CN108762256B - 一种机器人规避相对高速障碍物的方法 - Google Patents

Abstract

本发明涉及机器人的技术领域，更具体地，涉及一种机器人规避相对高速障碍物的方法。本发明提供的方法用于机器人在最大速度受限的情况下，动态躲避高速障碍物的方法。弥补了传统速度障碍法在面对高速障碍物的情况下，容易出现无法得到可行解的情况。该方法提出了扩展速度障碍区域的思路，将速度障碍扩展成两部分，一部分是传统速度障碍法求出的速度障碍区域，另一个是当前速度域下，会导致下一个控制周期无法求出可行解的速度区域。采用这种方法可以保证在机器人最大速度收到限制时，下一个控制周期时可以保持有解，从而减小机器人碰撞障碍物的风险。并基于该算法提出了用于轮式移动机器人的方法。

Description

一种机器人规避相对高速障碍物的方法

技术领域

本发明涉及机器人的技术领域，更具体地，涉及一种机器人规避相对高速障碍物的方法。

背景技术

随着科学技术的发展，机器人技术逐渐和人类的生产工作结合起来，在军事、工业与服务业都得到了广泛的应用。尤其是地面机动机器人，由于其安全性和可靠性高，在测绘和运输上可以替代人类的劳动力。在一个复杂场景中，有可能会存在静止和运动中的障碍物，机器人在这种环境中工作，首先要避免自身与障碍物碰撞，所以，在未知环境中如何有效的避开合作式与非合作式的障碍物是机器人研究领域中的关键问题。传统的避障问题多在于规避静态障碍物或者将障碍物在一个控制周期内视为静止的，据此规划机器人在当前时刻的运动。这种简化方法只适用于一个完全静止的环境或者是障碍运动缓慢的场景中，实时性较差。由于动态障碍物中障碍物的运动速度和方向可能存在很多不确定的因素，所以需要对障碍物进行动态避障。同时，对机器人的传感器精度速度和算法的实时性提出了更高的要求。

局部的动态避障问题着重与在机器人移动期间，当接收到传感器反馈的信息之后实时调整自身的速度来改变自身的轨迹，从而避免与障碍物发生碰撞，其中传感器的检测策略和避障控制算法是至关重要的。

现有技术中，人工势场法是一种简单易行的方法之一。人工势场法将场景看做一个势场空间，机器人的目标点是整个势场的势能最低点，对机器人有吸引力；各个障碍物产生对机器人的斥力作用，产生高势能。机器人在运动的过程中更倾向于往低势能点运动，即在斥力和吸引力的共同作用下，机器人完成对障碍物的规避以及运动到期望点。人工势场法是一个简单易用的方法，在低复杂低速变化的场景中可以得到很好的利用。但是在障碍物复杂的场景中，由于机器人的模型约束，斥力产生的作用不可能无限大。同时，在障碍物处于运动状态时，人工势场法容易产生震荡和反应不及时等等问题。在障碍物数量较多、场景复杂的场景中，人工势场法容易陷入局部最优从而停止运动。

速度障碍法通过建立速度障碍区域对机器人的运动速度进行约束，保证移动机器人速度只要在速度障碍区域之外，在时间窗τ之内不会与障碍物发生碰撞，可以用于静止和动态障碍物的避碰。对VO算法的研究与实现是当前的热门课题。最早的速度障碍方法提出于1998年，经过多年的发展，衍生出多种不同的改进版本，用于解决不同VO方法中的缺陷与不足。Jur van den Berg研究团队基于速度障碍法提出了了一种互惠式避障算法(Reciprocal Collision Avoidance,RCA)。此方法通过多机器人之间各自承担部分责任进行避障，解决了VO算法必须承担全部责任的问题，增大了机器人的速度可行域，解决了当机器人自身与障碍机器人采取相同避障策略时候产生的震荡问题，使得该方法在多机器人避障领域中得到了较为广泛的应用。速度障碍法实际使用中对机器人传感器精度和定位精度有着比较高的要求，同时由于是速度域中求解，要求机器人在一定范围内可以忽略加速度的约束，所以在一些场景中可能出现避障不及时的情况。同时在场景中存在高速障碍物时，速度障碍法易产生无解的情况。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷，提供一种机器人规避相对高速障碍物的方法，本方案针对机器人面对相对高速障碍物的场景中，可能容易无法产生可行解的问题，提出了一种解决方案。本方案基于改进的互惠式速度障碍算法，提出了扩展其速度障碍区域的思路，对下一个会导致无解的位置点进行预测，同时映射到当前的新速度选择，扩展新的速度障碍区域。新的速度障碍区域产生之后，得到的速度可行解可以保证下一个时间窗内依然能够产生新的速度可行解，进而降低机器人在避障过程中无法避障的风险。同时提出了将该方法用于轮式移动机器人的方法。

本方案针对机器人面对相对高速障碍物的场景中，可能容易无法产生可行解的问题，提出了一种解决方案。本方案基于改进的互惠式速度障碍算法，提出了扩展其速度障碍区域的思路，对下一个会导致无解的位置点进行预测，同时映射到当前的新速度选择，扩展新的速度障碍区域。新的速度障碍区域产生之后，得到的速度可行解可以保证下一个时间窗内依然能够产生新的速度可行解，进而降低机器人在避障过程中无法避障的风险。本方案适用于障碍物的速度大小方向在短时间内不会发生剧烈变化的情况。

本发明的技术方案是：一种机器人规避相对高速障碍物的方法，其中，包括以下步骤：

S1.利用机器人机载传感器感知周围障碍物的位置和速度，并且可以得到机器人与障碍物的相对位置和相对速度。由于是机载传感器探测得到的位置信息和速度信息，得到的数据皆为相对值。同时根据机器人机载传感器可以得到自身的速度，故障碍物的实际速度可以将将相对速度与机器人自身速度相加而得到。

S2.定义机器人A与障碍物O的半径分别为r_A、r_O，位置为p_O|A＝p_O-p_A。定义在位置域下碰撞区域为：

D(p_O-p_A,r_A+r_O)＝{q|q-(p_O-p_A)<r_A+r_O}

定义τ为预先定义的时间窗(即多久时间内不会发生碰撞)。通过时间窗系数τ，将目前机器人在位置域下分析，转换成速度域下分析。换句话说，将相对位置与半径之和分别除以时间系数τ，即可将其从位置域转化为速度域下表示。D(p,r)＝{q|||q-p||<r}，代表以p为中心r为半径的圆域。D(0,v_i ^max)代表机器人的速度限制。带时间窗的速度障碍可以定义为：

S3.下面我们扩展上述的VO速度障碍空间。机器人与障碍物的相对速度为v_A|O＝v_A-v_O。定义

为机器人的新的相对位置与相对速度。

由于时间窗较短，在短时间内我们假设障碍物的速度大小与方向不变。障碍物下一个位置的坐标

故新的相对位置可以表示为

S4.如果在下一个控制周期时，根据新的相对位置

而画出的新的速度障碍区域

包含了机器人的速度约束区域

(这里用相对位置表示)，那么机器人则无法逃出新的速度障碍区域。公式可以表示为

当这一时刻的

选择在

区域中，下一个τ时刻就会导致上述无法产生可行解的情况发生。故需要扩展原有的速度障碍

新的速度障碍区域为

和

的交集。

S5.新速度的选取规则。定义指向机器人目标点的期望相对速度为

机器人的新速度选择需要逃离上述定义的扩展后速度障碍区域。

S6.针对轮式移动机器人，存在运动学模型约束，即速度的约束区域并不是一个圆形。不再是假设每一个轮子的最大转速为

差速轮式机器人的前进速度和转速都收到了轮速的限制。下式表示前进线速度和转速的最大约束，其中K_s为轮子转速与线速度的转换系数，不同场景中可能会有不同的取值：

|v(t)|≤v_max-l|ω(t)|/2

S7.由于线速度和转速的限制，轮式移动机器人在跟随期望速度的过程中，轨迹上会产生误差。我们的思路是控制这个误差在一个固定的范围内ε，从而根据ε得到新的速度约束。根据几何关系，有：

其中v_d和θ_d为期望速度和期望速度方向角。可以看出上式是一个关于速度v的二次函数，当v在驻点v_m时，误差有最小值。

其中T为转动到期望角度的时间，需要预先设定。如果T设置过小，

小于ω_max，机器人将使用全部轮子转速来满足期望角速度。

S8.假设机器人优先满足达到期望角度，可以得到在期望速度大小和期望速度方向已知的情况下，传给机器人执行器的速度和角速度映射(根据差速轮式机器人的运动学模型)。

在角速度和线速度分别在三种情况中按照上式映射之后，可以得到三种情况下的不同最大误差：

当期望角度θ_d固定之后，上式是一个只与v_d大小相关的分段函数。由于ε_max是预先设定的，进而可以得到v_d可以取的最大值与θ_d的关系。

S9.根据v_d与θ_d的关系，可以得到一个封闭的包含非线性边界的速度可行区域，记为S_ND。线性简化后的速度可行区域为P_ND，定义相对于障碍物速度v_O的相对速度可行域为P_ND-O。

S10.得到新的速度可行域之后的新速度选取方法用公式表示为：

S11.得到新的相对速度之后，需要加上机器人的速度来得到新的机器人期望速度。新速度作为期望速度传递给下层的执行器。

与现有技术相比，有益效果是：本方案针对机器人面对相对高速障碍物的场景中，可能容易无法产生可行解的问题，提出了一种解决方案。本方案基于改进的互惠式速度障碍算法，提出了扩展其速度障碍区域的思路，对下一个会导致无解的位置点进行预测，同时映射到当前的新速度选择，扩展新的速度障碍区域。新的速度障碍区域产生之后，得到的速度可行解可以保证下一个控制周期依然能够产生新的速度可行解，进而降低机器人在避障过程中无法避障的风险。同时提出了将该方法用于轮式移动机器人的方案。

附图说明

图1为场景中障碍物与机器人的位置关系图。

图2为机器人无法逃离速度障碍区域的示意图。

图3为扩展速度障碍区域的举例图。

图4为轮式移动机器人运动学模型图。

图5为轮式移动机器人得到的速度约束区域图。

图6为轮式机器人速度约束与MVO结合。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

实施例1

为了解决以上提出的技术问题，本发明提出的技术方案是：

一种改进的速度障碍方法，扩展原有VO算法的速度障碍区域，具体实施步骤如下：

S1.利用机器人机载传感器感知周围障碍物的位置和速度，并且可以得到机器人与障碍物的相对位置和相对速度。由于是机载传感器探测得到的位置信息和速度信息，得到的数据皆为相对值。同时根据机器人机载传感器可以得到自身的速度，故障碍物的实际速度可以将将相对速度与机器人自身速度相加而得到，如图1。

S2.定义机器人A与障碍物O的半径分别为r_A、r_O，位置为p_O|A＝p_O-p_A。定义在位置域下碰撞区域为：

D(p_O-p_A,r_A+r_O)＝{q|q-(p_O-p_A)<r_A+r_O}

定义τ为预先定义的时间窗(即多久时间内不会发生碰撞)。通过时间窗系数τ，将目前机器人在位置域下分析，转换成速度域下分析。换句话说，将相对位置与半径之和分别除以时间系数τ，即可将其从位置域转化为速度域下表示。D(p,r)＝{q|||q-p||<r}，代表以p为中心r为半径的圆域。

代表机器人的速度限制。带时间窗的速度障碍且无法逃出速度障碍的情况可以定义为：

如图2，如果速度一直处于速度障碍区域内，在时间窗τ时间后会与障碍物相撞。

S3.下面我们扩展上述的VO速度障碍空间。机器人与障碍物的相对速度为v_A|O＝v_A-v_O。定义

为机器人的新的相对位置与相对速度。

由于时间窗较短，在短时间内我们假设障碍物的速度大小与方向不变。障碍物下一个位置的坐标

故新的相对位置可以表示为

S4.如果在下一个控制周期时，根据新的相对位置

而画出的新的速度障碍区域

包含了机器人的速度约束区域

(这里用相对位置表示)，那么机器人则无法逃出新的速度障碍区域。公式可以表示为

当这一时刻的

选择在

区域中，下一个τ时刻就会导致上述无法产生可行解的情况发生。故需要扩展原有的速度障碍

新的速度障碍区域为

和

的交集，例如图3。

S5.新速度的选取规则。定义指向机器人目标点的期望相对速度为

机器人的新速度选择需要逃离上述定义的扩展后速度障碍区域。

S6.针对轮式移动机器人，存在运动学模型约束(图4)，即速度的约束区域并不是一个圆形。不再是假设每一个轮子的最大转速为

差速轮式机器人的前进速度和转速都收到了轮速的限制。下式表示前进线速度和转速的最大约束，其中K_s为轮子转速与线速度的转换系数，不同场景中可能会有不同的取值：

|v(t)|≤v_max-l|ω(t)|/2

S7.由于线速度和转速的限制，轮式移动机器人在跟随期望速度的过程中，轨迹上会产生误差。我们的思路是控制这个误差在一个固定的范围内ε，从而根据ε得到新的速度约束。根据几何关系，有：

其中v_d和θ_d为期望速度和期望速度方向角。可以看出上式是一个关于速度v的二次函数，当v在驻点v_m时，误差有最小值。

其中T为转动到期望角度的时间，需要预先设定。如果T设置过小，

小于ω_max，机器人将使用全部轮子转速来满足期望角速度。

S8.假设机器人优先满足达到期望角度，可以得到在期望速度大小和期望速度方向已知的情况下，传给机器人执行器的速度和角速度映射(根据差速轮式机器人的运动学模型)。

在角速度和线速度分别在三种情况中按照上式映射之后，可以得到三种情况下的不同最大误差：

当期望角度θ_d固定之后，上式是一个只与v_d大小相关的分段函数。由于ε_max是预先设定的，进而可以得到v_d可以取的最大值与θ_d的关系式。

S9.根据上式可以得到一个封闭的包含非线性边界的速度可行区域，记为S_ND。线性简化后的速度可行区域为P_ND(如图5)，定义相对于障碍物速度v_O的相对速度可行域为P_ND-O。由于速度约束区域旋转不变性，可以先假设速度方向为x轴正方向，划出约束区域之后再根据当前运动方向进行旋转。如图5中的黑色矩形。

S10.得到新的速度可行域之后的新速度选取方法用公式表示为：

新速度的选取方法如图6所示。

S11.得到新的相对速度之后，需要加上机器人的速度来得到新的机器人期望速度。新速度作为期望速度传递给下层的执行器。

针对机器人面对相对高速障碍物的场景中，可能容易无法产生可行解的问题，提出了一种解决方案。本方案基于改进的互惠式速度障碍算法，提出了扩展其速度障碍区域的思路，对下一个会导致无解的位置点进行预测，同时映射到当前的新速度选择，扩展新的速度障碍区域。新的速度障碍区域产生之后，得到的速度可行解可以保证下一个控制周期依然能够产生新的速度可行解，进而降低机器人在避障过程中无法避障的风险。同时提出了将该方法用于轮式移动机器人的方案。

在当前时刻的期望速度选择在“下一个周期不可解”区域中

时，下一个τ时刻就会导致无法产生可行解的情况发生。扩展原有的速度障碍

新的速度障碍区域为

和

的交集。方案给出了扩展速度障碍的求法以及扩展后新的速度障碍区域的例子。

将新方法与轮式移动机器人模型相结合，提出了将新方法用于轮式移动机器人的方案。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (1)

1.一种机器人规避相对高速障碍物的方法，其特征在于，包括以下步骤：

S1.利用机器人机载传感器感知周围障碍物的位置和速度，并且可以得到机器人与障碍物的相对位置和相对速度；由于是机载传感器探测得到的位置信息和速度信息，得到的数据皆为相对值；同时根据机器人机载传感器可以得到自身的速度，故障碍物的实际速度可以将相对速度与机器人自身速度相加而得到；

S2.定义机器人A与障碍物O的半径分别为r_A、r_O，位置为p_O|A＝p_O-p_A；定义在位置域下碰撞区域为：

D(p_O-p_A,r_A+r_O)＝{q|q-(p_O-p_A)<r_A+r_O}

定义τ为预先定义的时间窗系数；通过时间窗系数τ，将目前机器人在位置域下分析，转换成速度域下分析；换句话说，将相对位置与半径之和分别除以时间窗系数τ，即可将其从位置域转化为速度域下表示；D(p,r)＝{q|||q-p||<r}，代表以p为中心r为半径的圆域；D(0,v_A ^max)代表机器人的速度限制；带时间窗的速度障碍可以定义为：

S3.扩展上述速度障碍的 空间；机器人与障碍物的相对速度为v_A|O＝v_A-v_O；定义

为机器人的新的相对位置与相对速度；

由于时间窗较短，在短时间内假设障碍物的速度大小与方向不变；障碍物下一个位置的坐标

故新的相对位置可以表示为

S4.如果在下一个控制周期时，根据新的相对位置

而画出的新的速度障碍区域

包含了机器人的速度约束区域

那么机器人则无法逃出新的速度障碍区域；公式可以表示为

当这一时刻的

选择在

区域中，下一个τ就会导致上式无法产生可行解的情况发生；故需要扩展原有的速度障碍

新的速度障碍区域为

和

的交集；

S5.新速度的选取规则；定义指向机器人目标点的期望相对速度为

机器人的新速度选择需要逃离上述定义的扩展后速度障碍区域；

S6.针对轮式移动机器人，存在运动学模型约束，即速度的约束区域并不是一个圆形；假设每一个轮子的最大转速为

差速轮式机器人的前进速度和转速都受到了轮速的限制；下式表示前进线速度和转速的最大约束，其中K_s为轮子转速与线速度的转换系数，不同场景中有不同的取值；

|v(t)|≤v_max-l|ω(t)|/2

S7.由于线速度和转速的限制，轮式移动机器人在跟随期望速度的过程中，轨迹上会产生误差；控制这个误差在一个固定的范围ε内，从而根据ε得到新的速度约束；根据几何关系，有：

其中v_d和θ_d为期望速度和期望速度方向角；可以看出上式是一个关于速度v的二次函数，当v在驻点v_m时，误差有最小值；

其中T为转动到期望角度的时间，需要预先设定；如果T设置过小，

小于ω_max，机器人将使用全部轮子转速来满足期望角速度；

S8.假设机器人优先满足达到期望角度，可以得到在期望速度大小和期望速度方向已知的情况下，传给机器人执行器的速度和角速度映射；

在角速度和线速度分别在三种情况中按照上式映射之后，可以得到三种情况下的不同最大误差：

当期望角度θ_d固定之后，上式是一个只与v_d大小相关的分段函数；由于ε_max是预先设定的，进而可以得到v_d可以取的最大值与θ_d的关系；

S9.根据v_d与θ_d的关系，可以得到一个封闭的包含非线性边界的速度可行区域，记为S_ND；线性简化后的速度可行区域为P_ND，定义相对于障碍物速度v_O的相对速度可行域为P_ND-O；

S10.得到新的速度可行域之后的新速度选取方法用公式表示为：

S11.得到新的相对速度之后，需要加上机器人的速度来得到新的机器人期望速度；新速度作为期望速度传递给下层的执行器；

Images