一种基于ROS的物流搬运机器人路径规划方法及系统

本发明涉及，具体涉及一种基于ros的物流搬运机器人路径规划方法及系统。

背景技术：

1、对于自主移动机器人，它们必须能够在未知的环境中进行导航，同时完成其预设的任务。因此，机器人必须能够建立环境模型，通过使用该模型来估计其在环境中的当前位置和方向，并在整个环境中进行导航以到达目标点，从而实现自主运动和正常作业。

2、由于真实仓库场景布局各不相同，常规的循迹按照固定路线行进会面临路径冗余、调度复杂等问题，普通的路径规划算法存在路径不平滑、路径困难度高等缺点。为此，提出一种基于ros的物流搬运机器人路径规划方法及系统。

技术实现思路

1、本发明所要解决的技术问题在于：如何解决现有的路径规划算法存在的路径不平滑、路径困难度高等问题，提供了一种基于ros的物流搬运机器人路径规划方法。

2、本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

3、s1：融合建图

4、机器人在工作的仓库内移动一周，通过slam算法结合里程数据和深度相机数据建立仓库的栅格地图，之后回到等待区域等待指令；

5、s2：路径规划

6、通过上位机给机器人发送需要目标货物的物品信息以及位置信息，利用改进的遗传算法对机器人进行路径规划，使机器人能够以最短的路径到达目标货物所在的位置；

7、s3：辅助避障及导航

8、在行进过程中使用深度相机辅助激光雷达扫描其无法扫描到的位置，实现实时避障及导航；

9、s4：货物识别及抓取

10、在到达目标货物所在地后，利用深度相机采集货物标签图像，通过knn算法对货物标签图像进行识别，获取货物标签图像中标签分类结果，将标签分类结果与目标货物的物品信息进行比对，进而识别需要获取的货物并利用抓取装置对其进行抓取。

11、更进一步地，在所述步骤s1中，在机器人移动过程中，激光雷达对周围的环境进行循环扫描，同时结合机器人地盘驱动板进行实时计算机器人移动信息，进而通过slam算法结合里程数据和深度与相机数据实现融合建图，得到仓库的二维栅格地图。

12、更进一步地，通过slam算法结合里程数据和深度相机数据实现融合建图的具体过程为：

13、s11：通过激光雷达和深度相机对周围的环境进行采集信息，根据激光雷达和深度相机采集到的环境特征信息进行建立二位栅格地图，其中，通过激光雷达建立的是基于gmapping算法建立的二维栅格地图，通过深度相机建立的是基于orb-slam2算法的稠密点云地图；

14、s12：使用octomap方法将深度相机建立的稠密点云地图投影为二维栅格地图，通过贝叶斯估计的方法对深度相机与激光雷达建立的地图进行数据的融合；

15、s13：在进行数据融合时，计算更新栅格地图的占用概率，根据栅格地图内是否检测到障碍物得到以下的计算公式：

16、

17、

18、其中，h表示当前栅格检测到障碍物，表示当前栅格没有检测到障碍物，o表示当前机器人检测到的障碍物或者路标，p(h|o)、表示当前机器人的观测模型，p(h)表示栅格单元的先验概率，在融合了深度相机的先验概率如下：

19、

20、其中，表示栅格单元有占用情况下的先验概率，表示栅格单元没有被占用情况下的先验概率，表示由激光雷达和深度相机监测的栅格单元被占据的概率值，贝叶斯估计融合后表示为每一个栅格被占据的概率；

21、s14：机器人在移动过程中，对新的环境进行探测，同时对扫描过的地图进行更新迭代，在不断的迭代更新过程中旧地图被新地图覆盖，新地图不断的扩展。

22、更进一步地，在所述步骤s2中，利用改进的遗传算法进行路径规划的具体过程如下：

23、s21：对建立好的二维栅格地图中的初始路径中的节点进行个体编码，路径初始化是随机进行的，随机生成n个节点组成的个体，即生成一条随机的由起点连接到终点的路径，即初始路径；

24、s22：使用栅格地图随机生成散布点实现种群初始化；

25、s23：以路径中的平滑度、路径困难度和长度为目标函数，确定适应度，分配到每一个种群；

26、s24：以传统遗传算法的算子为基础，增加删除算子删除转折比较大的节点，并增加贝塞尔平滑曲线算子使路径规划符合平滑函数准则，在路径中，通过计算路径中的相邻三个节点的夹角，作为评判三个相邻节点中的中间节点转折度的依据，夹角大于九十度的节点都作为转折比较大的节点进行删除；

27、s25：对当前的种群进行适应度评价，选择出适应度最高的个体进行下一步操作；

28、s26：随机选择种群中的个体进行交叉操作，进行交叉操作的两个个体在相同的节点处进行交换片段操作，确保交叉操作之后仍然是一个适应环境的个体；

29、s27：在算法中每一个个体均会有概率出现随机的变异，个体中的节点发生突变，即进行变异操作，其中，变异后的路径个体即为突变解；

30、s28：对交叉、变异之后的种群继续进行适应度评价，选择适应度最高的个体进入下一代演化迭代，继续进行交叉、变异和适应度评价的操作，直至达到最大的迭代次数。

31、更进一步地，在所述步骤s24中，贝塞尔平滑曲线算子的表达式如下：

32、n(x,y’)＝min{dis+n(x,y-m}(m∈y’)

33、n(m,{})＝(m≠x)

34、

35、

36、

37、kt+1,i(p)＝kt+1,i(p)+kt+1,i(p)

38、其中，n表示起点x表示经过每一个编码节点，只经过一次，最后再回到x的最小路径；y为所有编码的节点的集合；y′为所有经过的节点的集合；dis为x到m点的距离；min为取最小值计算符；n(m,{})为最后一步回到原点；r1、r2∈random(0,1),ω表示惯性权重；为t时刻前p点的速度矢量，为t时刻后p点的速度矢量，kt,i(p)为t时刻p点的坐标。

39、更进一步地，在所述步骤s24中，删除算子的表达式如下：

40、

41、

42、更进一步地，在所述步骤s27中，在迭代过程中，当最优值pj大于或等于父解的值时，下列公式创建该父解的突变解ym：

43、

44、

45、

46、其中，β1和β2是两个中间参数，用于确定ym，r和r2是在(0,1)和r≠0范围内创建的两个不同的随机数，和分别是第j次变量的上下限，pd表示方向概率。

47、更进一步地，在所述步骤s3中，通过深度相机对周围环境的视深感知，将深度相机采集到的图像作为激光雷达的辅助信息进行实时避障和导航。

48、更进一步地，在所述步骤s4中，通过knn算法对货物标签图像进行识别的具体过程如下：

49、s41：在到达货物所在地后，利用深度相机采集货物标签图像；

50、s42：将货物标签图像经过预处理后输入knn模型中，knn模型对货物标签图像中的数字标签进行识别，得到数字标签分类结果。

51、本发明还提供了一种基于ros的物流搬运机器人路径规划系统，用于利用上述的路径规划方法对机器人进行路径规划，包括：

52、建图模块，用于控制机器人在工作的仓库内移动一周，通过slam算法结合里程数据建立仓库的栅格地图，之后回到等待区域等待指令；

53、规划模块，用于通过上位机给机器人发送需要目标货物的物品信息以及位置信息，利用改进的遗传算法对机器人进行路径规划，使机器人能够以最短的路径到达目标货物所在的位置；

54、避障及导航模块，用于在行进过程中使用深度相机辅助激光雷达扫描其无法扫描到的位置，实现实时避障及导航；

55、识别及抓取模块，用于在到达目标货物所在地后，利用深度相机采集货物标签图像，通过knn算法对货物标签图像进行识别，获取货物标签图像中标签分类结果，将标签分类结果与目标货物的物品信息进行比对，进而识别需要获取的货物并利用抓取装置对其进行抓取。

56、本发明相比现有技术具有以下优点：该基于ros的物流搬运机器人路径规划方法，通过slam算法移动建图记录移动的路径，采用里程计计算机器人运动的路径，获得机器人当前的位置，通过上位机给机器人发送目的位置信息以及货物信息，机器人通过遗传算法进行规划路径，实现以最短最优的运动路径到达目的地，有效地解决仓库搬运机器人在路径规划过程中存在的路径不是最优解、路径困难度大、计算时间长以及工作效率低等问题。