CN113867355B - 一种适用于荒漠复杂地形的全覆盖路径规划方法 - Google Patents
一种适用于荒漠复杂地形的全覆盖路径规划方法 Download PDFInfo
- Publication number
- CN113867355B CN113867355B CN202111180681.0A CN202111180681A CN113867355B CN 113867355 B CN113867355 B CN 113867355B CN 202111180681 A CN202111180681 A CN 202111180681A CN 113867355 B CN113867355 B CN 113867355B
- Authority
- CN
- China
- Prior art keywords
- robot
- terrain
- grid
- grids
- coverage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000005265 energy consumption Methods 0.000 claims abstract description 20
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 238000012876 topography Methods 0.000 claims abstract description 10
- 238000013519 translation Methods 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种适用于荒漠复杂地形的全覆盖路径规划方法,包括如下步骤:S1、基于平动分析和转动分析,推导最优的遍历方式;S2、利用区域分解法,进行区域分解,便于对特殊地形执行特定的遍历策略;S3、设定区域内部的覆盖和避障策略,以降低覆盖区域内部时机器人的能量消耗。本发明所述的方法可以在无需事先构建全局地图的情况下,规划出适用于复杂地形下的全覆盖路径。
Description
技术领域
本发明属于荒漠环境中路径规划技术领域,尤其是涉及一种适用于荒漠复杂地形的全覆盖路径规划方法。
背景技术
由于我国人口众多,耕地面积相对不足,为了保证粮食供应,历史上曾有过长期的无节制的开荒耕种,结果导致土地退化,荒漠化日益严重。据统计,我国荒漠化土地面积占国土面积达四分之一以上。荒漠化会破坏铁路、电力线路等基础设施,造成沙尘暴等恶劣天气状况,直接危害到自然生态平衡和人们的生存环境。土地荒漠化已经成为影响我国推进生态文明建设,实现经济可持续发展的重要制约因素。因此,治理荒漠化也一直是国家和地方都非常重视的问题。近年来,许多大规模的荒漠种植工程在中国宁夏、新疆、内蒙古等地展开,在荒漠治理上取得了比较好的效果。实践证明,治理荒漠化最有效、最彻底的方法就是通过种植植物,固沙治沙,逐步改变沙漠土壤环境,恢复生态。但是,当前的荒漠造林主要依靠人工种植养护,需要消耗大量人力,而且工作条件也比较恶劣。如果能用机器代替人,用自动化、智能化的方式完成种植和养护的工作,必定能提高治理效率、节约治理成本。
荒漠种植机器人是一种为荒漠种植而设计的机器人。它能够在荒漠中自主移动和导航,完成治沙植物的种植和养护。为了完成这些功能并且实现整个过程的自动化,自主路径规划是必不可少的一部分。
路径规划,指的是机器人根据自身结构以及外部环境信息,规划出满足任务需要的运动轨迹。对于荒漠种植机器人而言:
在种植任务中,机器人需要在一片区域内按照一定间距完全覆盖式播种,同时避开障碍物以及不适宜播种的区域,在这个过程中,整个工作区域的全局地图是未知的,需要设计在线式的全覆盖路径规划算法。与其他环境相比,荒漠环境地面高度起伏变化较大,地形比较复杂,对机器人作业的安全性和效率提出了挑战。因此荒漠种植机器人的路径规划要能够适应复杂地形的特点。目前路径规划方面的相关研究多数针对二维平面的地图进行,应用到三维地形的路径规划还研究较少,无法满足荒漠种植机器人的需要。
发明内容
有鉴于此,为克服上述缺陷,本发明旨在提出一种针对荒漠环境等复杂地形的全覆盖路径规划方法。
为达到上述目的,本发明的技术方案是这样实现的:
一方面,本发明提供了一种适用于荒漠复杂地形的全覆盖路径规划方法,包括如下步骤:
S1、基于平动分析和转动分析,推导最优的遍历方式;
S2、利用区域分解法,进行区域分解,便于对特殊地形执行特定的遍历策略;
S3、设定区域内部的覆盖和避障策略,以降低覆盖区域内部时机器人的能量消耗。
进一步的,步骤S1中,基于平动分析,推导最优的遍历方式的具体方法如下:
机器人在地形上的运动相当于在不同角度的斜面上运动,设定表示机器人运动方向与斜面上的水平线的夹角,G表示重力,Ff表示轮子所受滚动摩擦力,Fr表示机器人的动力***需要提供的力;
在大部分时间机器人处于匀速运动状态,即沿着运动方向的合力为零,设机器人质量为m,对于上坡和下坡的情况分别能得到:
Fr=mg sinφsinθ+μmg cosθ
Fr=mg sinφsinθ-μmg cosθ
设机器人在此斜面上移动的距离为S,则消耗的能量为:
E=FrS
由于上坡与下坡的总路程相同,则对上下坡的Fr取平均值:
Fr=mg sinφsinθ
则能量消耗表示为:
E∝mg sinφsinθ
当为0°时能量消耗最小,当/>为90°时能量消耗最大。
进一步的,步骤S1中,基于转动分析,推导最优的遍历方式的具体方法如下:
机器人转动的能量消耗公式如下:
其中,E为消耗的总能量,αi为每次转向的角度;
因此,减少覆盖过程中的总转向角度,可节约转向耗费的能量。
进一步的,步骤S2中,进行区域分解的具体方法如下:
对区域进行栅格划分,依据栅格高度值的变化来表示地形的变化,在机器人所在栅格处,分别检查相邻的8个栅格的高度值,与当前所在栅格的高度值做对比,若发现存在高度值当前所在栅格不同的栅格则视为地形变化,如果存在多个地形变化栅格,根据地形连续性,选取与当前栅格高度值最接近的栅格i作为地形的边界,如式所示,并记录下该点,作为回溯点;
i|min{|Hcurrent-Hi}
其中,Hcurrent表示当前栅格的高度值,Hi表示栅格i的高度值;
然后机器人行驶到i点,在相邻栅格寻找与i点高度相同的栅格并移动到这些栅格上,直到遇到无法通过的障碍或再次回到i点,将得到的一系列点作为当前区域的边界,完成区域分解。
进一步的,在执行区域内部覆盖时,还包括对区域内部的补充覆盖,具体方法如下:
首先,在区域内部覆盖过程中不把边界包括在内;
其次,在对区域内部的覆盖完成以后,令机器人回到回溯点,再次检验周围的栅格高度,如有高度与回溯点高度相同的栅格,则遍历这些栅格,这样就完成了对边界部分的补充覆盖。
进一步的,步骤S3中,覆盖策略的具体方法如下:
对当前点周围的8个栅格赋予优先级,根据优先级选择下一个遍历的栅格,以降低覆盖的重复率;
当没有检测到地形变化时,执行上述策略以实现在平地区域覆盖;
当检测到地形变化时,首先将所在的栅格抽象为斜面,斜面包括三种特征,分别为高度h,坡度θ,方向t,其中h是栅格中心点的高度;
将坡度超过一定阈值的栅格设置为障碍物,然后对其他的非障碍物栅格计算地形变化函数K;设当前栅格为current,所要计算的栅格为i,地形变化函数计算方法如下:
K=A*|hi-hcurrent|+B*|ti-tcurrent|
其中,hi表示栅格i的高度,hcurrent为当前栅格高度,ti表示栅格i的倾斜方向,tcurrent为当前栅格的倾斜方向,A和B为系数,在相邻栅格中选取K值最小的,作为下一个遍历的栅格,当存在多个K值相同的栅格时,再根据优先级选取下一个遍历的栅格。
进一步的,步骤S3中的避障策略,具体如下:
当机器人在斜面上遇到障碍物时,判断同一高度是否有未覆盖的栅格,如果有,则优先选择从已遍历的栅格一侧进行避障,否则,从未覆盖过的栅格一侧进行避障。
进一步的,还包括仿真验证方法,用于验证该全覆盖路径规划方法的效果,具体如下:
建立大小为30×30的栅格地图,地图中包括多种不同形状的特殊地形以及平地,并随机生成一些障碍物,其中,障碍物以及无法通过的地形用同一种颜色的栅格表示,可通过的地形用另一种颜色的栅格表示,控制机器人执行全覆盖指令;
仿真环境中设置多种特殊地形,观察机器人在每种特殊环境中的表现情况,特殊地形包括:
全开放式地形,指所有方向都能够通行的地形;
一面开放式地形,指一侧可以通行,其他方向均不可通行的地形;
两面开放式,指相对的两侧可以通行,另外两侧不能通行的地形;
三面开放式,指一侧不能通行,其他方向均能通行的地形。
另一方面,本发明提供了一种机器人,包括机器人本体,机器人本体接收到全覆盖工作指令时,执行上述第一方面所述的适用于荒漠复杂地形的全覆盖路径规划方法的步骤。
相对于现有技术,本发明所述的适用于荒漠复杂地形的全覆盖路径规划方法具有以下有益效果:
本方法可以在无需事先构建全局地图的情况下,规划出适用于复杂地形下的全覆盖路径;并且本方法与其他全覆盖路径规划算法相比,能在保证机器人运动线路安全性的前提下,大幅减少机器人完成全覆盖任务所需的能量消耗。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为机器人在斜面上的受力分析图;
图2为平动分析中最优和最差覆盖方式示意图;
图3为机器人原地转向示意图;
图4为本发明所述的适用于荒漠复杂地形的全覆盖路径规划方法流程图;
图5为区域分解流程图;
图6为补充覆盖对比示意图;
图7为对周围栅格赋予优先级示意图;
图8为牛耕式覆盖改进前后对比图;
图9为斜面分析示意图;
图10为执行传统避障策略遍历示意图;
图11为本发明避障策略流程图;
图12为执行本发明的避障策略遍历示意图;
图13为仿真实验栅格地图;
图14为机器人利用本发明的方法在全开放式地形下的覆盖示意图;
图15为机器人利用本发明的方法在一面开放式地形下的覆盖示意图;
图16为机器人利用本发明的方法在两面开放式地形下的覆盖示意图;
图17为机器人利用本发明的方法在三面开放式地形下的覆盖示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
实施例一
本实施例提供了一种适用于荒漠复杂地形的全覆盖路径规划方法,如图4所示,具体方法如下:
1.理论推导最优遍历方式
1.1平动分析;
机器人在地形上的运动可以抽象为在不同角度的斜面上运动,其受力分析如图1所示。虚线表示机器人运动的方向,表示运动方向与斜面上的水平线的夹角,G表示重力,Ff表示轮子所受滚动摩擦力,Fr表示机器人的动力***需要提供的力。
由于机器人平稳运行的需要,我们可以假设在大部分时间机器人处于匀速运动状态,即沿着运动方向的合力为零。设机器人质量为m,对于上坡和下坡的情况分别能得到:
Fr=mg sinφsinθ+μmg cosθ
Fr=mg sinφsinθ-μmg cosθ
设机器人在此斜面上移动的距离为S,则消耗的能量为:
E=FrS
特别的是,在全覆盖任务的条件下,由于机器人需要遍历斜面上的每一个点,因此如果,总体考虑覆盖的全过程,我们可以认为,上坡与下坡的总路程几乎相同。则可以对上下坡的Fr取平均值:
Fr=mg sinφsinθ
则能量消耗为可以表示为:
E∝mg sinφsinθ
根据上述分析可以得出结论:当为0°时能量消耗最小,当/>为90°时能量消耗最大。即从能量消耗的角度来看,对于一个斜面最好的覆盖方式为图2中a图所示的路径。最差的方式为图2中b图所示的路径。
1.2转动分析
在全覆盖路径规划的评价中,转动的分析也是必不可少的一部分,在2D平面上,对于转向的优化甚至是最主要的一部分。
本发明假设机器人采用原地转向的方式,如图3所示,对于不同的机器人结构,转动的能量消耗模型有所不同,但总体上符合如下公式,其中E为消耗的总能量,αi为每次转向的角度。
因此为了节约转向耗费的能量,应该减少覆盖过程中的总转向角度。
2.面向地形的区域分解法
为了最大限度的节约能量,本发明提出一种在线式的面向地形的区域分解方法,使得机器人实时的根据周边地形对覆盖区域做出分解,这样方便对将特殊地形执行特定的遍历策略。主要方法是在遇到地形起伏时,首先探索该地形的边界并记录,依据此边界及高度划分区域,在区域内部遍历完成之后,返回进入点并进行补充覆盖,这一步是为了防止区域覆盖不完整。完成之后离开该区域继续寻找新的特殊地形。整个流程如图5所示。
本发明依据栅格高度值的变化来探索地形的变化。在机器人所在栅格处,分别检查相邻的8个栅格的高度值,与当前所在栅格的高度值做对比,若发现存在高度值当前所在栅格不同的栅格则视为地形变化。如有多个地形变化栅格,根据地形连续性,选取与当前栅格(current)高度最接近的栅格i,作为地形的边界,如式所示。并记录下该点,作为回溯点。
i|min{|Hcurrent-Hi}
然后机器人行驶到i点,接下来不断地在相邻栅格寻找与i点高度相同的栅格并移动到这些栅格上,直到遇到无法通过的障碍或再次回到i点,将得到的一系列点作为当前区域的边界,完成区域分解。
2.2补充覆盖
当机器人按照上述步骤进入地形时,由于初始时只能沿着一个方向探索边界,因此有可能遗漏另一侧的边界部分。如果在覆盖区域内部的时候包含这一部分的遍历,则会在整个轨迹引入大量锯齿状轨迹,不仅增加了总转向角度,也增加了沿着坡度方向的移动,带来了不必要的能量消耗,如图6中a图所示(灰色部分表示无法通行的障碍),为了避免这种现象,我们的算法在区域内部覆盖过程不把边界包括在内,二是在对区域内部的覆盖完成以后,令机器人回到回溯点,再次检验周围的栅格高度,如果有高度与回溯点高度相同的栅格,则遍历这些栅格,这样就完成了对边界部分的补充,如图6中b图所示。
3.区域内部的覆盖和避障策略
通过上一步区域分解,得到了一个个地形相对单一的封闭区域,简化了问题。对于每一个区域内部,本发明提出一种覆盖及避障策略,降低覆盖区域内部时机器人的能量消耗。
3.1覆盖策略
本发明采用基于优先级遍历的方法,即按照一定的规则对相邻的栅格赋予一定的优先级,根据优先级来从相邻的可遍历栅格中选择下一个遍历的栅格。这种方法在仅有局部地图信息时非常适用。“牛耕式覆盖”即是一种优先级遍历,这里我们对“牛耕式覆盖”做出改进,拓展为8个方向,即对当前点相邻的8个栅格赋予优先级如图7所示(其中,1表示优先级最高)。
相比于“牛耕式覆盖”,这种改进能够降低覆盖的重复率,如图8所示。
当没有检测到地形变化时,我们采用上述方法在平地区域覆盖,当检测到地形变化时,我们上述基础上引入一个地形变化函数K。
当检测到地形变化时,我们首先将所在的栅格抽象为斜面。这里用三个特征来描述斜面,高度h,坡度θ,方向t。如图8所示。h是栅格中心点的高度,坡度即为图1中的θ,方向是斜面倾斜的方向,即斜面与水平面交线所成的角度,如图9所示。
根据机器人的安全性要求,将坡度过大的栅格设置为障碍物,然后对剩下的非障碍物栅格计算地形变化函数。设当前栅格为current,所要计算的栅格为i,地形变化函数计算方法如下:
K=A*|hi-hcurrent|+B*|ti-tcurrent|
hi表示栅格i的高度,hcurrent为当前栅格高度,ti表示栅格i的倾斜方向,tcurrent为当前栅格的倾斜方向,A和B为系数。在相邻栅格中选取K值最小的,作为下一个遍历的栅格。当存在多个K值相同的栅格时,再根据图7中所示的优先级来确定。称为相同高度优先式遍历。
3.2避障策略
当遇到障碍物时,传统的避障策略会优先选择经过未遍历的栅格来避障,因为这样可以降低一定的重复率,但在斜面上这种方式会破坏同高度优先遍历的原则,在后续轨迹中引入多次沿斜面方向的运动(最耗费能量的方式)和大量的转向,如图10所示。
因此当机器人在斜面上遇到障碍物时,我们采取优先从已遍历的栅格处避障的方式,具体方法如图11所示。
利用本申请的避障策略执行效果如图12所示。
4.仿真验证
4.1仿真实验
为了验证本发明提出的方法的效果,在仿真环境下模拟全覆盖的过程,并与一些同类方法做对比,主要比对不同算法在全覆盖过程中的能量消耗。
仿真实验基于matlab实现,建立大小为30×30的栅格地图,如图13所示,地图中包括多种不同形状的特殊地形以及平地,并随机生成一些障碍物。图中障碍物以及无法通过的地形都用同一种颜色的栅格表示,可以通过的点用另外一种颜色的栅格表示。使机器人从左下角出发来完成对这片地图的全覆盖。
表1全覆盖实验结果对比
42结果分析
本发明提出的方法主要优势在于适用范围广,在多种地形下都能表现出节约能量的特性。仿真环境中我们设置了多种特殊地形,本申请的方法在每种地形上的效果如下:
1)全开放式
指所有方向都能够通行的地形,在这种地形下本申请的方法会表现为内螺旋式的覆盖,然后由进入点离开地形,如图14所示;
2)一面开放式
指一侧可以通行,其他方向均不可通行的地形,在这种地形下本申请的方法表现为沿水平方向的往复式覆盖,然后由进入点离开地形,如图15所示。
3)两面开放式
指相对的两侧可以通行,另外两侧不能通行的地形。在这种地形下本申请的方法表现为以往复覆盖的方式从一侧进入地形,从另一侧离开地形,如图16所示。
4)三面开放式
指一侧不能通行,其他方向均能通行的地形。在这种地形下本申请的方法表现为内螺旋法与往复覆盖相结合的方式,并由进入点离开地形,如图17所示。
通过分析我们可以发现,传统的方法提出的双内螺旋法在全开放地形上表现良好,但是对其他类的地形适应性差,而本申请提出的算法对于多种地形都能有较好的表现,因而更能适应复杂地形条件。
实施例二
本实施例提供了一种机器人,包括机器人本体,机器人本体接收到全覆盖工作指令时,执行上述实施例所述的适用于荒漠复杂地形的全覆盖路径规划方法的步骤,该工作指令形成方式可以是自行触发也可以是接收外部指令,其中本实施例中的机器人的硬件及相关软件均能够利用现有技术实现,这里不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和***,可以通过其它的方式实现。例如,以上所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。上述单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种适用于荒漠复杂地形的全覆盖路径规划方法,其特征在于,包括如下步骤:
S1、基于平动分析和转动分析,推导最优的遍历方式;
S2、利用区域分解法,进行区域分解,便于对特殊地形执行特定的遍历策略;
S3、设定区域内部的覆盖和避障策略,以降低覆盖区域内部时机器人的能量消耗;
步骤S2中,进行区域分解的具体方法如下:
对区域进行栅格划分,依据栅格高度值的变化来表示地形的变化,在机器人所在栅格处,分别检查相邻的8个栅格的高度值,与当前所在栅格的高度值做对比,若发现存在高度值与当前所在栅格不同的栅格则视为地形变化,如果存在多个地形变化栅格,根据地形连续性,选取与当前栅格高度值最接近的栅格i作为地形的边界,如式所示,并记录下该点,作为回溯点;
i|min{|Hcurrent-Hi}
其中,Hcurrent表示当前栅格的高度值,Hi表示栅格i的高度值;
然后机器人行驶到i点,在相邻栅格寻找与i点高度相同的栅格并移动到这些栅格上,直到遇到无法通过的障碍或再次回到i点,将得到的一系列点作为当前区域的边界,完成区域分解;
步骤S3中,覆盖策略的具体方法如下:
对当前点周围的8个栅格赋予优先级,根据优先级选择下一个遍历的栅格,以降低覆盖的重复率;
当没有检测到地形变化时,执行上述策略以实现在平地区域覆盖;当检测到地形变化时,首先将所在的栅格抽象为斜面,斜面包括三种特征,分别为高度h,坡度θ,方向t,其中h是栅格中心点的高度;将坡度超过一定阈值的栅格设置为障碍物,然后对其他的非障碍物栅格计算地形变化函数K;设当前栅格为current,所要计算的栅格为i,地形变化函数计算方法如下:
K=A*|hi-hcurrent|+B*|ti-tcurrent|
其中,hi表示栅格i的高度,hcurrent为当前栅格高度,ti表示栅格i的倾斜方向,tcurrent为当前栅格的倾斜方向,A和B为系数,在相邻栅格中选取K值最小的,作为下一个遍历的栅格,当存在多个K值相同的栅格时,再根据优先级选取下一个遍历的栅格。
2.根据权利要求1所述的适用于荒漠复杂地形的全覆盖路径规划方法,其特征在于,步骤S1中,基于平动分析,推导最优的遍历方式的具体方法如下:
机器人在地形上的运动相当于在不同角度的斜面上运动,设定表示机器人运动方向与斜面上的水平线的夹角,G表示重力,Ff表示轮子所受滚动摩擦力,Fr表示机器人的动力***需要提供的力;
在大部分时间机器人处于匀速运动状态,即沿着运动方向的合力为零,设机器人质量为m,对于上坡和下坡的情况分别能得到:
Fr=mgsinφsinθ+μmgcosθ
Fr=mgsinφsinθ-μmgcosθ
设机器人在此斜面上移动的距离为S,则消耗的能量为:
E=FrS
由于上坡与下坡的总路程相同,则对上下坡的Fr取平均值:
Fr=mgsinφsinθ
则能量消耗表示为:
E∝mgsinφsinθ;
当为0°时能量消耗最小,当/>为90°时能量消耗最大。
3.根据权利要求1所述的适用于荒漠复杂地形的全覆盖路径规划方法,其特征在于,步骤S1中,基于转动分析,推导最优的遍历方式的具体方法如下:
机器人转动的能量消耗公式如下:
其中,E为消耗的总能量,αi为每次转向的角度;
因此,减少覆盖过程中的总转向角度,可节约转向耗费的能量。
4.根据权利要求1所述的适用于荒漠复杂地形的全覆盖路径规划方法,其特征在于,在执行区域内部覆盖时,还包括对区域内部的补充覆盖,具体方法如下:
首先,在区域内部覆盖过程中不把边界包括在内;
其次,在对区域内部的覆盖完成以后,令机器人回到回溯点,再次检验周围的栅格高度,如有高度与回溯点高度相同的栅格,则遍历这些栅格,这样就完成了对边界部分的补充覆盖。
5.根据权利要求1所述的适用于荒漠复杂地形的全覆盖路径规划方法,其特征在于:步骤S3中的避障策略,具体如下:
当机器人在斜面上遇到障碍物时,判断同一高度是否有未覆盖的栅格,如果有,则优先选择从已遍历的栅格一侧进行避障,否则,从未覆盖过的栅格一侧进行避障。
6.根据权利要求1所述的适用于荒漠复杂地形的全覆盖路径规划方法,其特征在于,还包括仿真验证方法,用于验证该全覆盖路径规划方法的效果,具体如下:
建立大小为30×30的栅格地图,地图中包括多种不同形状的特殊地形以及平地,并随机生成一些障碍物,其中,障碍物以及无法通过的地形用同一种颜色的栅格表示,可通过的地形用另一种颜色的栅格表示,控制机器人执行全覆盖指令;
仿真环境中设置多种特殊地形,观察机器人在每种特殊环境中的表现情况,特殊地形包括:
全开放式地形,指所有方向都能够通行的地形;
一面开放式地形,指一侧可以通行,其他方向均不可通行的地形;
两面开放式,指相对的两侧可以通行,另外两侧不能通行的地形;
三面开放式,指一侧不能通行,其他方向均能通行的地形。
7.一种机器人,包括机器人本体,其特征在于,机器人本体接收到全覆盖工作指令时,执行权利要求1-6任一所述的适用于荒漠复杂地形的全覆盖路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180681.0A CN113867355B (zh) | 2021-10-11 | 2021-10-11 | 一种适用于荒漠复杂地形的全覆盖路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180681.0A CN113867355B (zh) | 2021-10-11 | 2021-10-11 | 一种适用于荒漠复杂地形的全覆盖路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113867355A CN113867355A (zh) | 2021-12-31 |
CN113867355B true CN113867355B (zh) | 2023-07-21 |
Family
ID=78998854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111180681.0A Active CN113867355B (zh) | 2021-10-11 | 2021-10-11 | 一种适用于荒漠复杂地形的全覆盖路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113867355B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016028311A (ja) * | 2014-07-10 | 2016-02-25 | 株式会社リコー | ロボット、プログラム、及び記憶媒体 |
CN110502006A (zh) * | 2019-07-22 | 2019-11-26 | 中国矿业大学 | 一种矿区废弃地移动机器人全覆盖路径规划方法 |
CN111833445A (zh) * | 2020-06-24 | 2020-10-27 | 浙江省测绘科学技术研究院 | 一种基于多源数据的区域地形分割及数字高程模型获取方法 |
CN113157002A (zh) * | 2021-05-28 | 2021-07-23 | 南开大学 | 一种基于多无人机多基站的空地协同全覆盖轨迹规划方法 |
CN113485411A (zh) * | 2021-06-21 | 2021-10-08 | 安徽农业大学 | 一种航空精准施药三维航线规划方法 |
-
2021
- 2021-10-11 CN CN202111180681.0A patent/CN113867355B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016028311A (ja) * | 2014-07-10 | 2016-02-25 | 株式会社リコー | ロボット、プログラム、及び記憶媒体 |
CN110502006A (zh) * | 2019-07-22 | 2019-11-26 | 中国矿业大学 | 一种矿区废弃地移动机器人全覆盖路径规划方法 |
CN111833445A (zh) * | 2020-06-24 | 2020-10-27 | 浙江省测绘科学技术研究院 | 一种基于多源数据的区域地形分割及数字高程模型获取方法 |
CN113157002A (zh) * | 2021-05-28 | 2021-07-23 | 南开大学 | 一种基于多无人机多基站的空地协同全覆盖轨迹规划方法 |
CN113485411A (zh) * | 2021-06-21 | 2021-10-08 | 安徽农业大学 | 一种航空精准施药三维航线规划方法 |
Non-Patent Citations (3)
Title |
---|
Coverage Path Planning on Three-Dimensional Terrain for Arable Farming;Jin J,;《Journal of Field Robotics》;全文 * |
Towards Fully Autonomous Energy Efficient Coverage Path Planning for Autonomous Mobile Robots on 3D Terrain;Sedat Dogru;《2015 European Conference on Mobile Robots》;正文第II-V节 * |
面向荒漠复杂地形的机器人在线全覆盖路径规划方法;齐立哲;《控制与决策》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113867355A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107065867B (zh) | 一种面向未知崎岖地形的四足机器人运动规划方法 | |
Yu et al. | A bionic robot navigation algorithm based on cognitive mechanism of hippocampus | |
CN110297503B (zh) | 一种多无人***协同搜索危险源的方法 | |
CN107479558A (zh) | 基于车辆运动模型的无人车辆野外路径规划方法 | |
Janchiv et al. | Complete coverage path planning for multi-robots based on | |
CN112650256A (zh) | 一种基于改进双向rrt机器人路径规划方法 | |
CN111610786A (zh) | 基于改进rrt算法的移动机器人路径规划方法 | |
CN105867370A (zh) | 一种移动机器人全覆盖遍历混沌路径规划方法 | |
CN114895707B (zh) | 基于变频蝙蝠算法的农业无人机路径规划方法及*** | |
CN109116849A (zh) | 一种考虑无人艇运动性能的零空间行为融合在线优化方法 | |
CN114995431B (zh) | 一种改进a-rrt的移动机器人路径规划方法 | |
CN111645673A (zh) | 一种基于深度强化学习的自动泊车方法 | |
CN113867355B (zh) | 一种适用于荒漠复杂地形的全覆盖路径规划方法 | |
CN114706400A (zh) | 一种越野环境下基于改进的a*算法的路径规划方法 | |
Meng et al. | UAV 3-dimension flight path planning based on improved rapidly-exploring random tree | |
Ying et al. | Path planning of mobile robot based on Improved RRT Algorithm | |
Bloch et al. | Why robots should use fuzzy mathematical morphology | |
Li et al. | Path planning of mobile robot based on RRT in rugged terrain | |
Song et al. | A TC-RRT-based path planning algorithm for the nonholonomic mobile robots | |
Lin et al. | Application of improved RRT algorithm in unmanned surface vehicle path planning | |
CN114510030A (zh) | 一种水下爬壁清洁机器人全遍历路径规划方法及*** | |
CN114323047A (zh) | 一种基于多边形分解的全覆盖路径规划算法 | |
Chen et al. | Improved particle swarm optimization algorithm for automatic entering parking space based on spline theory | |
Figurowski et al. | Hybrid path planning for mobile robot using known environment model with semantic layer | |
Tian et al. | Capplanner: Adaptable to various topology and locomotion capability for hexapod robots |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |