[发明专利]一种基于ROS平台的山地果园避障系统及方法

权利要求书

1.一种基于ROS平台的山地果园避障系统，其特征在于，包括控制器、电机和转向系统、通讯模块及激光雷达，激光雷达经通讯模块与控制器连接，激光雷达对运动方向的静态障碍物进行实时采集，并将采集到的雷达云点数据传输至控制器；控制器对雷达云点数据进行预处理，结合障碍物云点信息聚类算法、二维云点聚类数据凸包算法和旋转卡壳算法进行障碍物的定位与识别，得到障碍物的位置和角度信息，确定障碍物的凸包直径，再以聚类中心点为圆心建立障碍物危险区域，然后调用避障算法，制定避障路径规划和航向控制方式，生成避障的最低成本路径，对电机和转向系统进行控制；

控制器采用基于密度的聚类算法对预处理后的障碍物雷达云点数据进行准确聚类，得到非球形的聚类结果，确定聚类中心点，并根据聚类中心对障碍物雷达云点数据中心定位；在基于密度的聚类算法中，对于每一个数据点i需要计算局部密度ρ_i和与高于数据点i密度的最小距离，局部密度定义如下：

ρ_i＝∑_jχ(d_ij-d_c)

其中，d_c是一个截断距离，将所有点的相互距离中由小到大排列，取前2％的位置距离数值为截断距离；数据点之间的距离定义如下：

上述数据点之间的距离δ_i用于求取密度大于数据点i的数据点中，与数据点i之间的距离最小值；数据点之间的距离δ_i的值越大，表示数据点i距离高密度点的距离越远，则数据点i越有可能成为聚类中心；对于全局最大密度的数据点，其与所有数据点的距离最大。

2.根据权利要求1所述的山地果园避障系统，其特征在于，所述激光雷达为二维激光雷达。

3.根据权利要求1所述的山地果园避障系统，其特征在于，所述控制器对雷达云点数据进行预处理包括坐标转换及滤波处理。

4.一种基于ROS平台的山地果园避障方法，其特征在于，包括以下步骤：

S1、通过激光雷达对环境进行识别，对运动方向的静态障碍物进行实时采集，对所采集得到的雷达云点数据进行预处理；

S2、对预处理后的雷达云点数据进行分析处理，通过识别算法对障碍物进行定位和描述，得到障碍物的位置和角度信息；对预处理后的雷达云点数据进行聚类，确定聚类中心；通过凸包算法和旋转卡壳算法，确定障碍物的凸包直径，再以聚类中心为圆心建立障碍物危险区域；

采用基于密度的聚类算法对预处理后的障碍物雷达云点数据进行准确聚类，得到非球形的聚类结果，确定聚类中心点，并根据聚类中心对障碍物雷达云点数据中心定位；在基于密度的聚类算法中，对于每一个数据点i需要计算局部密度ρ_i和与高于数据点i密度的最小距离，局部密度定义如下：

ρ_i＝∑_jχ(d_ij-d_c)

其中，d_c是一个截断距离，将所有点的相互距离中由小到大排列，取前2％的位置距离数值为截断距离；数据点之间的距离定义如下：

上述数据点之间的距离δ_i用于求取密度大于数据点i的数据点中，与数据点i之间的距离最小值；数据点之间的距离δ_i的值越大，表示数据点i距离高密度点的距离越远，则数据点i越有可能成为聚类中心；对于全局最大密度的数据点，其与所有数据点的距离最大；

S3、根据障碍物的位置和角度信息，以及障碍物危险区域，调用避障算法，制定避障路径规划和航向控制方式，生成避障的最低成本路径。

5.根据权利要求4所述的山地果园避障方法，其特征在于，步骤S2采用基于密度的聚类算法对预处理后的雷达云点数据进行聚类，得到障碍物点分布图。

6.根据权利要求5所述的山地果园避障方法，其特征在于，步骤S2中，采用Graham’sScan算法求出障碍物点分布图所对应的凸多边形；在确定聚类中心后，通过凸包算法和旋转卡壳算法，得到所述障碍物点分布图所对应的凸多边形的最大直径作为障碍物的凸包直径，再以聚类中心为圆心建立障碍物危险区域。

7.根据权利要求4所述的山地果园避障方法，其特征在于，步骤S3通过改进的VFH+路径规划方法制定避障路径规划和航向控制方式。