[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

说明书

技术领域

本发明属于机器人运动规划领域，具体涉及一种适用于复杂动态环境下的机器人仿生安全路径规划方法，以及采用该方法的复杂动态环境中的机器人运动规划仿真平台。

背景技术

运动规划研究机器人如何到达预定目标这个问题的方法和技术。它是机器人导航和目标跟踪的基础，也是友好人机交互和机器人更好地为人类服务的基本条件之一，在计算机辅助设计，生物医疗，航天领域等也有重要的应用，属于机器人学核心研究领域。

目前的路径规划方法主要分为精确的几何路径规划方法和基于概率方法的路径规划方法。其中几何路径规划方法的思路是利用环境特点，主要是几何特性，先将问题空间划分为栅格或几何图形集合，然后用相应的搜索策略获取任务的路径解。这类方法的计算复杂程度随空间大小、维度等因素指数上升，因此主要应用于低维、静态的环境，实用性不强。为了降低规划成本，基于概率的规划方法引入了位姿空间的概念，其主要思想是将物理空间映射到位姿空间中，然后利用一定的概率策略采样，在有效的采样点集合中，搜索一条可行的路径，这样大大降低了机器人维度和环境复杂度带来的计算量的剧增的问题。但目前大部分基于采样的规划算法都仅仅计算一条可行路径，没有考虑环境对规划路径可能带来的影响，导致路径片段很有可能太靠近障碍物，在机器人执行任务路径的过程中可能发生碰撞，而且当环境发生变化时这些路径片段被障碍物占据失效的可能性比较大。这将带来更多的重规划，而且会导致成功到达目标的成功率偏低。更重要的是，在复杂的动态环境中，障碍物的数量和运动模式、环境的尺度等等信息都是不确定的，这些不确定会大大增加在动态环境中规划的难度，因此，在复杂的动态环境中进行安全、高效地路径规划依然面临着许多难题。

发明内容

本发明针对复杂可变的未知环境，提出一种复杂动态场景下机器人仿生路径规划方法，以及实现该方法的机器人运动规划仿真平台。该方案仿照人类路径选取的路径规划策略，是一种安全、实时的路径规划方案，它克服了现有技术仅考虑路径可行性而没有关注路径持续性的不足，在多自由度机器人仿真平台上，利用路径搜索树规划方法得到有效的局部路径，实现了机器人在复杂动态环境中的运动规划。

具体来说，本发明采用如下技术方案：

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。

一种采用上述方法的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。

本发明根据两层交互路径规划的算法框架，将运动规划分为环境探索层和局部路径规划层，两层之间利用一个自适应的路径缓冲区来进行信息交互，将安全性更新搜索树作为顶层规划器，应用到两层交互框架中的环境探索层，还可以将算法应用扩展到大尺度场景中的运动规划里。大量的实验结果表明，针对复杂动态环境，在用于评价规划算法优劣的规划成功率和平均规划时间这两项主要指标上，本发明都优于传统的规划方法，能够解决绝大多数情况下的可变环境中高自由度机器人的路径规划问题。

附图说明