一种面向未知环境的移动机器人路径规划方法和装置

本发明涉及移动机器人的路径规划，具体是一种面向未知环境的移动机器人路径规划方法和装置。

背景技术：

1、机器人导航的路径规划问题主要分为全局路径规划和局部路径规划，这两者是根据对环境信息获取程度划分的。全局规划通常需要在已知环境中进行，属于一种事前规划，可以找到最优解，一旦环境发生变化，未及时更新地图时，该方法就不能达到预期效果。常见的有基于采样的rrt和基于离散化搜索的a*路径规划算法，这两种方法大多限制在已知地图条件下的路径规划计算。局部路径规划，也称为避障路径规划，即考虑本车和障碍物之间的几何关系寻找出一条避免与障碍物发生碰撞的路径，是无人驾驶汽车的重要功能模块之一。目前常用的局部路径规划算法主要分为4大类:人工势场法、基于图搜索的方法、基于采样的方法和基于离散优化的方法。

2、首先，在全局路径规划中，a*算法采用栅格图作为地图表示方法，使得其路径平滑性较差，转折点过多，且一般用于已知环境。rrt算法由于其使用全局均匀随机采样，在搜索时盲目性大且耗时长，在复杂场景中易陷入死区和存在局部最小值问题。传统的可视图法当环境中障碍物数量增多，顶点数及可视边数也大幅增加，导致算法时间增加。

3、其次，在局部路径规划中，大多基于人工势场法的方法只考虑了障碍物静止的状况，因此在动态环境无法取得良好效果。且以上基于离散优化的局部路径规划算法在规划时需要进行坐标转换，常规转换方法存在积分等复杂运算，占用运算量较大，实时性有待进一步提高。

4、现有技术中移动机器人路径规划方法，专利cn110609547a公开了一种基于可视图引导的规划方法，利用可视图法建立规划引导区域限制快速随机扩展树(rrt)扩展，通过建立小车运动学模型，约束随机树生成形状，同时利用8邻域最近邻节点查找方法加速随机树生成，获得随机树后通过计算得到符合移动机器人运动规律的路径，最后对路径优化提高路径质量。但该算法在障碍物较多且存在无顶点障碍物场景下的应用受限，其算法复杂度随障碍物数量增加而增加，当障碍物无顶点时采用四边形包络产生的路径并非最优，因此该方法具有一定局限性。专利cn116795120a公开了一种改进a*算法和动态窗口法的移动机器人混合路径规划方法，首先，为了有效减少全局规划路径中冗杂点的出现次数，扩展搜索范围为5×5，扩展搜索方向为16个。为了避免往返搜索不必要节点的情况，引入正反向交替搜索机制，随之给代价函数增加指数衰减约束，使代价函数自适应变化。但其需要对经过的节点周围进行遍历搜索和选择最小路径成本，因此计算量大、实时性差、运算时间长，而且随着所经过的节点的增多，算法搜索效率降低，且无法运用于未知环境。

技术实现思路

1、为了弥补现有技术的上述不足，本发明提出了一种面向未知环境的移动机器人路径规划方法和装置。首先，采用可视图法对路径进行预规划，能够有效解决现有路径规划系统在未知环境中失效的问题。另外，采用对可视图进行顶点滤波以及对障碍物进行聚类的方法有效地减少了可视图中的顶点数量和可视图的维护成本，解决可视图法在复杂环境中由于障碍物过多导致算法效率低的问题。

2、本发明的第一个方面涉及面向未知环境的移动机器人路径规划方法，包括以下步骤：

3、步骤1：利用激光雷达感知周围环境，对其扫描到的点云进行预处理，进行点云滤波以及去畸变。

4、步骤2：从激光雷达获取距离测量值，并输出代表障碍物的点云集合s。假设i是一个二进制图像，其中黑色像素对应于可穿越空间中的一个点，白色像素对应于障碍物上的一个，i位于机器人位置探测器的中心。首先将s投影到i上，同时使用车辆尺寸对s中的点进行膨胀。然后，使用平均滤波器模糊图像以创建灰度图像。

5、步骤3：在灰度图像中提取边缘点，并分析边缘点的拓扑分布，然后得到一组沿着轮廓具有密集顶点的封闭多边形。

6、步骤4：对靠近的微小障碍物进行聚类，生成一个更大的多边形障碍物。

7、步骤5：使用基于边缘长度和障碍物轮廓顶点数的滤波方法，对障碍物进行顶点滤波，减少可视图的顶点数量，连结剩余可视顶点。

8、步骤6：在可视图上采用基于随机采样的集束搜索算法，并设计了启发式函数，以生成移动机器人的全局路径。

9、步骤7：采用基于离散优化的局部路径规划模块作为中间层，用于地形分析与计算局部路径，最后将命令速度发送给底层的运动控制模块，并将地形分析结果输出给全局路径规划算法。

10、作为一种优选方案，步骤4中对靠近的微小障碍物进行聚类，具体步骤包括：

11、步骤4.1：对微小障碍物进行判断，判断条件为p<s*1/a，其中p为障碍物面积，s为传感器的覆盖面积，a是常数。对靠近的障碍物进行判断，判断条件为两个障碍物的最小距离小于移动机器人宽度的1.5倍。

12、步骤4.2：使用dbscan的方法对障碍物靠近的障碍物以及微小的障碍物进行聚类。

13、作为一种优选方案，步骤5中基于边缘长度和障碍物轮廓顶点数的滤波方法，具体步骤包括：

14、步骤5.1：当障碍物的顶点数在局部层中大于3时，算法优先记录障碍物中两个最长顶点之间的距离，最长的两个顶点之间的距离是d；

15、步骤5.2：该算法遍历障碍物中的三个连续顶点并分别计算两个顶点之间的长度。它们之间的距离如果都小于0.1×d，则意味着该顶点是无效顶点，在这种情况下，删除该顶点并破坏其连接边。

16、作为一种优选方案，步骤6中在生成的可视图上使用基于随机采样的集束搜索算法，具体步骤包括：

17、步骤6.1：对于生成的可视图，先采用集束搜索算法，在图的解空间比较大的情况下，为了减少搜索所占用的空间和时间，在每一步深度扩展的时候，剪掉一些启发值的结点，保留3组启发值较高的结点，启发值为已规划路径以及该结点到目标点的欧氏距离之和。

18、步骤6.2：在每一次集束搜索之后，对剪除的结点进行随机采样，保留2组结点，增加算法的泛化性以及算法精度。

19、步骤6.3：迭代若干次，直到搜寻到目标点，连接所包含的可视图边，生成全局路径。

20、作为一种优选方案，步骤7中基于离散优化的局部路径规划模块，具体步骤包括：

21、步骤7.1：采用采样的离散点做前向模拟三次样条生成路径点。首先通过离线生成一个庞大的轨迹库来模拟机器人在未来一段时间内可能走过的轨迹，用采样的离散点做前向模拟三次样条生成路径点；

22、步骤7.2：地形可穿越性分析可以使机器人区分可通过和不可通过区域，借助一个区域相对于周围区域的高度差来判断一个区域可行驶与否，计算的结果会被存在一个随机器人滚动的局部地图中，以作为全局路径规划算法的输入；

23、步骤7.3：根据计算路径的得分筛选最优路径。每条路径得分与下列参数相关：该条路径与目标点之间的角度差值，路径与目标点之间的角度差值在计算得分时的权重，以及该条路径的方向与当前车辆朝向的角度差。最后，筛选出得分最高的一条路径作为最终路径。

24、本发明的第二个方面涉及一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现本发明的面向未知环境的移动机器人路径规划方法。

25、本发明的第三个方面涉及面向未知环境的移动机器人路径规划装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本发明的面向未知环境的移动机器人路径规划方法。

26、本发明利用预处理后的激光点云信息创建灰度图像；在灰度图像中提取边缘点，并分析边缘点的拓扑分布，然后得到一组沿着轮廓具有密集顶点的封闭多边形；对靠近的微小障碍物进行聚类，生成一个更大的多边形障碍物；使用基于边缘长度和障碍物轮廓顶点数的滤波方法，对障碍物进行顶点滤波，减少可视图的顶点数量，连结剩余可视顶点；设计基于随机采样的集束搜索算法与可视性图相结合以搜索路径，设计启发式函数，并添加随机采样增加算法泛化性及精确性，这将减少不必要的探索空间；采用基于离散优化的局部路径规划模块作为中间层，用于地形分析与计算局部路径，最后将速度命令发送给底层的运动控制模块。

27、本发明的优点和积极效果是：

28、1.传统可视图法在复杂环境中障碍物过多导致建立可视图耗费巨大计算量，本课题中对于障碍物的聚类和去除不必要的可视性边方法能够有效提高算法效率。

29、2.现有在未知环境中的路径规划方法大多存在绕行问题，设计基于随机采样的集束搜索算法与可视性图相结合以搜索路径，设计启发式函数，并添加随机采样增加算法泛化性及精确性，这将减少不必要的探索空间。

30、3.基于离散优化和地形分析的局部路径规划模块实现移动机器人在复杂环境下的避障功能，使其在大面积的工作环境下具有良好的避障效果和稳定性。