[发明专利]一种基于二元环境信息的移动机器人局部路径规划方法

说明书

技术领域

本发明涉及一种局部路径规划方法，适用于一类轮式行走移动机器人的局部路径规划。

背景技术

移动机器人路径规划的任务是在有障碍物的工作环境中寻找一条从给定起点到终点适当的运动路径，使机器人在运动过程中能安全无碰地绕过所有障碍物。移动机器人路径规划主要解决三个问题：(1)使机器人能从初始点运动到目标点；(2)用一定的算法使机器人能绕开障碍物并且经过某些必须经过的点；(3)在完成以上任务的前提下尽量优化机器人运行轨迹。

根据工作环境路径规划模型可分为两种：基于模型的全局路径规划，作业环境的全部信息已知，又称静态或离线路径规划；基于传感器的局部路径规划，作业环境信息全部未知或部分未知，又称动态或在线路径规划。

局部路径规划只需要距离移动机器人较近的障碍物信息。机器人在移动过程中，根据传感器的信息来不断地更新其内部的环境表示，从而确定出自身在地图中的当前位置及周围局部范围内的障碍物分布情况，并在此基础上，以最终到达目标点为目的，规划出一条局部最优路径。

局部路径规划方法的设计或选择与机器人的移动性能、环境基本特征、机器人传感器配置、局部规划实时性要求等均密切相关，目前还不存在一个通用的适用于任何条件的局部路径规划方法。

本发明的适用对象为一类轮式移动机器人，也可称为智能车辆，其特点为：(1)移动装置采用轮式结构，具备沿直线或弧线方向前进或后退及原地转弯能力，但在移动过程中，为保持运动的连续和连贯性，通常要求其移动路径为连续的曲线，且曲线上任一点的曲率大于某定值，避免以折线形式行走；(2)该移动机器人的主要行驶区域以较平坦的开阔地面为主，并分布有大小不同的障碍，即，运动环境由障碍物和自由空间组成，且障碍物的数量及大小均有限；(3)机器人所配置的传感器可以感知一定范围内的障碍信息，包括障碍的大小及与机器人的相对位置；(4)机器人的局部路径规划实时性要求较高，应具备在连续行进过程中避过主要障碍的能力。

目前应用较多的局部路径规划方法包括：人工势场法、模糊逻辑算法、神经网络法、遗传算法和栅格法等。这些方法在应用中都存在不同的缺点，人工势场法仅考虑目标点和障碍对路径规划的影响，规划输出的路径多表现为折线形式，对机器人的移动能力有较高的要求；模糊逻辑算法考虑了汽车驾驶的经验，更适合应用于存在移动障碍等条件的复杂环境，对于一般二元环境来说显得较为复杂；栅格法等全局规划方法也可经改造后应用于局部路径规划，但对传感器要求较高，并且计算量较大，实时性不强。

绝大多数的算法研究中，均更多地关注于规划路径的生成过程，而对规划过程中障碍信息的判断和处理不详，而在实际应用中，算法的设计和编程时，如何更加高效地富有条理地处理障碍信息，也是提高程序执行效率、使代码更加简洁易懂、便于维护所必须考虑的问题。

因此，有必要设计一种简单高效且易于编程实现的局部路径规划算法，在满足大范围较平坦地形的基本假设前提下，可以规划移动机器人绕开障碍，连续、平滑地(即避免折线和后退，仅沿连续圆滑曲线前进)行进到达目标点。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种简单、高效，易于实现的基于二元环境信息的移动机器人局部路径规划方法，满足了移动机器人连续行走的规划实时性要求。

本发明的技术解决方案：一种基于二元环境信息的移动机器人局部路径规划方法，其特征在于步骤如下：

(1)计算目标点在局部路径规划坐标系下的坐标(x₀，y₀)；

(2)计算无障碍时的默认规划路径，包括默认输出曲率为S₀和默认输出弧长L₀；

(3)中间变量，即左右两侧避障弧段及局部路径规划参数初始化

定义左避障弧段为从左侧避过当前目标点方向上的障碍所需的最小曲率，即最靠右侧的弧段，右避障弧段为从右侧避过当前障碍所需的最大曲率，即最靠近左侧的弧段，左右避障弧段的弧长分别为L_l、L_r，左右避障弧段的曲率分别为S_l、S_r，初始条件下，两弧段均与步骤(2)中计算出的默认规划弧段重合，即有S_l＝S_r＝S₀、L_l＝L_r＝L₀；