[发明专利]一种基于内外角累积状态的路径规划方法

说明书

本发明公开一种基于内外角累积状态的路径规划方法，其特征在于，包括以下步骤：S1、机器人设定多状态程序结构体系，实现多种功能状态，包括势场避障状态、忽略障碍状态及沿墙行走状态；S2、当未陷入局部极小时，选择势场避障状态，机器人利用势场法避障；基于势场模型进行路径规划；S3、当机器人陷于局部极小点时，针对局部极小点的特征，选择忽略障碍状态或沿墙行走状态这两种辅助状态；两种辅助状态的选择，通过行进过程中的角度累计变化信息来进行判断；本发明提出的方法能够利用传感器信息在线解决势场法的局部极小问题，适用于初次通过且完全未知的复杂环境，具有较好的应用价值。

技术领域

本发明属于机器人技术领域，尤其涉及机器人路线规划技术领域，具体涉及一种基于内外角累积状态的路径规划方法。

背景技术

机器人的路线规划主要采用势场法，势场法最初是由khatib教授提出，通过引入广义势场的概念，在三维空间中构造人为势场，解决了机械臂运动规划问题。人为势场由目标点产生的引力场和周围障碍产生的斥力场叠加而成。在叠加势场的作用下，机器人只能沿着叠加势场的负梯度方向运动，运动过程中受到最终目标点的引力作用而靠近，同时又受到周围障碍的斥力作用而躲避，进而形成起始点与目标点之间的有效路径。但由于实际环境中障碍分布的复杂性，存在一些导致机器人无法脱离的局部极小区域，如图1所示。在起始点与目标点间存在L形障碍，根据周围环境生成的人工势场可知：若机器人沿着势场的负梯度方向运动，将进入凹形障碍物内部，此时因为斥引力大小相等方向相反，所以合力矢量无法为机器人提供下一步运动的方向和驱动力，导致容易出现运动停止或者产生运动震荡，最终无法到达目标点——即机器人困于局部极小点而无法到达目标，导致路径规划任务失败。

尽管势场法存在导致规划失败的局部极小问题；但相比于其他复杂路径规划算法，势场法具有规划复杂度低、实时性高等优点。很多专家都针对势场法存在的局部极小问题，提出了相应的改进策略，改进策略从整体上可分为两种：

算法一：依靠传感器采集的环境信息进行局部规划：这种局部规划方法，当陷入局部极小点后，依靠传感器采集的环境信息进行局部在线规划，多适用于未知环境。常见算法有随机搜索法、设置虚拟目标点法、沿墙算法。其中，随机搜索是模仿分子布尔运动实现避障，但效率较低；设置虚拟目标点法又包含设置虚拟目标及设置虚拟障碍法：设置虚拟目标点法主要是基于周围环境信息以选择合适的子目标，该算法中合理子目标点的选择尤为重要；设置虚拟障碍法则通过记忆当前位置，并将该位置用虚拟障碍填补以改变原有势场分布的方式引导机器人逃离局部极小点，该算法依赖机器人自身定位精度且在线计算量较大；沿墙(Bug)法利用沿墙方式逃离陷入局部极小的陷阱，算法的核心在于设计进入与脱离沿墙状态间的切换条件——如J.Antich提出的依据陷入局部极小后跟踪障碍的轮廓特征，J.Borenstein等人提出的基于机器人前进方向与目标角度的夹角关系特征，ZhuA,Yang SX等人提出在机器人与目标距离关系特征，分别实现沿墙状态的切换；但是，上述沿墙算法均存在路径非最优或使机器人死循环的不足。

算法二、依靠建图和全局规划思想进行整体规划。这种整体规划的方法，陷入局部极小点后依靠建图和全局规划思想进行整体规划，多适用于已知环境。其中，搜索法利用最佳优先、模拟退火、多势场切换等全局规划策略在陷入极小值点后规划路径；Wonyun Choi等人提出全局路径预规划与实时路径势场法相结合的方式，可在预测阶段提前避开局部极小点；Stentz A提出的DynamicA*算法，能够通过算法迭代在已知环境中产生较短的路径。Zhang T提出的依靠建图辅助规划路径的方法适用于未知环境但规划的路径基于实时建图，存在较大的时间和空间复杂度。

综上所述，第一类算法依靠传感器扫描周围环境，计算量较少，但是，规划出的路径因为信息太少导致路径不是最优。第二类算法，虽可实现较好的路径规划，但需要采集更多的环境信息且计算量较大。当机器人需要快速实现首次面对信息完全未知的场景时，上述算法虽能避开障碍到达目标点，但或多或少存在自身的局限性，因此，针对势场法路径规划中存在的陷入局部极小问题。

发明内容