一种基于广义波前算法的移动机器人实时避障方法

摘要

一种基于广义波前算法的动机器人实时避障方法，该方法包括下述步骤：对整个栅格图进行代价值更新；在代价值更新后的栅格图上设定多个目标点；获取机器人所在位置到所有目标点的原始避障路径；对所有原始避障路径进行二次路径优化，并输出所有优化后的避障路径以及避障路径的最小曲率半径；对所有优化后的避障路径求避障路径总代价值的总和，并输出总和最小的避障路径，则该避障路径就是算法输出的最优避障路径；由寻线算法来解释最优避障路径，并输出机器人的横向控制量；由速度判断算法来解释最优避障路径的最小曲率半径，并输出移动机器人的纵向控制量。本发明能够满足移动机器人的运动学模型，从而能直接用来作为移动机器人的横向控制量。

说明书

技术领域

本发明公开了一种基于广义波前算法的自适应多目标移动机器人避障方 法，属于人工智能领域。

背景技术

避障方法对于移动机器人来说是一项关键技术，每一个移动机器人都有自 己一套独特的避障策略。目前最常见的是用于局部路径规划的VFH系列避障算 法和用于局部路径规划的A*系列避障算法。VFH系列避障算法根据正前方障碍 物的密度来给出横向控制量，因此避障路径十分的灵活。但是这种特性既是它 的优点同时也是它的缺点。因为这种避障路径的随意性，会造成移动机器人行 驶缺乏目的性，不利于避障结束后恢复沿着预定轨迹正常行驶。A*系列避障算 法，会在移动机器人的前方设定唯一的目标点，然后规划出唯一的避障路径。 这种方法由于目标点的唯一性，会造成生成的避障路径十分的死板，避障路径 缺乏必要的灵活性。除此之外，A*系列避障算法，产生的避障路径一般为折线 避障路径，不能直接用来作为移动机器人的横向控制量。

本发明采用全新的避障算法，既能够兼顾上述两种算法的优点，又能够很 好的克服它们自身的缺点。本算法是在广义波前算法的基础之上，通过结合多 目标点技术和避障路径二次优化技术，使算法生成的避障路径，能够同时兼顾 目的性和灵活性，并且满足移动机器人的运动学模型，从而能够直接用来作为 移动机器人的横向控制量。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于广义波前算法的多 目标点、平滑路径的移动机器人路径避障算法。

本发明的目的是通过以下的技术方案实现的：

S1由广义波前算法以移动机器人所在的栅格为中心栅格，对整个栅格图进 行更新。

本方法的非线性膨胀函数用于对雷达检测到的车辆周围的障碍物进行膨 胀。栅格图采用多层次栅格图，每层栅格分别表示事物的一种属性。算法以移 动机器人所在的栅格为起始栅格，采用迭代方式对栅格图中每个栅格的代价值 进行更新，并且更新栅格代价值的过程中不设定目标点。

S2在更新后的栅格图上设定多个目标点。

本算法中在已经更新过代价值的栅格图上，设定以先验轨迹点为中心点的 多个目标点，并且设定的目标点距离车的纵向距离的大小能够根据环境的变化 自动调整。

S3获取移动机器人所在位置到所有目标点的原始避障路径。

S4对所有原始避障路径进行二次路径优化，并输出所有优化后的避障路径 以及避障路径的最小曲率半径。

二次路径优化算法中，生成的优化路径共有左并线避障路径、右并线避障 路径、左转弯避障路径、右转弯避障路径、原始波前避障路径五种避障路径。 并线避障路径采用的是余弦轨迹避障路径。转弯避障路径采用的是1/4圆弧轨迹 避障路径。

S5对所有优化后的避障路径，求其所包含的所有栅格的总代价值的总和， 并输出总和最小的避障路径，则该避障路径就是算法输出的最终的最优避障路 径。

S6由寻线算法来解释最优避障路径，并输出移动机器人的横向控制量。

S7由速度判断算法来解释最优避障路径的最小曲率半径，并输出机器人的 纵向控制量。

附图说明

图1为本发明方法的工作流程图。

图2为用于生成左并线避障路径的函数曲线图。

图3为用于生成右并线避障路径的函数曲线图。

图4为用于生成左转弯避障路径的函数曲线图。

图5为用于生成右转弯避障路径的函数曲线图。

具体实施方式

结合实施例及附图1-5对本发明作进一步详细的描述，但本发明的实施方式 不限于此。

实施例

本实施例是一种基于广义波前算法的移动机器人实时避障方法，包括下述 步骤：S1由广义波前算法获取多条原始避障路径；S2由二次路径优化算法输出 最优避障路径及其最小曲率半径；S3由寻线算法输出横向控制量；S4由速度判 断算法输出纵向控制量。

步骤1中，广义波前算法所用的栅格图为多层次栅格图，每层栅格分别表 示事物的一种属性。膨胀函数采用的是非线性膨胀函数。本实施例中非线性膨 胀函数采用y＝a*(log(b)-log(x-c))/log(2)，其中参数a取值为25，参数b取值为5， 参数c取值为5。对栅格图中每个栅格的代价值的更新，采用的是迭代方式。广 义波前算法更新栅格代价值的起始栅格为移动机器人所在的栅格，并且更新栅 格代价值的过程中不设定目标点。在已经更新过代价值的栅格图上，设定以先 验轨迹点为中心点的多个目标点。设定的目标点距离车的纵向距离的大小能够 根据环境的变化自动调整。同时生成多条避障路径，并对这些避障路径进行二 次路径优化，然后从这些优化后的避障路径中选出最优的避障路径。

步骤2中，二次路径优化算法生成的优化路径共有左并线避障路径、右并 线避障路径、左转弯避障路径、右转弯避障路径、原始波前避障路径等5种避 障路径。并线避障路径采用的是余弦轨迹避障路径。转弯避障路径采用的是1/4 圆弧轨迹避障路径。左并线避障路径采用y＝-A*cos(2*pi/T*(x-X))+A+Y作为路 径优化函数，右并线避障路径采用y＝A*cos(2*pi/T*(x-X))-A+Y作为路径优化函 数，左转弯避障路径采用y＝(R.^2-(x-X-R).^2).^(1/2)+Y作为路径优化函数，右 转弯避障路径采用y＝-(R.^2-(x-X-R).^2).^(1/2)+Y作为路径优化函数。其中A、 T、X、Y、R等参数，在系统运行时，根据移动机器人周围环境的变化动态生 成。

步骤3中，采用寻线算法来确定横向偏移量，从而控制移动机器人的横向 运动。

步骤4中，采用速度判断算法来判定当前能够允许的最大行驶速度，从而 控制移动机器人的纵向运动。

上述实施例为本发明较佳的实施方式，并不受上述实施例的限制，其他的 任何未背离本发明的精神实质与原理下所做的改变、修饰、替代、组合、简化， 均应为等效的置换方式，都包含在本发明的保护范围之内。