[发明专利]基于ROS的园区无人车轨迹生成系统及其控制方法

说明书

本发明公开了一种基于ROS的园区无人车轨迹生成系统及其控制方法，包括目标发布模块、组合导航模块、航点加载模块、感知模块、轨迹生成模块和底层控制模块；其中目标发布模块提供目标的策划信息与位置信息，组合导航模块提供车辆的状态信息，航点加载模块提供道路的地图信息，感知模块提供障碍物的位置信息，轨迹生成模块收集以上模块提供的信息进行全局规划与局部规划生成具体的轨迹规划信息，底层控制模块通过生成的轨迹规划信息从而进行车辆的控制。搭载ROS的轨迹生成系统通过对当前的外部环境进行综合性的分析进行规划。

技术领域

本发明属于无人车规划技术，具体涉及一种基于ROS的园区无人车轨迹生成系统及其控制方法。

背景技术

在过去的几十年中，无人车一直是机器人领域的热点研究问题。对于无人车来说，生成一条从初始状态到目标状态的轨迹是其自主导航行为的基础。近几年来，研究人员对这一问题进行了大量的研究，主要研究内容是如何生成一条轨迹，然而对于生成的轨迹是否满足运动学约束、侧滑约束以及执行机构约束，即轨迹的可行性，研究相对较少。

对于无人车这一受非完整性约束的系统，研究人员通常基于车体模型进行轨迹规划。按照车体模型的精确程度，轨迹规划方法可以进一步分为基于模型预测控制(Modelpredictive control，MPC) 以及基于几何轨线的规划方法。基于模型预测的无人车轨迹规划方法首先由Kelly等提出。在该类方法中，无人车相对于行驶距离的曲率由参数化的多项式表征。通过优化的方法，如梯度下降法，不断调整多项式参数，使得轨迹的末端状态不断靠近期望目标状态。最终得到一组参数，使得无人车能够由初始状态到达目标状态。文献进一步将该方法扩展到在不同场景下由不同移动机构驱动的机器人系统中。对于无人车的速度规划则采用常速度、定加/减速度的方式进行。该类方法存在以下3个主要问题：

1） 对于实际的无人车系统来说，生成轨迹的可行性无法保证，为了解决这一问题，需要首先生成若干条备选轨迹，再从这些轨迹中选择一条可行的轨迹作为无人车的执行轨迹。因此，大量的时间被浪费在生成不可行的轨迹上。

2）该方法对初始的曲率参数极为敏感。若初始参数与最优参数偏差较远，该方法通常无法收敛到目标状态。

3）该方法在生成轨迹时，需要不断地对车体模型进行前向模拟，该模拟过程需要消耗大量的时间。

为了解决问题2）和问题3），研究人员通常在内存中预先存储大量的参数与状态的对应关系表。在实际的无人车系统中，该对应关系表通常会消耗数百兆内存。部分研究人员采用几何轨线，如线段圆弧、螺旋曲线、样条曲线、贝塞尔曲线等，来近似无人车的运动学约束，从而进行轨迹规划。然而，这些方法对车体的执行机构约束考虑较少。Gomez-Bravo等基于样条曲线，针对停车这一典型操作进行了研究。该方法生成了曲率连续同时满足避碰约束的曲线，然而对曲率边界并不做约束。Gomez-Bravo等仅仅在转向能力较强的小型电动车上进行了实验。Jolly等基于三阶贝塞尔曲线，对多机器人轨迹规划问题进行了研究。由于Jolly等主要针对差动转向的机器人进行研究，其提出的方法并没有考虑曲率约束，而是仅考虑了加速度约束。Choi等基于贝塞尔曲线规划出了曲率连续的轨迹。为了同时保证曲率连续以及数值稳定性，Choi等将低阶的贝塞尔曲线连接生成了曲率连续的轨迹。然而Choi等并没有对曲率边界进行约束，也没有给出算法的实时性分析。

刘晓帆和赵彬在《基于ROS的移动机器人平台系统设计》一文中，提出了一种基于ROS的移动机器人平台。移动机器人平台具有软硬件可编程、灵活性强、模块化等特点，移动机器人平台的控制器采用 Android 系统。该移动机器人平台运动控制模块，针对导航模块生成的路径规划， 完善路径跟踪的调度算法，使生成一次路径规划改为2s，目的是减少系统频繁路径规划导致机器人运动过程中来回摆动问题实现自主避障功能。该方案存在一下几点问题：1、移动机器人平台的功能单一。2、移动机器人平台的扩展性差。

发明内容