动态环境下机器人的侧滑力建模.docxVIP

动态环境下机器人的侧滑力建模 路径规划是自主移动机器人研究的一个基本问题。这项任务是在有障碍物的工作环境中找到适合机器人的路径，并安全地绕过所有障碍物，达到目标点。根据机器人对环境信息的熟悉程度，可分为全球路径规划和局部路径规划，根据环境中障碍物的运动，可分为动态环境路径规划和静态环境路径规划。在动态环境下研究本地路径规划问题。 全局规划问题已有很多成熟的算法,如可视图法、单元分解法、自由空间法等连通图构建法和深度优先、广度优先、A*、D*等连通图路径搜索法.这些算法可以规划得到最优路径,但计算量很大,不适用于只具有局部感知能力的机器人实时路径规划. 局部路径规划法计算量相对较小,容易满足实时性的要求,但不能保证规划路径的全局最优.常用方法有人工势场法和反应式避障法.其中人工势场法是由Khatib提出的一种虚拟力法.它的基本思想是目标点对机器人产生吸引力,障碍物对机器人产生排斥力,引力和斥力周围由一定的算法产生相应的势,从而在自由空间中形成人工势场,机器人沿着势场方向避开障碍物到达目标点.该方法虽被广泛采用,但还存在着以下几方面的缺陷: (1)局部最小会导致陷阱状态;(2)难以在空间相近的障碍物之间找到路径;(3)在窄走道上会出现摆动行为;(4)在障碍物前会出现振荡行为. 为了克服势场法的上述缺陷,本文提出了侧滑力思想,将障碍物对机器人的虚拟斥力改进为侧滑力,利用各障碍物间侧滑力之和来引导机器人避障,并在机器人进入避障安全状态后,由目标吸引力来引导趋向目标的运动.考虑到在局部路径规划中,机器人能获知的环境信息很有限,在局部做出的任何规划在全局层次上的优化意义都是非常有限,因此,本文没有在算法中强调路径全局优化的意义,而是更重视其在空间相近障碍物中的继续前进、窄走道与障碍物前的路径稳定,以及局部最小陷阱状态的跳出,仅当机器人进入稳定安全的避障区域后,才考虑路径优化问题;同时,提出了基于路径记录和监测来检测陷阱状态,利用沿墙走策略跳出陷阱的方法.仿真实验结果证明了算法的有效性. 1 机器人的安全避障行为 传统势场法下的虚拟力方向如图1所示,斥力Fr由障碍物指向机器人,引力Ft由机器人指向目标点,在两个力的合力作用下机器人绕开了障碍走向目标.但这种力的产生方式容易使机器人陷入局部极小点,或在相近的障碍物间找不到路径,不能前进,如图2所示.基于此,笔者提出了侧滑力的概念,即障碍物的斥力并非简单地由障碍物指向机器人,而是偏向某一侧,如图3所示.每一个检测范围内的障碍物都会产生相应的侧滑力以使机器人避开自己.通过这些力的合力,机器人便得到这一周期的目标速度,并在该速度的引导下实现安全避障.图4给出了多障碍物下的情况.障碍物1与2对机器人产生的侧滑力Fr1、Fr2均靠近目标点朝向,因此合力Fr也靠近该方向,从而使机器人选择穿过障碍物,最便捷地到达目标点,而不是从其他路径绕过障碍物. 算法整体流程如图5所示.机器人首先读取局部环境检测信息,识别障碍物,获得每个障碍物属性值,并根据障碍物分布得到虚拟侧滑力合力.其次,机器人检测当前所处状态,若已能安全避障,则机器人进行趋向目标点的运动;否则机器人利用障碍物虚拟侧滑力的指导进行避障.经过上述规划后,机器人将得到的运动指令发送到执行机构,完成算法在这个周期的计算. 所谓安全避障状态是指机器人当前暂时没有避障的需要,而可以转而趋向目标点运动的状态.当满足下述条件之一时机器人处于安全避障状态: 1) 检测范围内没有障碍物; 2) 目标处于检测角度范围内,且目标方向没有检测到障碍物,机器人能够通过; 3) 目标方向处有障碍物阻挡,但机器人已按照虚拟力的指引进行避障,没有与障碍物碰撞的危险. 安全避障状态下的机器人只接受目标点吸引力作用,产生朝向目标点的给定速度,在该目标速度的指引下走向规划终点.安全避障状态规划是机器人在只有局部检测能力的情况下对目标点的一种趋向.它使机器人避免陷于障碍物虚拟力的指引,忙于避障而忽视目标点的引导作用. 2 左、右模式 侧滑力的关键问题是其方向和力量的选择,即侧滑力应偏向哪一侧、偏向角度多少以及侧滑力本身的大小.由于侧滑力作用在机器人上的表现方式是给予机器人以目标速度,本文给出的是侧滑力作用下对速度向量的计算,而不是力的计算.对于静态障碍物,侧滑力的计算步骤如下: Step1 获取障碍物属性信息.得到激光测距信息后,机器人需要对这些信息进行划分归类,以区分出不同的障碍物并计算各自的侧滑力.本文算法利用超声传感器建立环境模型的方法来得到障碍物分布信息.该方法利用传感器测距数据上的跳变作为障碍物存在的边界,从而区分出不同障碍物.所获的每个障碍物属性内容包括:在机器人坐标系下,该障碍物的最近点距离dobs_i、方向θobs_i.其中dobs_i表示归属于该障碍物的所有测距值中的最