本發(fā)明屬于機器人路徑規(guī)劃，涉及一種融合模擬植物生長(gpr)算法與動態(tài)窗口法(dwa)的巡檢機器人路徑智能規(guī)劃方法。

背景技術(shù)：

1、隨著人工智能技術(shù)的發(fā)展和成熟，以及物聯(lián)網(wǎng)、云計算、5g技術(shù)的普及，以替代人工巡檢為目的的智能巡檢機器人已經(jīng)應用到越來越多的領(lǐng)域。工廠生產(chǎn)線、idc機房、電力線路以及很多需要定期、頻繁巡查的生產(chǎn)環(huán)境，都有了智能巡檢機器人的身影。對于路徑規(guī)劃問題，大多場景下移動機器人所處的環(huán)境為未知的、動態(tài)的，部分區(qū)域會存在環(huán)境改變等問題。動態(tài)障礙物的運動狀態(tài)難以準確預測，無法依賴靜態(tài)地圖規(guī)劃出安全可靠的路徑。這對路徑規(guī)劃模塊無疑是一種極大的挑戰(zhàn)。因此，如何提高機器人路徑規(guī)劃的準確性，提高巡檢時效性是本領(lǐng)域技術(shù)人員亟需解決的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種融合gpr與dwa算法的巡檢機器人路徑智能規(guī)劃方法，該方法包括廠區(qū)整體點云數(shù)據(jù)獲取、局部地圖劃分、全局路徑規(guī)劃與局部路徑規(guī)劃，在廠區(qū)環(huán)境下機器人局徑規(guī)劃中引入模擬植物生長算法和動態(tài)窗口法，評估移動機器人最優(yōu)避障路徑，提高移動機器人動態(tài)環(huán)境下路徑規(guī)劃避障效率和安全性。

2、一種融合gpr與dwa算法的巡檢機器人路徑智能規(guī)劃方法，包括以下步驟：

3、步驟1、機器人搭載激光雷達對廠區(qū)進行掃描，人為遙控機器人繞廠區(qū)一周，獲得廠區(qū)整體點云數(shù)據(jù)；

4、步驟2、基于步驟1獲取的點云數(shù)據(jù)建立廠區(qū)整體柵格地圖；

5、步驟3、基于巡檢需求在步驟2建立的廠區(qū)整體柵格地圖中標記檢測節(jié)點、起點和終點；

6、步驟4、依據(jù)巡檢計劃，對步驟3標記的檢測節(jié)點進行編號排序，按巡檢先后對廠區(qū)整體柵格地圖進行分塊劃分，對部分出口進行封閉，分塊進行路徑規(guī)劃，減少計算量；

7、步驟5、計算光強度：

8、計算機器人周圍8個柵格到目標柵格的距離，其中：8個柵格分別記為上、下、左、右、左上、右上、左下和右下，在計算距離時，分別在x、y軸上計算當前柵格到目標柵格的距離，光強與距離長度成反比，當前網(wǎng)格到目標網(wǎng)格在x軸方向上的光強度oax和當前網(wǎng)格到目標點在y軸方向上的光強度oay的計算公式分別為：

9、

10、式中，ox為當前網(wǎng)格到目標網(wǎng)格在x軸方向上的距離，oy為當前網(wǎng)格到目標點在y軸方向上的距離；

11、步驟6、計算遮光強度：

12、步驟61、將上、下、左、右四個方向上每個柵格的單位距離設(shè)置為1，左上、右上、左下和右下四個方向上每個柵格的單位距離設(shè)置為

13、步驟62、遇到障礙物或邊界時，停止前進，記錄上、下、左、右、左上、右上、左下、右下每個方向的所有網(wǎng)格個數(shù)n，然后乘以相應的單位距離，得到最終的距離，距離長度與遮光強度成反比，遮光強度s的計算公式如下：

14、

15、式中，n為機器人周圍的八個柵格到障礙物或邊界的所需網(wǎng)格數(shù)；s為遮光強度；

16、步驟7、計算總光強：

17、分別計算機器人周圍8個柵格的總光強，總光強的計算公式為：

18、sx＝s×cosθ

19、sy＝s×sinθ

20、rx＝oax-sx

21、r＝oa-s

22、

23、式中，θ為機器人周圍八個柵格與當前位置的角度(如方向為右的柵格，角度取0°，右上取45°)；sx為遮光強度在x軸方向上的分量；sy為遮光強度在y軸方向上的分量；rx為總光強在x軸上的分量；ry為總光強在y軸上的分量；r為總光強；oax為當前網(wǎng)格到目標網(wǎng)格的x軸方向光強，oay為當前網(wǎng)格到目標網(wǎng)格的y軸方向光強；

24、步驟8、運動方向確定：

25、基于步驟7得到的總光強，選擇總光強最大的方向為機器人移動方向；

26、步驟9、記錄路徑坐標，根據(jù)機器人每步的移動方向，記錄機器人軌跡坐標，得到機器人全局路徑(xj,yj)；

27、步驟10、確定速度空間：

28、基于機器人本身條件限制、周圍障礙物、電機性能的限制，小車的線速度及角速度會在一個范圍內(nèi)活動，具體限制條件如下：

29、機器人速度受自身速度限制時，其線速度vm及角速度ωm限制條件為：

30、

31、式中，vmin、vmax分別為機器人所能達到的最小、最大速度；ωmin、ωmax分別為機器人所能達到的最小、最大角速度；

32、機器人受電機性能限制時，其線速度va，及角速度ω，a限制條件為：

33、

34、式中，vc、ωc分別為機器人當前的線速度、角速度；va、ωa分別為機器人的線速度加速度絕對值、最大角速度加速度絕對值；δt為單位時間；

35、機器人受障礙物限制時，其線速度vs及角速度ωs限制條件為：

36、

37、式中，d為障礙物與機器人之間的距離；

38、基于上述三個條件，可共同確定一個速度空間，速度活動空間由vm、va，和vs共同確定；同理，加速度活動空間由ωm、ω，a和ωs共同確定，在速度活動空間及加速度活動空間內(nèi)分別對線速度v和角速度ω隨機取樣，組成一系列速度組[vi,ωi]；

39、步驟11、速度空間評估：

40、建構(gòu)基于光強度、遮光強度和與全局路徑的接近度三個因素組成的評價函數(shù)對速度空間中的每組速度代表的軌跡進行評估，選擇最優(yōu)速度組，評價函數(shù)的公式如下：

41、g(v,ω)＝σ(β·b(vi,ωi)+α·smax(vi,ωi)+γ·p(vi,ωi))

42、式中，α、β和γ均為評價函數(shù)的系數(shù)，σ表示歸一化，各分項公式如下：

43、

44、式中，d,為障礙物與機器人之間距離，d為機器人與終點間距離，(xa,ya)為機器人在當前速度組下的軌跡終點坐標，(xj,yj)為機器人全局路徑坐標，n為全局路徑軌跡坐標個數(shù)；m為速度組中隨機取樣個數(shù)；

45、步驟12、確定最優(yōu)軌跡：

46、選擇使g(v,ω)最小的速度組作為最優(yōu)速度組，從而得到局部路徑軌跡，完成全局路徑規(guī)劃及局部路徑規(guī)劃任務。

47、相比于現(xiàn)有技術(shù)，本發(fā)明具有如下優(yōu)點：

48、本發(fā)明基于巡檢節(jié)點對柵格地圖進行劃分，采用分塊路徑規(guī)劃，算法運行時間短，可以較快規(guī)劃出全局最優(yōu)路徑；融合模擬植物生長算法和動態(tài)窗口法實現(xiàn)了復雜動態(tài)環(huán)境下的局部路徑智能規(guī)劃，可以有效應對有障礙物的情景。

技術(shù)特征：

1.一種融合gpr與dwa算法的巡檢機器人路徑智能規(guī)劃方法，其特征在于所述方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的融合gpr與dwa算法的巡檢機器人路徑智能規(guī)劃方法，其特征在于所述評價函數(shù)的公式如下：

技術(shù)總結(jié)
本發(fā)明公開了一種融合GPR與DWA算法的巡檢機器人路徑智能規(guī)劃方法，所述方法包括廠區(qū)整體點云數(shù)據(jù)獲取、局部地圖劃分、全局路徑規(guī)劃與局部路徑規(guī)劃，在廠區(qū)環(huán)境下機器人局徑規(guī)劃中引入模擬植物生長算法和動態(tài)窗口法，評估移動機器人最優(yōu)避障路徑，提高移動機器人動態(tài)環(huán)境下路徑規(guī)劃避障效率和安全性。本發(fā)明基于巡檢節(jié)點對柵格地圖進行劃分，采用分塊路徑規(guī)劃，算法運行時間短，可以較快規(guī)劃出全局最優(yōu)路徑；融合模擬植物生長算法和動態(tài)窗口法實現(xiàn)了復雜動態(tài)環(huán)境下的局部路徑智能規(guī)劃，可以有效應對有障礙物的情景。

技術(shù)研發(fā)人員：馬聰,賴智顯,唐亮,鄭展鵬,孔祥勛,吳偉,叢晟亦,許世達,許寶森,陳瑞琦
受保護的技術(shù)使用者：廈門市政環(huán)境科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19