[发明专利]一种未知空间自主探索规划方法

说明书

本发明提供一种未知空间自主探索规划方法，方法获取机器人当前的定位信息生成三维点云地图，以机器人为中心生成维诺图，基于维诺图路径中心采样生成Voronoi‑RRT；以机器人所在位置为起点向Voronoi‑RRT树的所有边界点使用RRT算法找到可行路径，计算每条路径的探索增益，以探索增益最大为最优路径；采用路径规划算法执行动态避障生成无碰撞候选路径，当路径被动态障碍物遮挡的时候规划到其他候选路径上继续运动；采用DWA动态窗口算法对最终的路径跟踪，得出速度指令下发到机器人控制平台。当机器人进入死胡同，或者机器人电量不足时调用全局规划器，牵引到之前标记的探索空间边界或返回出发点。实现快速、安全、高效的地下未知空间自主探索。

技术领域

本发明涉及路径规划技术领域，尤其涉及一种未知空间自主探索规划方法。

背景技术

近年来，机器人技术飞速发展，自主移动机器人在探索人类不适宜居住、工作的环境如矿井，隧道等方面的研究越来越多。由于地下未知环境的复杂性，比如复杂深邃的地形，通信不发达导致不能直接对机器人进行远程的控制，以及不能利用GPS进行导航等。在这种复杂环境下，自主移动机器人需要是高度自主化、鲁棒、可靠和适应在复杂环境下运动的。自主探索技术指导机器人在未知环境下自主运动，依靠各种传感器感知未知环境，完成搜索、救援、探测等具体任务。尽管众多研究者在硬件系统、软件算法上都取得了重大进展，但复杂的地下未知环境仍然对机器人的自主探索能力造成巨大的挑战。尤其是对地下未知多分支环境的探索，这种环境的特性是通常规模很大，分支路径长，狭窄分支多。此外，它们的地形通常非常粗糙，碎石等障碍物较多，对机器人的避障性能要求非常高。

目前，移动机器人自主探索中使用的主流方法之一是基于边界的探索方法。机器人获取到传感器感知范围内的环境信息，在感知到的已知环境内生成快速搜索随机树，用聚类算法对快速搜索随机树的边界点进行聚类得到质心点；构建得到的质心点收益函数，计算每个质心点的收益值；选择收益值最大的质心点作为目标点，使用A*全局路径规划算法在已知的环境中快速规划出一条由机器人当前位置到目标点的路径，引导机器人向目标点移动；重复以上步骤直至没有侯选的质心点，结束探索。

然而这种算法效率和避障效果并不高。它需要在局部地图内随机撒点，由于地下未知环境中障碍物较多，很多采样点撒在障碍物上是无效的；在狭窄分支下，有效的采样点主要集中在狭窄分支的路径上，这也造成了大量采样点无效，对这些采样点进行搜索计算浪费了大量时间。并且由于随机撒点导致某些目标点距离障碍物或者井道较近，对机器人造成了潜在的碰撞风险。此外，由于地下未知空间多分支的特性，目前的探索方法应用于这种环境会随机进入各个分支，探索效率较低。

另外，一种基于简化广义Voronoi图的机器人自主探索方法也得到了应用，这种基于形态学方法构建简化广Voronoi拓扑地图，找到最佳前沿点，并规划机器人当前位置到最佳前沿点的全局路径，沿全局路径将机器人导航至最佳前沿点。

然而，单纯基于Voronoi图生成拓扑地图，在拓扑地图里找到前沿点，再利用Dijkstra算法搜索到最佳前沿点的最短路径，这种仅基于原始Voronoi图找前沿点的方法应用于隧道环境会忽略某些探索增益大的狭小分支，造成探索不完整，并且由于地下未知空间多分支的特性，这种探索方法应用于多分支环境会随机进入各个分支，探索效率较低。

发明内容

针对上述现有技术的不足，本发明提供一种未知空间自主探索规划方法。

为解决上述技术问题，本发明所采取的技术方案是：一种未知空间自主探索规划方法，包括如下步骤：

步骤1：通过三维激光传感器和IMU采用三维SLAM算法获取机器人当前的定位信息和感知信息生成当前环境的三维点云地图；

步骤2：在机器人周围设定一个滑动窗口，包含已探索区域和未知区域，在滑动窗口内以机器人当前位置为起点，以当前环境中的障碍物为离散点生成维诺图，并采样生成Voronoi-RRT树；

所述维诺图使用体素格式。