[发明专利]一种基于采样和路径参数化的轨迹规划方法

说明书

本发明公开了一种基于采样和路径参数化的轨迹规划方法，包括如下步骤：S1、利用TOPPRA算法来获得每一步路径速度平方的采样范围K_i(i＝1,...,N)；S2、从i＝1开始到N，每一步都在K_i范围上进行采样后计算是否满足三阶约束，确保最终的轨迹不会违反各个约束；S3、在每一步中计算可连接的情况下计算两点之间所需要的时间，最终计算整个路径下时间最短所涉及的点连成的轨迹；S4、根据采样时间求解每一时刻系统的系统构型进行控制。本发明能够有效处理有三阶约束的时间最优轨迹规划中的冲击约束，提高机器人使用的安全性，以及有效地保护机器人关节等硬件不会因为快速执行任务而过快地损坏，降低日常频繁维修的风险。

技术领域

本发明涉及机器人轨迹规划技术领域，特别是涉及一种基于采样和路径参数化的轨迹规划方法。

背景技术

机器人的自主性对于工业和日常生活里的应用变得越来越重要，其能进一步提高生产效率，使得制造业在价格和质量上形成更有利的竞争；在日常生活中能代替人们处理重复且枯燥的工作，或人机协作提高人们的工作效率。

机器人自主性的提高涉及到诸多相关领域近几十年的技术发展，包括计算机视觉，机器学习，控制，传感器等。相比于传统的机器人，现代智能机器人系统需具备的一个重要特征是运动规划。

在工作环境中，给定目标状态，运动规划能找到一系列的控制输入，使得机器人在不违背约束的情况下从初始状态运动到目标状态。运动规划由路径规划(空间)和轨迹规划(时间)组成。

路径规划旨在空间中找到一系列从初始位置到目标位置要经过的路径点，目标是使路径与障碍物的距离尽量大，同时路径的长度尽量短，其不涉及通过该路径所用的时间，速度等信息。路径规划最流行的方法之一是基于采样的规划方法，如RRT(Rapidlyexploring random trees，快速搜索随机树)，PRM(Probabilistic roadmaps，概率路线图)及其一系列的改进算法。在这些规划器中，碰撞检测是其最重要且最耗时的一个模块，为降低耗时碰撞检测的方法也得到了很广泛的研究。

轨迹规划是在路径规划的基础上加入时间序列信息，对机器人执行任务时的速度与加速度进行规划，以满足光滑性和速度可控性等要求。轨迹规划又可以分为时间最优轨迹规划，冲击最优轨迹规划，能量最优轨迹规划，混合最优轨迹规划(如时间-冲击最优轨迹规划)。时间最优轨迹规划是在实际任务中最为需要的，因为其可以提高生产率和工作效率，同时也是研究最为广泛的。满足二阶约束(如加速度约束)的时间最优轨迹规划的方法研究已经很成熟了，但是对于三阶约束(冲击或扭矩率)或冲击最优的研究还有很大的发展空间。当约束的阶数越高时，不确定性也越高，非线性的特征为找到计算耗时短的方案增加了难度。一般的轨迹规划方法有插值算法(如多项式插值，B样条插值等)，S-Curve(S曲线)算法，路径参数化算法等。路径参数化算法中的TOPPRA(Time-Optimal PathParameterizationbased on ReachabilityAnalysis，基于可达分析的时间最优路径参数化)算法是当前处理二阶约束的时间最优轨迹规划算法中较为高效的算法。

在机器人日益应用到日常生活服务的趋势中，除了对机器人的执行时间有要求之外，安全性问题也至关重要。而有效处理冲击约束，不仅可以提高机器人使用的安全性，还能有效地保护机器人关节等硬件不会因为快速执行任务而过快地损坏，降低了日常频繁维修的风险。

TOPPRA算法是现有的时间最优轨迹规划中最为高效的方法，其涵盖了深厚的理论知识，且利用了MPC(Model Predictive Control，模型预测控制)中的可达性分析方法提高了计算效率。然而现有的TOPPRA算法没有考虑冲击约束情况下的时间最优，一味要求时间短，会导致加速度变化过快而出现冲击非常大的情况，其存在安全隐患，且容易损耗系统。