基于轨迹支持场的移动机器人不确定动态环境导航方法
本发明涉及移动机器人自主导航与动态障碍物避让,尤其涉及一种基于轨迹支持场的移动机器人不确定动态环境导航方法。
背景技术:
1、移动机器人在人群环境中执行导航任务时,需要同时考虑静态障碍物、动态行人、局部通行空间以及行人运动不确定性。与静态环境相比,密集人群环境中的行人可能出现突然转弯、突然停止、突然启动、横穿通道等非平稳运动行为。此类行为会降低短时运动预测模型的可靠性,使机器人未来可行运动空间不断收缩、扩张或偏移。
2、现有局部规划方法通常通过距离场、占据栅格、速度障碍、模型预测控制或采样优化等方式完成避障和轨迹选择。上述方法在一定程度上能够实现动态避障,但是仍存在以下问题:
3、第一,部分方法主要依据障碍物当前位置或单一预测轨迹进行避障,缺少对未来可行运动空间变化的显式表征,在行人运动不确定性较强时容易出现频繁重规划、速度波动和控制振荡。
4、第二,部分方法通过距离或碰撞风险评价单条候选轨迹的安全性。该类评价能够反映当前轨迹与障碍物之间的几何距离,却难以反映轨迹周围是否存在足够的可替代运动空间。当两条轨迹均满足无碰撞约束时,处于狭窄通道中的轨迹通常对预测误差更敏感,而处于较开阔区域中的轨迹具有更强的冗余性和鲁棒性。现有方法往往没有充分利用这种可行空间冗余结构。
5、第三,传统基于采样的局部规划方法可以生成多条候选轨迹,但如果每一种速度或交互行为均重新进行空间采样,会增加计算量;若仅采用单一速度进行时间分配,则难以同时表达快速通行、减速避让、同向跟随等多种人机交互行为。
6、因此,有必要提出一种能够在动态不确定人群环境中同时考虑行人预测、时空碰撞约束、局部可行空间冗余以及多速度交互行为的移动机器人导航方法,以提高机器人导航的安全性、平滑性、实时性和鲁棒性。
技术实现思路
1、本发明提供一种移动机器人不确定动态环境导航方法,旨在至少解决现有技术中存在的技术问题之一。
2、本发明的技术方案为一种移动机器人不确定动态环境导航方法,所述方法包括以下步骤:
3、s100、在每个局部规划周期内,获取机器人状态信息、静态障碍物地图信息和行人观测状态信息;
4、s200、建立行人运动预测模型和非对称个人交互空间,得到行人时空交互空间;
5、s300、建立机器人可达运动空间,剔除静态障碍物在状态时间空间中的占据区域后,得到可行状态时间空间;
6、s400、生成多组多项式空间路径并进行多期望速度时间参数化;
7、s500、基于行人时空交互空间进行时空碰撞检测,得到无碰撞候选轨迹集合;
8、s600、构建用于反映局部区域被无碰撞候选轨迹共同支持程度的轨迹支持强度的安全冗余场;
9、s700、基于多目标代价函数选择最优轨迹。
10、本发明的技术方案还涉及一种计算机装置,包括存储器和处理器,所述处理器执行储存在所述存储器中的计算机程序时实施上述的方法。
11、本发明的技术方案还涉及一种计算机可读存储介质,其上储存有计算机程序指令,所述计算机程序指令被处理器执行时实施上述的方法。
12、根据本发明的一些实施例,本发明的有益效果如下:
13、(1)本发明不是仅评价单条轨迹与障碍物之间的距离,而是根据无碰撞候选轨迹在局部空间中的分布密度评价局部可行运动空间冗余度,能够引导机器人优先选择更开阔、更稳定且对预测扰动更不敏感的区域。
14、(2)本发明通过对共享空间路径进行多期望速度时间参数化,在不显著增加空间采样量的情况下生成具有不同到达时刻和不同交互行为的时空候选轨迹,从而兼顾快速通行、减速避让和同向跟随行为。
15、(3)本发明将行人个人空间从单时刻扩展到预测时域内的时空占据区域,并结合驻留时间阈值进行碰撞检测,能够减少机器人侵入行人交互空间的风险,提高导航安全性和舒适性。
16、(4)本发明构建的轨迹密度安全冗余场具有连续性和平滑性,可以直接作为局部轨迹优化代价项使用,有利于减少轨迹振荡和频繁重规划。
17、(5)本发明能够应用于走廊会车、同向跟随、门口通行、交叉通道避让以及密集人群穿行等多种动态人机交互场景。
18、此外,本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
1.一种移动机器人不确定动态环境导航方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,步骤s100中,
3.根据权利要求1所述的方法,其特征在于,步骤s200中,基于线性卡尔曼预测模型,设行人预测状态为:
4.根据权利要求1所述的方法,其特征在于,步骤s200中,考虑人机交互中的安全距离和社会舒适性,对每个预测时刻的行人构建非对称个人交互空间:
5.根据权利要求1所述的方法,其特征在于,步骤s300中,由于机器人在有限速度约束下不能瞬时到达任意位置,设机器人当前位置为 ,最大平动速度为 ,则机器人到达任意空间点 的最小可达时间为:
6.根据权利要求1所述的方法,其特征在于,步骤s400中,在机器人局部状态空间中采样多组多项式空间路径,并将多项式空间路径连接为路径树,其中,由多项式空间路径组成的集合表示为:
7.根据权利要求1所述的方法,其特征在于,步骤s500中,
8.根据权利要求1所述的方法,其特征在于,步骤s600中,将获得的无碰撞轨迹投影至二维栅格空间,统计各栅格单元中的无碰撞轨迹分布以获得初始轨迹支持值;对所述初始轨迹支持值进行邻域聚合及空间平滑处理,形成轨迹支持场;根据候选轨迹沿途对应的轨迹支持场数值确定候选轨迹的轨迹支持程度,其中,所述轨迹支持程度用于表征候选轨迹所在区域的可行运动空间丰富程度以及候选轨迹对环境不确定性的容忍能力,
9.根据权利要求1所述的方法,其特征在于,步骤s700中,在获得无碰撞候选轨迹集合 和轨迹密度安全冗余场 后,构建综合优化目标,所述综合优化目标包括可行空间冗余代价、行人交互代价、导航效率代价和轨迹平滑代价;
10.一种计算机装置,包括存储器和处理器,其特征在于,所述处理器执行储存在所述存储器中的计算机程序时实施如权利要求1至9中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com