一种避障跟随方法

本发明属于路径规划以及运动控制，尤其涉及一种避障跟随方法。

背景技术：

1、目前，随着移动机器人技术的发展，涌现出许多路径规划和避障跟随方法。所述移动机器人包括各类无人设备，如无人机、无人车以及无人船等。常用的路径规划算法可分为全局和局部路径规划算法。全局路径规划，包括图搜索类算法以及随机采样类算法等。图搜索类算法包括可视图法、a*算法、d*算法等。随机采样类算法包括概率路图算法(probabilistic road map,prm)，快速随机扩展树算法(rapidly-exploring randomtrees，rrt)等。而局部路径规划算法包括人工势场法(artificial potential field，apf)、动态窗口法(dynamic window approach，dwa)、向量场直方图法(vector fieldhistogram，vfh)等。

2、在这些常用算法的基础上，许多学者进行了针对性改进，设计了许多性能优良的路径规划和避障跟随方法。然而，目前少有针对性的避障跟随方法，现有避障跟随方法无法完全发挥全向运动性能。

技术实现思路

1、本发明的目的在于针对目前避障跟随方法无法完全发挥无人设备的全向运动功能，提出了一种避障跟随方法。

2、为了实现上述目的，本发明采取如下技术方案。

3、一种避障跟随方法，包括如下步骤：

4、s1、融合各传感器数据，构建机器人坐标系下的极坐标局部地图；

5、所述传感器数据为机器人坐标系下的极坐标点；

6、所述极坐标局部地图是一个一维向量且向量中每个元素代表一定角度范围内与机器人最近的障碍物的距离；

7、s2、根据s1中的极坐标局部地图以及机器人尺寸计算通道长度表；

8、所述机器人尺寸即以机器人坐标系原点为中心，能包围机器人所有部件的最小圆的半径；

9、所述通道长度表为一个一维向量，且向量中的每个元素与极坐标地图中的通道长度一一对应；

10、所述通道长度代表对应通道角度上机器人可无碰撞向前行驶的最大距离；

11、s3、计算各通道角度的综合评分；

12、所述综合评分为“通道角度与目标之间的对齐量”、“原来选择的方向和新方向之间的差异量”、通道角度、“通道长度的反正切值”四个评价指标的加权和；

13、s4、选择综合评分最高的通道，称为最佳通道，若最佳通道的综合评分低于给定阈值，则避障规划失败，否则继续；

14、s5、根据最佳通道的通道角度和通道长度，通过速度控制律计算机器人的运动速度。

15、s1所述传感器，包括激光雷达、毫米波雷达、激光测距传感器、超声波测距传感器以及深度相机；所述激光雷达、毫米波雷达、激光测距传感器、超声波测距传感器以及深度相机能感知障碍物位置。

16、s1所述角度范围使得极坐标地图中的所有元素恰好均匀地覆盖整个圆周；所述角度范围的中心点称为该元素对应的地图角度。

17、s2所述通道角度为极坐标局部地图中对应元素的地图角度；所述通道长度为对应通道角度上的机器人可无碰撞向前行驶的最大距离。

18、s5，具体为：

19、s51、确定机器人平移速度模长和旋转角速度；

20、s52、根据最佳通道角度确定平移速度方向；

21、s53、依托机器人平移速度模长及平移速度方向获得速度矢量，进而得到机器人纵向速度和横向速度。

22、s51所述平移速度模长的计算分为两种情况，当通道角度大于45°时，平移速度为0，当通道角度小于45°时，平移速度为平移能力参数乘三个限制条件的最小值；所述三个限制条件为：45°与通道角度的差值、目标点与机器人的距离以及最佳通道长度。

23、所述旋转角速度为通道角度与旋转能力参数的乘积。

24、所述平移能力参数是机器人由于惯性在刹车时从最大速度到停止走过的距离，其计算方式为2倍的最大加速度除以最大速度。

25、所述旋转能力参数是机器人由于惯性在刹车时从最大角速度到停止走过的角度，其计算方式为2倍的最大角加速度除以最大角速度。

26、s52所述平移速度方向即为最佳通道角度；s53所述机器人的纵向速度与横向速度，即速度矢量在机器人坐标系下的纵向分量和横向分量。

27、有益效果

28、本发明所述的一种避障跟随方法，与现有避障跟随方法相比，具有如下

29、有益效果：

30、1、所述避障跟随方法通过极坐标局部地图以统一的形式统筹多种传感器的信息，可用于多传感器融合的避障和防跌落场景；相比于传统vfh算法，采用极坐标地图代替栅格地图，地图存储空间消耗小，地图切合激光雷达等常用避障传感器的数据格式，地图生成运算量小，提高了避障跟随的实时性；

31、2、所述避障跟随方法提出通道模型以考虑机器人的体积对避障规划的影响；相比于传统vfh算法，提高了避障跟随的安全性；相比于常用于考虑机器人体积的障碍物边界膨胀模型，更切合极坐标局部地图，运算量更小；

32、3、所述避障跟随方法提出了一种综合评分计算方式，相比于传统vfh算法，将通道长度纳入评价指标，机器人倾向于选择更长的通道，避障规划更具前瞻性，减小了机器人行走的路径长度，提高了机器人通过障碍的速度；

33、4、所述避障跟随方法适用于全向移动机器人的速度控制律，充分发挥了全向移动机器人的运动性能。

技术特征：

1.一种避障跟随方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种避障跟随方法，其特征在于，s1所述传感器，包括激光雷达、毫米波雷达、激光测距传感器、超声波测距传感器以及深度相机；所述激光雷达、毫米波雷达、激光测距传感器、超声波测距传感器以及深度相机能感知障碍物位置。

3.根据权利要求1所述的一种避障跟随方法，其特征在于，s1所述角度范围使得极坐标地图中的所有元素恰好均匀地覆盖整个圆周；所述角度范围的中心点称为该元素对应的地图角度。

4.根据权利要求1所述的一种避障跟随方法，其特征在于，s2所述通道角度为极坐标局部地图中对应元素的地图角度；所述通道长度为对应通道角度上的机器人可无碰撞向前行驶的最大距离。

5.根据权利要求1所述的一种避障跟随方法，其特征在于，s5，具体为：

6.根据权利要求5所述的一种避障跟随方法，其特征在于，s51所述平移速度模长的计算分为两种情况，当通道角度大于45°时，平移速度为0，当通道角度小于45°时，平移速度为平移能力参数乘三个限制条件的最小值；所述三个限制条件为：45°与通道角度的差值、目标点与机器人的距离以及最佳通道长度。

7.根据权利要求6所述的一种避障跟随方法，其特征在于，所述旋转角速度为通道角度与旋转能力参数的乘积。

8.根据权利要求6所述的一种避障跟随方法，其特征在于，所述平移能力参数是机器人由于惯性在刹车时从最大速度到停止走过的距离，其计算方式为2倍的最大加速度除以最大速度。

9.根据权利要求7所述的一种避障跟随方法，其特征在于，所述旋转能力参数是机器人由于惯性在刹车时从最大角速度到停止走过的角度，其计算方式为2倍的最大角加速度除以最大角速度。

10.根据权利要求5所述的一种避障跟随方法，其特征在于，s52所述平移速度方向即为最佳通道角度；s53所述机器人的纵向速度与横向速度，即速度矢量在机器人坐标系下的纵向分量和横向分量。

技术总结本发明涉及一种避障跟随方法，属于路径规划、机器人运动控制技术领域。所述避障跟随方法，包括：根据传感器数据，构建机器人坐标系下的极坐标局部地图；根据极坐标局部地图以及机器人尺寸计算通道长度表；根据通道长度、通道角度和目标点信息计算各通道的综合评分；选择综合评分最高的通道，即为最佳通道，若最佳通道的综合评分低于给定阈值，则避障规划失败，否则继续；根据最佳通道的通道角度和通道长度，通过速度控制律计算机器人的运动速度；所述避障跟随方法实现了全向移动机器人在障碍环境中平滑、快速、安全的避障跟随功能。技术研发人员：张延军,王卓,周禹彤,卢继华受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/7/18