[发明专利]一种复杂动态场景下机器人仿生路径规划方法及仿真平台

权利要求书

1.一种复杂动态场景下机器人安全路径规划方法，其步骤包括：

1）根据描述每个局部环境的障碍物拥挤程度评估碰撞可能性，根据机器人在某一时间间隔内到达环境中每个区域的概率评估到达可能性，根据所述碰撞可能性和所述到达可能性建立路径安全性衡量准则；

2）顶层规划器根据所述安全性衡量准则采用安全性更新搜索树算法进行环境探索，得到可行的粗略区域路径，并将该粗略区域路径存储到自适应的路径缓冲区中；

3）底层规划器根据机器人周围环境的拥挤程度确定局部环境的区域大小，进而依据缓冲区的粗略路径信息细化局部区域并得到一条有效路径；

4）通过该有效路径指导机器人向目标位置进行运动，当环境变化导致机器人当前执行的局部路径失效时，机器人进行反应式避障，如果避障成功则继续执行；否则返回到步骤1）重新执行规划过程，直到机器人到达目标位置。

2.如权利要求1所述的方法，其特征在于，所述碰撞可能性采用概率密度函数进行评估：首先在树中查找到离观察状态最近的节点，其中包含有效节点和无效节点，将无效节点占总节点数的比例作为该观察状态的概率密度函数。

3.如权利要求1所述的方法，其特征在于：对某一节点(i)，所述路径安全性衡量准则为：Safety(i)=RP(i)*CP(i)，其中CP为碰撞可能性，RP为到达可能性。

4.如权利要求1所述的方法，其特征在于，所述安全性更新搜索树算法为：

第一次执行时，生成一棵以目标位姿为根节点的搜索树，在扩展搜索树时计算评估每个节点的碰撞可能性和到达可能性；然后规划器随机选取位姿空间某一采样点作为扩展方向，根据碰撞可能性、到达可能性以及路径长度三方面来选择该采样点的最佳最近节点；最后搜索树以该节点沿着采样点方向伸展某一步长的距离，且将该位姿点激活并添加到搜索树当中，得到一个搜索树的新节点；通过不断的扩展新节点，搜索树得到一条从给定目标点到机器人起始点的有效路径；

当路径因为机器人移动或者环境变化等原因而导致路径解失效时，执行重规划步骤；如果搜索树没有一条有效路径能到达起始节点，则返回第一部分，直到找到一条新的有效路径；否则直接将新的路径传递给机器人控制层并执行该路径解。

5.如权利要求4所述的方法，其特征在于：在所述重规划步骤中，对于当前搜索树上的所有节点，如果该节点不在包含机器人所在的新位姿点和目标位姿的最小新区域内，则删除这些节点，减少因更新计算带来的代价，然后更新所有节点的安全性信息。

6.如权利要求1所述的方法，其特征在于：顶层规划器选择机器人扫描体积最大的K个自由度作为投影后低空间的基底，以将粗略规划从高维映射到低维空间处理。

7.如权利要求1所述的方法，其特征在于：底层规划器根据碰撞可能性和到达可能性的值估计区域空间内障碍物拥挤程度，进而调整局部区域的大小。

8.如权利要求1所述的方法，其特征在于：底层规划器以起始节点作为根节点生长，扩展步长小于顶层规划器的步长并受机器人本身的约束；在扩展过程中，利用概率偏移的策略来利用存储的启发信息：在随机采样阶段，分别以相应不同的概率使采样偏向子目标点和缓冲区粗略路径节点随着机器人执行当前获取的路径解。

9.一种复杂动态场景下机器人安全路径规划仿真平台，包括：

问题模块，负责进行环境设置和任务设置；

规划模块，包括顶层规划器、底层规划器和自适应的路径缓冲区；该顶层规划器负责根据由碰撞可能性和到达可能性建立的路径安全性衡量准则，采用安全性更新搜索树算法进行环境探索，得到可行的粗略区域路径；该自适应的路径缓冲区用于存储该粗略区域路径；该底层规划器根据机器人周围环境的拥挤程度确定局部环境的区域大小，进而依据缓冲区的粗略路径信息细化局部区域并得到一条有效路径；

执行模块，负责依据该有效路径指导机器人向目标位置进行运动，当环境变化导致机器人当前执行的局部路径失效时，机器人进行反应式避障，如果避障成功则继续执行；否则由规划模块重新执行规划过程，直到机器人到达目标位置。