行进方式一：对于行进方式二：对于行进方式三：式中：为r1，r2，r3，r4四部分所受合力中，力向量模最大者；α，β，γ为正比例增益系数。步骤5：根据所选择行进方式，所得速度，控制麦克纳姆轮移动机器人行走。控制方法参照麦克纳姆轮移动机构运动学模型：步骤6：检测移动机器人是否到达最终目标点，如否，则返回步骤2循环执行。检测机器人是否到达最终目标点公式如下：式中：(x,y)：最终目标点坐标；(x,y)：当前位置坐标；darr：到达阈值。步骤7：移动机器人到达最终目标点，行进过程结束。本实施例从麦克纳姆轮移动机器人(一种全向轮移动机器人)阐述了一种适用于全向轮移动机器人的人工势场避障方法的整体流程。展现了全向轮移动机器人其运动方式的特殊性以及传统人工势场避障方法的局限性。本发明一种适用于全向轮移动机器人的人工势场避障方法在原方法基础上，根据人的驾驶经验，提出将车体按左前、右前、左后、右后进行分割，分别建立人工势场模型，并结合模糊控制，建立模糊规则库，实现了全向轮移动机器人能够自适应的选择自身行进方式，针对不同障碍物采取不同的通过路径，充分发挥了全向轮的优势，大大提高了机器人的障碍通过能力。因此，本发明一种适用于全向轮移动机器人的人工势场避障方法具有较高的实用性。最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。当前第1页12