一种面向非结构化地形的足式移动机器人路径规划方法

本发明属于足式机器人，尤其涉及一种面向非结构化地形的足式移动机器人路径规划方法。

背景技术：

1、非结构化地形广泛存在于现实生活中的各种场景中，如野外探索、搜救任务、军事应用等，由于足式移动机器人具有多足、多关节、多自由度等特点，使其具有运动空间大、环境适应能力强、灵活性高等优势，因此足式移动机器人成为非结构化地形下的最佳选择。虽然足式移动机器人通过腿部运动可以实现更灵活的运动方式，例如越过障碍物、爬坡等，但在运动稳定性上不如轮式机器人，并且非结构化地形具有不规则的地形轮廓和多变的地表条件，对足式移动机器人的稳定性和安全性提出了更高的要求。

2、因此，足式移动机器人在进行路径规划时候除了考虑路径长度外还应该能够考虑机器人的动态稳定性，并在规划路径时尽量避免机器人倾倒或摔倒的情况发生。通过设计合理的路径规划方法，可以提高足式移动机器人在这些环境中的安全性和稳定性，减少意外事件的发生。然而，传统的路径规划算法只考虑在平坦的表面上移动，更适合轮式机器人，无法发挥出足式移动机器人可跨越障碍、沟壑等地形的优势。此外，传统的路径规划算法更适合在相对平坦、开阔、障碍物特征明显的环境中。在非结构地形下障碍物形状不规则且数量多，可通行区域界定困难，导致了传统的路径规划算法收敛速度慢、路径距离过长、路径安全性低，难以满足足式移动机器人在非结构地形下的路径规划需求。

3、综上所示，传统的路径规划方式难以安全高效地完成足式移动机器人在非结构化地形下的路径规划任务。本发明通过引入决策树模型量化地形复杂度、依据机器人运动特点进行地形分类、设计代价函数的方式解决了上述问题。本发明不但能够同时兼顾地形可通过性与路径距离，还提升了路径规划算法收敛速度，进而提高了路径规划效率、机器人的安全性与地形适应性。

技术实现思路

1、本发明为解决现有技术的不足，现提供一种面向非结构化地形的足式移动机器人路径规划方法，本发明提供了以下技术方案：

2、一种面向非结构化地形的足式移动机器人路径规划方法，其特征在于，包括以下步骤：

3、步骤1：基于地形特征训练决策树模型：载入样本地图，将进行地图栅格化处理，以足式移动机器人机身最大长度为边长的正方形作为最小栅格，以3*3个栅格作为一个单位地形，获得每个单位地形的特征，包括起伏度、粗糙度、坡度、障碍物高度和沟壑宽度，将其转换为特征矩阵，根据已知的地形复杂度等级，对单位地形的特征进行标记，使用c4.5算法训练决策树模型；其中，地形复杂度等级共分为11级，等级越高表示地形越复杂，地形复杂度c取值范围为[0,1]，1级对应值为0，每一级对应值增加0.1，11级对应值为1；

4、步骤2：针对足式移动机器人运动特点对地形进行分类，建立全局可通过栅格地图：将足式移动机器人当前所在地图进行地图栅格化处理，将整个地图中所有单位地形分为可通过地形与不可通过地形两类，可通过地形为平坦或存在地形小障碍物、缓坡、小沟壑中某一特征或多个特征，将其全部划分为可通过地形；单位地形中如果包含大障碍物、陡坡、大沟壑中某一特征或多个特征，将其全部划分为不可通过地形，将不可通过地形在全局地图中去除，得到全局可通过栅格地图；其中，小障碍物为障碍物高度小于足式移动机器人最大抬腿高度h的障碍物，反之为大障碍物；缓坡为坡度低于足式移动机器人最大爬坡角度的坡，反之为陡坡；小沟壑为沟壑宽度g小于足式移动机器人最大可跨越长度gmax的沟壑，反之为大沟壑；其中，gmax＝l+x，式中l为足式移动机器人最大迈步长度，x为足式移动机器人最大机体前移量；

5、步骤3：通过决策树模型量化全局可通过栅格地图中每个单位地形的复杂度c，具体方法为：对全局可通过栅格地图中每个单位地形的起伏度、粗糙度、坡度、障碍物高度和沟壑宽度进行提取，然后输入到训练好的决策树模型中，得到每个单位地形的地形复杂度等级与地形复杂度c的值；

6、步骤4：将地形复杂度c与自适应权重系数α引入代价函数，设置起点和终点，在全局可通过栅格地图中完成从起点到终点的路径规划，具体步骤为：

7、s1：初始化：将足式移动机器人在全局地图中的当前坐标(xs,ys)所在的单位地形作为起始节点，终点坐标(xz,yz)所在栅格作为目标节点，将起始节点加入open列表，open列表为待扩展的节点列表，初始化起始节点的代价函数值，初始化closed列表为空；

8、s2：定义代价函数：并将f(ni)的值设为起始节点到目标节点的总代价，具体为：

9、f(ni)＝g(ni)+αh(ni)

10、f(ni)中的g(ni)为从起始节点到当前节点ni(xn,yn)的实际代价函数具体为：

11、

12、g(ni)中，c表示地形复杂度，取值由决策树模型得出；

13、f(ni)中的h(ni)为当前节点到目标节点的估计代价函数，具体为：

14、

15、f(ni)中的α为自适应权重系数，取值范围为[0,1]，表示预估代价在总代价中重要程度，随当前节点距离目标节点距离减小而减小，可加快路径规划算法收敛速度，具体为：

16、

17、s3：检查与更新：从open列表中选择代价函数值最小的节点作为当前节点,如果当前节点是目标节点，则表示找到了最佳路径，可以回溯路径并结束算法；

18、s4：节点拓展：将当前节点周围8个单位地形定义为8个相邻节点，计算相邻节点的代价函数值；如果相邻节点不在open列表和closed列表中，将其加入open列表，并更新其代价函数值；如果相邻节点已经在open列表中，比较新的代价函数值和原代价函数值，保留较小的值；如果相邻节点已经在close列表中且新的总代价更小，将其移出close列表，并加入open列表并更新相关值；

19、s5：路径生成：将当前节点加入closed列表中，回到s3，继续下一轮迭代直到找到最佳路径；当目标节点加入到closed列表中，如果目标节点在closed列表中，则从目标节点开始反向回溯路径直到起始节点，即为最终路径。

20、本发明具有以下有益效果：

21、本发明通过引入决策树模型的方式量化了地形复杂度，依据机器人运动特点进行了地形分类，通过设计自适应权重系数的方式提升了路径规划算法的收敛速度，并且通过将地形复杂度与权重系数共同引入代价函数的方式，解决了传统的路径规划方式难以安全高效地完成足式移动机器人在非结构化地形下的路径规划任务。本发明所设计的路径规划方法不但能够同时兼顾地形可通过性、复杂度与路径距离，还提升了路径规划算法收敛速度，进而提高了路径规划效率、机器人的安全性与地形适应性。

技术特征：

1.一种面向非结构化地形的足式移动机器人路径规划方法，其特征在于，包括以下步骤：

技术总结本发明公开了一种面向非结构化地形的足式移动机器人路径规划方法，属于足式机器人控制技术领域，包括以下步骤：依据地形数据和特征训练决策树模型；针对足式移动机器人运动特点对地形进行分类，建立全局可通过栅格地图；通过决策树模型量化全局可通过栅格地图中每个单位地形的复杂度；最后通过将地形复杂度C与自适应权重系数α引入代价函数后的路径规划算法进行路径规划。本发明通过量化地形复杂度与改进代价函数的方式，解决了传统路径规划方法难以满足足式移动机器人的在复杂非结构化地形下的需求问题，能够同时兼顾地形可通过性与路径距离，提升了路径规划算法收敛速度，进而提高了路径规划效率、机器人的运动安全性与地形适应性。技术研发人员：尤波,范耀今,李佳钰,陈晨,陈潇磊受保护的技术使用者：哈尔滨理工大学技术研发日：技术公布日：2024/7/18