一種基于最近距離向量場直方圖的避障路徑規劃方法
【專利摘要】本發明提供一種基于最近距離向量場直方圖的避障路徑規劃方法，包括以下步驟。S1、將機器人當前掃描范圍均分為n個扇區，若第k個扇區內的障礙物距離機器人中心點的最近距離向量為NDVk，獲取|NDVk-1-NDVk|≤與機器人直徑比較，根據比較結果得到機器人當前位置的局部環境中障礙物個數。S2、設定最小避障閾值ns，若NDVk≥ns,則扇區k的角度范圍為避障區間，否則為自由行走區間。S3、確定瞬時目標點的搜索范圍，并在所述搜索范圍中獲取瞬時目標點，機器人運動到達所述瞬時目標點后，確定新的瞬時目標點并向新的瞬時目標點運動，直至到達終點。
【專利說明】一種基于最近距離向量場直方圖的避障路徑規劃方法
【技術領域】
[0001]本發明涉及機器人的避障路徑規劃，尤其涉及一種基于最近距離向量場直方圖的避障路徑規劃方法。
【背景技術】
[0002]機器人的避障路徑規劃問題可以分成兩個部分:具有先驗的完全障礙物信息的全局路徑規劃和具有部分未知或完全未知障礙物信息的局部路徑規劃。局部路徑規劃技術需要充分利用激光測距器、超聲波等機器人機載傳感器收集的局部環境信息來完成。由于機器人所處環境信息不可能預先完全獲取，在完全未知或部分未知環境下進行避障路徑規劃是自主導航的主要能力。在這個領域中，國內外大量學者進行了相應的研究，其中最常使用的避障路徑規劃方法有柵格法、Bug系列算法、人工勢場法APF (Artificial PotentialField)、向量場直方圖法 VFH (Vector Field Histogram)等。
[0003]CMU (Carnegie Mellon University)提出的柵格法,是用一種柵格形狀的物理模型表示障礙物在該柵格中出現的可能性大小，每個柵格包括一個確定值(CV)，表示一個障礙物存在于一個柵格中的可能性。通過柵格法，機器人可以在靜態環境中實現準確導航，做出各種有效的避障動作，然而由于柵格法的計算量過大，不利于實時避障的實現。Bug系列算法采用簡單的傳感方法讓機器人直接駛向目標點，直到在其行進的路徑上遇到障礙物，機器人隨即環繞障礙物運動，尋找脫離障礙物邊界跟蹤模式的逃離點，繼續駛向目標點。人工勢場法將目標點看作吸引點，障礙物看成是排斥點，規劃的路徑沿吸引點和排斥點產生的合力方向伸展。它構造一個稱為勢函數的標量，使得目標點對應于勢函數的最小值，障礙物區域對應于一些較大的值，在環境中的其它位置，勢函數都是向目標點單調遞減。這樣，當起始點在自由空間中的任何位置，只要路徑存在，它都能通過勢函數的負梯度方向找到目標點，即使是對于較大的障礙物區域，也可保證生成路徑的無碰性。它的優點是可以迅速躲開突發障礙物，實時性好。然而該方法同時存在一些缺點:一是容易產生局部極點和死鎖；二是在相近障礙物之間不能發現路徑，三是在障礙物前面發生震蕩；四是在狹窄通道中擺動；五是很難找到一種適合于凹形障礙物的勢函數。
[0004]為了克服人工勢場法的一些缺點,Borenstein等人重新設計了一種向量場直方圖(Vector Field Histogram, VFH)算法,在實時探測未知障礙物和避障的同時,驅動機器人轉向目標點的運動。該算法的優點是具有較快的速度，比較適合于短距離的避障。然而該方法依然存在一些問題。為了解決VFH方法所存在的問題，Iwan和Borenstein等人相繼提出了 VFH+方法和VFH*算法，較大地提高了復雜未知環境下機器人的局部避障能力，避免機器人陷入死鎖狀態。但是VFH*和VFH+算法仍然是一種局部的避障算法。
[0005]傳統的向量場直方圖(VFH)在處理實際機器人的避障路徑規劃問題時主要存在以下幾個方面的問題。第一，沒有直接考慮到機器人的大小，也沒有考慮到傳感器感知環境數據的不確定性，僅僅通過經驗性的低通濾波器來補償機器人的大小，平滑極坐標直方圖。使得低通濾波器的參數調整很不容易。第二，在VHl中，通過設置一個固定閾值τ來判別極坐標直方圖中哪些扇區是通道，哪些扇區被阻塞。這種單閾值的判別方法在處理一些狹窄通道時會像人工勢場法那樣產生機器人運動方向劇烈震蕩的問題。第三，在VHl中，忽略了機器人運動學和動力學約束，將機器人理想化為可以瞬時改變其運動方向，具有無限大的運動速度和加速度的理想機器人。第四，VHl方法在選擇機器人的轉向方向時，僅僅考慮了目標的方向，沒有考慮機器人運動軌跡的平滑性和穩定性。使得機器人實際上很難完成VFH算法計算出來的預定軌跡。第五，VHl算法使用的傳感信息也是相對于機器人本身的，容易受到機器人位置不確定性和傳感不確定性的影響。
[0006]鑒于上述原因，需要設計一種基于最近距離向量場直方圖的避障路徑規劃方法，將機器人的實際尺寸作為參數之一，計算出運動時的避障區間和自由行走區間，并確定行走路徑中的瞬時目標點，以解決現有技術中存在的問題。
【發明內容】
[0007]本發明提供一種基于最近距離向量場直方圖的避障路徑規劃方法，包括以下步驟:
[0008]S1、將機器人當前掃描范圍均分為η個扇區，若第k個扇區內的障礙物距離機器人中心點的最近距離向量為NDVk,獲取INDVlrl-NDVkI與機器人直徑比較，根據比較結果得到機器人當前位置的局部環境中障礙物個數；
[0009]S2、設定最小避障閾值ns，若NDVk≥ns,則扇區k的角度范圍為避障區間，否則為自由行走區間；
[0010]S3、確定瞬時目標點的搜索范圍，并在所述搜索范圍中獲取瞬時目標點，機器人運動到達所述瞬時目標點后，確定新的瞬時目標點并向新的瞬時目標點運動，直至到達終點。
[0011]優選的，在所述步驟SI之前，將測試區域劃分為柵格，以柵格概率值表示每個柵格含有障礙物的概率，將機器人探測到的障礙物從環境坐標系中投影到柵格坐標系上，并更新包含了障礙物投影柵格的柵格概率值。
[0012]優選的，在所述步驟SI中，若扇區k與扇區k-ι均包含障礙物，當NDVk-1-NDVk I ( Δ dmax時，扇區k與扇區k-1中包含同一個障礙物；當I NDVk-1-NDVk | > Δ dmax
時，扇區k與扇區k-1包含不同障礙物，其中，Admax=2RMb為機器人直徑。
[0013]優選的，所述步驟SI中的NDVk表示為:
【權利要求】
1.一種基于最近距離向量場直方圖的避障路徑規劃方法，其特征在于，包括以下步驟: 51、將機器人當前掃描范圍均分為η個扇區，若第k個扇區內的障礙物距離機器人中心點的最近距離向量為NDVk,獲取INDVlrl-NDVkI與機器人直徑比較，根據比較結果得到機器人當前位置的局部環境中障礙物個數； 52、設定最小避障閾值ns,若NDVk^ ns,貝U扇區k的角度范圍為避障區間,否則為自由行走區間； 53、確定瞬時目標點的搜索范圍，并在所述搜索范圍中獲取瞬時目標點，機器人運動到達所述瞬時目標點后，確定新的瞬時目標點并向新的瞬時目標點運動，直至到達終點。
2.根據權利要求1所述的方法，其特征在于，在所述步驟SI之前，將測試區域劃分為柵格，以柵格概率值表示每個柵格含有障礙物的概率，將機器人探測到的障礙物從環境坐標系中投影到柵格坐標系上，并更新包含了障礙物投影柵格的柵格概率值。
3.根據權利要求1所述的方法，其特征在于，在所述步驟SI中，若扇區k與扇區k-1均包含障礙物，當INDVlr1-NDVkI ( Admax時，扇區k與扇區k-Ι中包含同一個障礙物；當NDVk_rNDVk| > Admax時，扇區k與扇區k-Ι包含不同障礙物，其中，Admax = 2Rrob為機器人直徑。
4.根據權利要求1所述的方法，其特征在于，所述步驟SI中的NDVk表示為:
5.根據權利要求1所述的方法，其特征在于，在所述步驟SI與S2之間，以起始角度begin及最終角度end表示障礙物大小，d表示障礙物所在扇區之內離機器人中心最近的距離，并根據所述begin、end及d分割出各個障礙物區，當機器人需要避開所述障礙物區時，則對應區間為避障區間。
6.根據權利要求1所述的方法，其特征在于，在所述步驟S2中，ns=dmax-ds，其中ds為機器人和需避碰的障礙物之間最小的安全間隙。
7.根據權利要求1所述的方法，其特征在于，在所述步驟S3中，所述搜索范圍的角度為e = ?f iwiXSchFrom,SehEncI),其中Pt為機器人當前坐標點，SchFrom為開始搜索時的角度，SchEnd為結束搜索時的角度，SchDir為搜索開始時偏離SchFrom的角度。
8.根據權利要求1所述的方法，其特征在于，在所述步驟S3中，如果傳感器在搜索范圍中的當前和最近掃描激光束的測量點之間的距離超過預設閾值，則在所述當前或最近掃描激光束上存在一個候選瞬時目標點。
9.根據權利要求8所述的方法,其特征在于,若瞬時目標點在機器人第j個掃描傳感方向上且距離為rrc，則當所述掃描傳感方向上存在長度為rrc的安全路徑時，或者兩個相鄰測量點的距離大于2RMb+2ds時，對應的候選瞬時目標點即為瞬時目標點。
【文檔編號】G05D1/02GK103455034SQ201310421218
【公開日】2013年12月18日 申請日期:2013年9月16日 優先權日:2013年9月16日
【發明者】厲茂海, 孫立寧, 王振華, 林睿, 陳國棟 申請人:蘇州大學張家港工業技術研究院