[发明专利]一种机器人快速运动规划方法

说明书

本发明提出一种机器人快速运动规划方法，以采样生成新路径点过程中的碰撞检测结果为基准，动态调整目标偏置概率，根据动态调整的目标偏置概率引导采样点生成，进行机器人运动路径规划。本发明方法可以提高在不同障碍物分布情况下目标偏置概率的合理性，并在提高规划速度的同时进行轨迹优化。

技术领域

本发明涉及机器人运动规划领域，具体涉及一种机器人快速运动规划方法。

背景技术

针对机器人运动规划问题提出和使用的算法主要可以分为基于几何构造的空间搜索法、基于轨迹优化的运动规划算法及基于采样的运动规划算法等三类。在处理高维机器人运动规划问题时，基于采样的运动规划较为高效。其基本思想是确定一个能充分表示自由空间连通性的有限避障位形集合，用于解决含有障碍物环境中运动规划问题的路径图。随机采样规划中目前最常用的两种算法是先学习再查询的概率路线图(ProbabilisticRoadmap Method,PRM)和一边学习一边查询的快速扩展随机树(Rapidly-exploringRandom Tree,RRT)。刘华军等在移动机器人运动规划研究综述中对PRM和RRT进行比较，相比与PRM，RRT算法充分考虑了机器人客观存在的约束(如非完整约束、运动动力学约束等)，得到的轨迹也更为合理。Steven M.LaValle在Randomized Kinodynamic Planning[J].(The International Journal of Robotics Research,2001,20(5):378-400)一文中引入目标偏置思想，提出了基于目标偏置的RRT算法(GOAL_BIASED_RRT,GB-RRT)，通过向目标引导的方式提高了基本RRT算法的搜索效率。但是固定的目标偏置概率使得路径在障碍物稀疏的构型空间和障碍物稠密的构型空间中扩张时是同样的目标偏置概率，当障碍物在空间中不是均匀分布时，固定值的目标偏置概率并不能很好的处理快速性。同时，固定值的目标偏置概率也不能优化轨迹或路径。Lavalle S M,Kuffner J J.在Rapidly-exploringRandom Trees:Progress and prospects[C].(4th International Workshop on theAlgorithmic Foundations of Robotics,2001:293-308)一文提出了稀疏稳定型的RRT算法(STABLE-SPARSE-RRT,SST)，这是一种渐近近似最优的规划方法。该算法没有考虑目标偏置的作用，仍然面向所有构型空间采样，与实际中从初始路径尽可能的直达目标路径不符，同时该算法需要消耗大量的时间进行迭代才能得到最有轨迹。

发明内容

本发明的目的在于针对上述现有技术中的问题，提出一种机器人快速运动规划方法，提高在不同障碍物分布情况下目标偏置概率的合理性，并在提高规划速度的同时进行轨迹优化。

本发明是通过以下技术方案来实现：

一种机器人快速运动规划方法，以采样生成新路径点过程中的碰撞检测结果为基准，动态调整目标偏置概率，根据动态调整的目标偏置概率引导采样点生成，进行机器人运动路径规划。

优选的，包括：

步骤1，初始化机器人运动状态和障碍物运动状态；

步骤2，定义碰撞检测数组CollisionResult，用来记录当前状态前n次的碰撞检测结果；该数组有n个元素，每个元素是0或1；0代表碰撞检测结果为无碰撞，1代表碰撞检测结果为有碰撞；初始化CollisionResult矩阵为全零矩阵；

步骤3，根据碰撞检测数组CollisionResult，计算目标偏置概率p_goal；

步骤4，通过随机数产生概率p，若pp_goal则取目标构型x_goal为采样点s_sample，否则随机采样；