清洁机器人及其动态环境下全覆盖路径规划方法

摘要

本发明公开了一种清洁机器人及其动态环境下全覆盖路径规划方法，该方法包括：S1、创建表示全局环境的栅格地图；S2、如果整个栅格地图都被覆盖，则清洁机器人停止工作；如果没有，则执行S3；S3、更新当前规划窗口内的环境信息；S4、使用波前算法生成当前规划窗口内的波阵图；S5、调用距离变换算法生成一条局部覆盖路径；S6、清洁机器人沿着规划好的路径移动一格，如果当前规划窗口侧边一列的栅格都被覆盖过，则规划窗口前进一格；如果没有，则规划窗口保持不动；S7、返回S2，直至整个栅格地图都被覆盖。本发明通过激光雷达传感器实时探测局部区域的环境，并以探测到的数据为基础规划局部区域的覆盖路径，具备在动态环境中自主覆盖的能力。

说明书

技术领域

本发明涉及移动机器人及路径规划技术领域，特别是涉及一种清洁机器人及其动态环境下全覆盖路径规划方法。

背景技术

回顾国内外清洁机器人技术这十多年的发展历程，发展趋势已经由最初的实现清洁功能转变为如今追求更高智能性。目前主要创新主要是针对机器人的自主导航技术，比如实时路径规划技术。

清洁机器人进行全覆盖路径规划的前提是具有环境地图创建以及自我定位的能力。在环境地图创建方面，可以通过采用沿边学习等方式，利用机器人上安装的传感器获取环境的信息并以此为基础建立描述环境特征的栅格地图。在地图建立之后，机器人可以采用简单往返运动的方式对环境进行覆盖，在静态环境下这基本可以完成指定区域的覆盖任务。但现实中的大多数场景(家庭室内、商场、车站等)充满许多不确定因素，比如行走的人。传统的路径规划方法难以处理这种含有动态物体的不确定环境。

因此，针对目前在动态环境下清洁机器人覆盖技术存在的问题，有必要提供一种清洁机器人及其动态环境下全覆盖路径规划方法。

发明内容

有鉴于此，本发明的目的在于提供一种清洁机器人及其动态环境下全覆盖路径规划方法，以解决动态环境下机器人的覆盖问题。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种清洁机器人，所述清洁机器人上安装有激光雷达传感器，激光雷达传感器扫描以获取滚动窗口内的环境信息，所述滚动窗口包括激光雷达传感器扫描形成的扫描窗口及位于扫描窗口内的规划窗口，清洁机器人在所述规划窗口内基于距离变换算法规划覆盖路径。

作为本发明的进一步改进，所述激光雷达传感器进行360°转动，所述扫描窗口为一圆形区域。

作为本发明的进一步改进，所述规划窗口为一矩形区域。

本发明另一实施例提供的技术方案如下：

一种清洁机器人动态环境下全覆盖路径规划方法，所述方法包括：

S1、创建表示全局环境的栅格地图；

S2、如果整个栅格地图都被覆盖，则清洁机器人停止工作；如果没有，则执行S3；

S3、更新当前规划窗口内的环境信息；

S4、使用波前算法生成当前规划窗口内的波阵图；

S5、调用距离变换算法生成一条局部覆盖路径；

S6、清洁机器人沿着规划好的路径移动一格，如果当前规划窗口侧边一列的栅格都被覆盖过，则规划窗口前进一格；如果没有，则规划窗口保持不动；

S7、返回S2，直至整个栅格地图都被覆盖。

作为本发明的进一步改进，所述步骤S5中的距离变换算法具体为：

在栅格地图，通过对每个自由栅格赋权值，代表与目标栅格的距离。

作为本发明的进一步改进，所述步骤S5具体为：

在生成好的波阵图上，从目标点开始选择周围权值最高的栅格，以上一时刻选择的栅格为新的起点，再次寻找该栅格周围权值最大的栅格，不断重复以上步骤，直至生成一条连接所有空闲栅格的路径。

作为本发明的进一步改进，所述步骤S5中，寻找该栅格周围权值最大的栅格时若有两个及以上权值相同且未被访问的栅格，则随机选取一个。

作为本发明的进一步改进，所述步骤S6中，若规划窗口的侧边移动至与栅格地图的边界重合时，在规划窗口内的区域覆盖完之前，规划窗口的位置保持不变。

作为本发明的进一步改进，所述方法还包括：

对栅格地图进行全局搜索，找出由于动态障碍物而导致没有被覆盖的栅格，再进行第二次覆盖。

本发明的有益效果是：

本发明通过将激光雷达传感器安装在清洁机器人上来实时探测局部区域的环境，并以探测到的数据为基础规划局部区域的覆盖路径，使清洁机器人具备在动态环境中自主覆盖的能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一具体实施方式中滚动窗口的示意图；

图2为本发明一具体实施方式中清洁机器人动态环境下全覆盖路径规划方法的流程图；

图3a～3b为本发明一具体实施方式中规划窗口内的波阵图及覆盖路径的生成图；

图4a～4h为本发明一具体实施方式中清洁机器人覆盖整个栅格地图的步骤示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明一实施方式中公开了一种清洁机器人，该清洁机器人上安装有激光雷达传感器，激光雷达传感器可以进行360°转动扫描以获取滚动窗口内的环境信息，以确保清洁机器人周围的区域都能被实时探测到。

参图1所示，本实施方式中的滚动窗口包括扫描窗口及位于扫描窗口内的规划窗口，清洁机器人在所述规划窗口内基于距离变换算法规划覆盖路径。扫描窗口是一个圆形的区域，区域的大小由清洁机器人上激光雷达传感器的探测范围决定。规划窗口是位于扫描窗口内的一块局部矩形区域，该区域的大小可以根据实际需要来进行调整。另外，滚动窗口的尺寸也可被适当的放大，以获得较大范围内的局部信息。

参图2所示，本发明另一实施方式中清洁机器人动态环境下全覆盖路径规划方法，其在滚动窗口内调用距离变换算法生成局部区域内的覆盖路径，该方法具体包括：

S1、创建表示全局环境的栅格地图；

机器人采用沿边学习等方式，用安装在清洁机器人上的激光雷达传感器预先探测环境，建立能表示环境特征的栅格地图，地图上的栅格分为两类：空闲的和被占据的，机器人以创建的栅格地图为基础，对区域进行覆盖。

S2、如果整个栅格地图都被覆盖，则清洁机器人停止工作；如果没有，则执行S3；

S3、更新当前规划窗口内的环境信息；

S4、使用波前算法生成当前规划窗口内的波阵图；

S5、调用距离变换算法生成一条局部覆盖路径；

在栅格地图，通过对每个自由栅格赋权值，代表与目标栅格的距离。在生成好的波阵图上，从目标点开始选择周围权值最高的栅格，以上一时刻选择的栅格为新的起点，再次寻找该栅格周围权值最大的栅格，不断重复以上步骤，直至生成一条连接所有空闲栅格的路径。若有两个及以上权值相同且未被访问的栅格，则随机选取一个。

S6、清洁机器人沿着规划好的路径移动一格，如果当前规划窗口侧边(最左侧或最右侧)一列的栅格都被覆盖过，则规划窗口前进一格；如果没有，则规划窗口保持不动；

若规划窗口的侧边(右侧或左侧)移动至与栅格地图的边界重合时，在规划窗口内的区域覆盖完之前，规划窗口的位置保持不变。

S7、返回S2，直至整个栅格地图都被覆盖。

参图3所示，本实施方式中所提到的使用距离变换算法是在栅格地图的基础上提出来的，栅格地图将环境分解成一系列网格单元，栅格有空闲和被占据两种形式。通过对每个自由栅格赋距离值，代表与目标栅格的距离。具体做法如下：在栅格地图上设定一个开始单元(start cell)和目标单元(goal cell)，将目标单元的权值设为0，0周边空闲单元的权值设为1，l周边空闲单元的权值设为2，依此类推，直到开始单元也被赋上权值才停止，图3a所示是一张生成好的波阵图。

当波阵图生成后，便可以开始栅格(start cell)为起点规划覆盖路径，首先选择开始栅格(start cell)周围权值最高的栅格，如果此时恰好有两个及以上权值相同且未被访问的栅格，则随机选取一个，以上一时刻选择的栅格为新的起点，再次寻找该栅格周围权值最大的栅格，不断重复以上步骤，直至到达终点G为止。这个寻找覆盖路径的过程类似于使用伪梯度的方式，从起始点逐渐递减至目标点，图3b展示了在图3a的基础上生成的一条覆盖路径，如图中的线段所示。该覆盖算法最大的特点是起始点(start cell)和终点(goalcell)可以根据实际需要任意的设定，设定好之后按照生成的覆盖路径进行遍历，机器人可以高效地完成该区域的覆盖任务。

为了对本方法进行更详细的说明，以下将结合图4对整个覆盖过程进行更为详细的分析，具体如下：覆盖前，清洁机器人根据掌握的全局地图的先验知识，生成一张用栅格法表示的环境地图。在该地图中，黑色栅格表示被静态障碍物占据的区域，浅灰色栅格表示被动态障碍物占据的区域，白色栅格表示可覆盖区域覆盖区域，如图4a所示。

覆盖过程中，根据激光雷达传感器实时探测到的信息，以点G为起点生成滚动窗口内的波阵图，以生成的波阵图为基础，调用距离转换算法规划出一条覆盖路径，机器人以点S为起点对区域进行覆盖，如图4b所示。清洁机器人沿着规划好的路径进行覆盖，每覆盖完一个栅格后(深灰色栅格表示已覆盖)，清洁机器人都将根据激光雷达传感器探测的数据对规划窗口内的环境信息进行更新，并以此为基础生成新的波阵图以及新的覆盖路径，如图4c所示。当机器人覆盖完位于滚动窗口内最左边的一列栅格后，规划窗口将右移一格，如图4d。

当规划窗口的最右边与栅格地图的边界重合时，在规划窗口内的区域覆盖完之前，规划窗口的位置将不再发生改变，如图4e所示。此时，每当清洁机器人覆盖完一个栅格后，仍然需要对窗口内的地图进行更新并生成新的覆盖路径。

当清洁机器人完成这一区域的覆盖后，将采用全局搜索的方式寻找下一个待覆盖区域，如图4f所示，清洁机器人从当前位置移动至下一个待覆盖区域。当清洁机器人移动到下一个区域后，将采用同样的方法对这一片区域进行覆盖。

当清洁机器人完成对整张地图的一次覆盖后，图中仍然存在着由于动态障碍物而导致没有被覆盖的栅格，如图4g所示。此时将对地图进行全局搜索，找出那些没有被覆盖的栅格，再进行第二次覆盖。最终覆盖完成后的样子，如图4h所示。

具体算法如下：

Algorithm：Rolling complete coverage pathplanning based on DistanceTransformAlgorithm

Step1：Ifall the workspace is covered,the robot stop；ifnot,go to Step2.

Step2：Update the environmental information in the currentrollingwindow.

Step3:Use Wavefront Algorithm to produce the Wavefront-Map of theenvironment inthe currentrolling window.

Step4:Generate a local optimal coverage path with Distance TransformAlgorithm.

Step5:The robot forward a step.Ifthere is no uncovered grid on theedge of the current rolling window,the rolling window rolls forward a step.Ifnot,the rolling window rollsjust stop there.

Step6:Returnto Step1.

应当理解的是，本实施方式中的规划窗口在栅格地图中的滚动是从左向右、自上而下的顺序，在其他实施方式中也可以规划为其他的顺序，此处不再一一举例进行说明。

由上述技术方案可以看出，本发明具有以下有益效果：

通过将激光雷达传感器安装在清洁机器人上来实时探测局部区域的环境，并以探测到的数据为基础规划局部区域的覆盖路径，使清洁机器人具备在动态环境中自主覆盖的能力；

本发明能够完成复杂动态环境下的全覆盖任务，清洁机器人的整个覆盖过程中具有规划性，工作效率较高，在路径长度、重复率等参数方面具有明显的优势。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。