一種動態環境中機器人安全自主規劃導航方法技術

本發明專利技術提供了一種動態環境中機器人安全自主規劃導航方法，屬于機器人導航領域；其特征在于主要包括如下步驟：動態障礙物表示法、表示法和假設、ASIPP算法、理論分析及時限圖表示5個步驟；通過結合ARA*(實時A*規劃方案)和用SIPP運行weight?A*搜索能力把SIPP擴展成實時搜索，顯著地提高了在大規模環境中的規劃速度。除了提供實時規劃方案之外，還提供了對解決方案代價的完整性和次優性理論的保證；在實際操作上，本發明專利技術在有著50個動態障礙物的巨大地圖上規劃時間并參數化路徑，結果顯示本發明專利技術能夠基于時間范圍為0.05秒內得到初始解決方案并且能夠給予充足的時間來提升解決方案使其達到最優化。

【技術實現步驟摘要】
一種動態環境中機器人安全自主規劃導航方法
本專利技術屬于機器人導航領域，尤其涉及一種動態環境中機器人安全自主規劃導航方法。
技術介紹
無論是自主巡航的機動車還是無人駕駛飛機，幾乎所有的機器人都應該具備在人，寵物，汽車等移動個體面前從一個地方到另一個地方安全導航的能力。為了實現這個功能，機器人應該對動態障礙物近期可能處于的位置進行預判并同時產生一段的能夠避免碰撞的路徑。同時，由于機器人對動態障礙物軌跡的預測在持續變化，因此機器人也需要在很短的時間里來規劃這些路徑。如何在動態環境中以有限的時間規劃可靠的路徑顯得至關重要。動態環境在時間域規劃上構成實時約束。如果一個規劃方案需要很長的時間來得到一個新路徑，那么機器人很有可能和一個移動的障礙物發生碰撞。許多對動態障礙物的處理方法是將它們模型化成初始運行軌跡下的具有高代價的短窗口靜態障礙物。這個方法非常有效率，但存在次優性的缺點；還有的方法是只在執行路徑規劃的情形下和使用相鄰障礙物避免方法下來考慮動態障礙物(仍然將它們看作靜態障礙物)，但是可能在局部小范圍會出現停滯和卡頓；另一個對局部規劃方案的替代方法是采用速度障礙物，速度障礙物能夠決定和引導與移動障礙物碰撞的控制，盡管這個方法相對來說更加準確，但是它仍然會引起局部小范圍問題；有一些方法在全面的時間-空間規劃尋找路徑。Silver’sHCA*算法是用來為多個機器人實現規劃，但是只適用于很少的動態障礙物情形下，正如SIPP方法下的實驗結果，而且該算法所花費的時間比實時時間要長。SIPP在動態環境下是一種快速的優化方案，由于對每個空間位置來說時間步長的數量是無限的，因此在狀態空間中對時間進行劃分來作為一個明確的維度相對相對較慢。SIPP把時間步長壓縮成相鄰的安全時間間隔指數。因此對于每個安全時間間隔和每個空間位置只有一個單獨的狀態。在線實現用時間來進行規劃并同時需要處理動態障礙物是十分困難的，因為二次規劃的連續需求在執行周期中強制形成嚴格的約束條件。為了明確實時約束條件，一系列的方法被用于犧牲其次優性來保證效率。RRT-variants在能夠處理更多復雜機器人動態運動學約束下的高維度搜索空間來實現快速規劃。然而，這些基于采樣的方法不能夠保證所爭取的優化性。RRT*是一種近期任何時候基于采樣的方法，這種方法在限制條件下能夠得出優化方案。然而，當規劃時間結束時，這個算法不能提供關于這個方案到底有多合適的任何相關信息，另一方面，對于每個解決方案，實時搜索策略在次優性與優化方案相比下有數值的上界。
技術實現思路
本專利技術的目的在于針對上述技術中存在的缺陷，提出了一種動態環境中機器人安全自主規劃導航方法。通過結合ARA*(實時A*規劃方案)和用SIPP運行weightA*搜索能力把SIPP擴展成實時搜索，在實時SIPP規劃方案之上，從時間界限網格中采取時間范圍。顯著提高了機器人在大規模環境中規劃速度；本專利技術除了提供實時規劃方案之外，還提供了對解決方案代價的完整性和次優性理論的保證。為了實現上述目的，本專利技術提供的技術方案如下：一種動態環境中機器人安全自主規劃導航方法，其特征在于包括如下步驟：步驟1、動態障礙物表示法：用特定的方法來表示環境中動態障礙物并統一這一表示；所述特定方法為：假設存在另一個能夠跟蹤環境中動態障礙物的系統，該系統存在一系列動態障礙物并且把每個障礙物看成具有運動軌跡和半徑的球體，一條軌跡是由一系列的點組成，而每個點有表明其構成和時間的狀態變量，這些軌跡中的點按照時間順序排列，通過讀取這些點的順序來預測未來一段時間障礙物的運動軌跡并進行統一表示；步驟2、表示法和假設：該步驟中描述了如何表示和解釋機器人的路徑規劃算法；步驟2.1、描述了機器人在環境中的空間構型以及表示方法，假設規劃問題是用圖來表示，每個在圖中的狀態量s由兩部分組成：機器人的空間構型向量記作x(s)和標量安全時間間隔指數記作interval(s)；步驟2.2、定義了機器人在搜尋路徑過程中的一系列參數：其中包括狀態量s的定義，在機器人的搜尋路徑過程中，每個狀態量s有一個變量記作g(s)，這個變量是從初始狀態到s狀態的最出名路徑所花費的代價；啟發式函數h(s)是從s狀態到目標狀態的代價估計，假設這個啟發式函數是一個常量，這意味著它不會大于到目的點的代價并且滿足三角不等式；狀態轉變所花費的時間代價c(s，s’)，從s狀態到其中一個繼承狀態s’的轉變或者邊緣代價記作c(s，s’)；步驟2.3、表明ASIPP算法和SIPP具備相同的假設前提：c(s，s’)等價于從s狀態到s’狀態的行動執行時間；步驟3、ASIPP算法：ASIPP算法是ARA*算法和SIPP算法二者的結合并進行一些擴展和修改的算法，緊接著提出了兩個算法；步驟3.1、算法1是ARA*算法的主體循環并得出目前所得到的解決方案的次優性范圍；步驟3.1.1、初始顯示用戶提供的初始參數ε的初始搜索機制，之后減少ε的值(用戶可以自定義減少的值)并且再運行搜索直到到達最優解(ε＝1)；步驟3.1.2、在步驟3.1.1每次搜索過程中，INCONS列表會被找到的成本更低的路徑的狀態填滿，由于它們已經很接近因此不會被用于再擴展；步驟3.1.3、步驟3.1.2中所述成本更低的路徑的狀態需要在下一次搜索迭代中被再次擴展，同時，這些被放入OPEN列表的狀態有機會在下一次搜索迭代中被擴展，最后計算ε’的值，得出目前所找到的解決方案的次優性范圍。步驟3.2、算法2是一個單獨的在SIPP下實現的weightedA*搜索機制；步驟3.2.1、通常在weightedA*中，在OPEN列表的狀態中，有著最小f值的狀態被擴展直到目標值在OPEN列表中有代價最小的f值，一個狀態s的f值是g(s)和h(s)的一個函數，當s在OPEN列表中，起擴展狀態s的優先權的作用；步驟3.2.2、一個狀態s擴展過程開始時，此處迭代循環所有可能的移動基元，這些移動基元能夠在沒有與靜態環境發生碰撞的情況下被采用，變量x’是進行移動m后到狀態s的空間構型x(s)之后的機器人結束時所處的空間構型；步驟3.2.3、創建了最小的和最大的機器人能夠基于它能夠離開安全間隔s最早和最晚的次數來到達x’次數；步驟3.2.4、算法2通過一個等待操作，然后再移動m，將一個后繼在盡可能早的時間放到位于x’的每個安全間隔；步驟4、理論分析：主要是通過提出兩個定理來驗證算法的完整性和最優性；步驟4.1、定理1：任何時候SIPP算法是完整的，當算法結束時，它對于動態障礙物和靜態障礙物分別返回了一個到目標點的安全距離，其前提是這樣的一條路徑存在于給定規劃問題的圖形表示；步驟4.2、定理2：當規劃時間結束時，通過任何時候SIPP算法返回的結果所花費的代價不會比ε’倍最優解所花費的代價大；步驟5、時限圖表示：當規劃方案處于動態或者不確定的環境中，它通常不會在未來很長的時間內依賴于預測的障礙物行為，時限圖就是基于上述理論創建出一個由兩種狀態組成的圖：一個狀態是由結構和時間間隔所決定，即高維度狀態；另一個狀態只由空間構型決定，即低維度狀態。所述的步驟5中還可以考慮用SIPP和任何時候SIPP把時限表達方式放進基于安全區間的圖形表示方法中，限制對應的截斷動態障礙物預測軌跡的持續時間本文檔來自技高網...

【技術保護點】
一種動態環境中機器人安全自主規劃導航方法，其特征在于，包括如下步驟：步驟1、動態障礙物表示法：用特定的方法來表示環境中動態障礙物并統一這一表示；所述特定方法為：假設存在另一個能夠跟蹤環境中動態障礙物的系統，該系統存在一系列動態障礙物并且把每個障礙物看成具有運動軌跡和半徑的球體，一條軌跡是由一系列的點組成，而每個點有表明其構成和時間的狀態變量，這些軌跡中的點按照時間順序排列，通過讀取這些點的順序來預測未來一段時間障礙物的運動軌跡并進行統一表示；步驟2、表示法和假設：該步驟中描述了如何表示和解釋機器人的路徑規劃算法；步驟2.1、描述了機器人在環境中的空間構型以及表示方法，假設規劃問題是用圖來表示，每個在圖中的狀態量s由兩部分組成：機器人的空間構型向量記作x(s)和標量安全時間間隔指數記作interval(s)；步驟2.2、定義了機器人在搜尋路徑過程中的一系列參數：其中包括狀態量s的定義，在機器人的搜尋路徑過程中，每個狀態量s有一個變量記作g(s)，這個變量是從初始狀態到s狀態的最出名路徑所花費的代價；啟發式函數h(s)是從s狀態到目標狀態的代價估計，假設這個啟發式函數是一個常量，這意味著它不會大于到目的點的代價并且滿足三角不等式；狀態轉變所花費的時間代價c(s，s’)，從s狀態到其中一個繼承狀態s’的轉變或者邊緣代價記作c(s，s’)；步驟2.3、表明ASIPP算法和SIPP具備相同的假設前提：c(s，s’)等價于從s狀態到s’狀態的行動執行時間；步驟3、ASIPP算法：ASIPP算法是ARA*算法和SIPP算法二者的結合并進行一些擴展和修改的算法，緊接著提出了兩個算法；步驟3.1、算法1是ARA*算法的主體循環并得出目前所得到的解決方案的次優性范圍；步驟3.1.1、初始顯示用戶提供的初始參數ε的初始搜索機制，之后減少ε的值(用戶可以自定義減少的值)并且再運行搜索直到到達最優解(ε＝1)；步驟3.1.2、在步驟3.1.1每次搜索過程中，INCONS列表會被找到的成本更低的路徑的狀態填滿，由于它們已經很接近因此不會被用于再擴展；步驟3.1.3、步驟3.1.2中所述成本更低的路徑的狀態需要在下一次搜索迭代中被再次擴展，同時，這些被放入OPEN列表的狀態有機會在下一次搜索迭代中被擴展，最后計算ε’的值，得出目前所找到的解決方案的次優性范圍。步驟3.2、算法2是一個單獨的在SIPP下實現的weighted?A*搜索機制；步驟3.2.1、通常在weighted?A*中，在OPEN列表的狀態中，有著最小f值的狀態被擴展直到目標值在OPEN列表中有代價最小的f值，一個狀態s的f值是g(s)和h(s)的一個函數，當s在OPEN列表中，起擴展狀態s的優先權的作用；步驟3.2.2、一個狀態s擴展過程開始時，此處迭代循環所有可能的移動基元，這些移動基元能夠在沒有與靜態環境發生碰撞的情況下被采用，變量x’是進行移動m后到狀態s的空間構型x(s)之后的機器人結束時所處的空間構型；步驟3.2.3、創建了最小的和最大的機器人能夠基于它能夠離開安全間隔s最早和最晚的次數來到達x’次數；步驟3.2.4、算法2通過一個等待操作，然后再移動m，將一個后繼在盡可能早的時間放到位于x’的每個安全間隔；步驟4、理論分析：主要是通過提出兩個定理來驗證算法的完整性和最優性；步驟4.1、定理1：任何時候SIPP算法是完整的，當算法結束時，它對于動態障礙物和靜態障礙物分別返回了一個到目標點的安全距離，其前提是這樣的一條路徑存在于給定規劃問題的圖形表示；步驟4.2、定理2：當規劃時間結束時，通過任何時候SIPP算法返回的結果所花費的代價不會比ε’倍最優解所花費的代價大；步驟5、時限圖表示：當規劃方案處于動態或者不確定的環境中，它通常不會在未來很長的時間內依賴于預測的障礙物行為，時限圖就是基于上述理論創建出一個由兩種狀態組成的圖：一個狀態是由結構和時間間隔所決定，即高維度狀態；另一個狀態只由空間構型決定，即低維度狀態。...

【技術特征摘要】
1.一種動態環境中機器人安全自主規劃導航方法，其特征在于，包括如下步驟：步驟1、動態障礙物表示法：用特定的方法來表示環境中動態障礙物并統一這一表示；所述特定方法為：假設存在另一個能夠跟蹤環境中動態障礙物的系統，該系統存在一系列動態障礙物并且把每個障礙物看成具有運動軌跡和半徑的球體，一條軌跡是由一系列的點組成，而每個點有表明其構成和時間的狀態變量，這些軌跡中的點按照時間順序排列，通過讀取這些點的順序來預測未來一段時間障礙物的運動軌跡并進行統一表示；步驟2、表示法和假設：該步驟中描述了如何表示和解釋機器人的路徑規劃算法；步驟2.1、描述了機器人在環境中的空間構型以及表示方法，假設規劃問題是用圖來表示，每個在圖中的狀態量s由兩部分組成：機器人的空間構型向量記作x(s)和標量安全時間間隔指數記作interval(s)；步驟2.2、定義了機器人在搜尋路徑過程中的一系列參數：其中包括狀態量s的定義，在機器人的搜尋路徑過程中，每個狀態量s有一個變量記作g(s)，這個變量是從初始狀態到s狀態的最出名路徑所花費的代價；啟發式函數h(s)是從s狀態到目標狀態的代價估計，假設這個啟發式函數是一個常量，這意味著它不會大于到目的點的代價并且滿足三角不等式；狀態轉變所花費的時間代價c(s，s’)，從s狀態到其中一個繼承狀態s’的轉變或者邊緣代價記作c(s，s’)；步驟2.3、表明ASIPP算法和SIPP具備相同的假設前提：c(s，s’)等價于從s狀態到s’狀態的行動執行時間；步驟3、ASIPP算法：ASIPP算法是ARA*算法和SIPP算法二者的結合并進行一些擴展和修改的算法，緊接著提出了兩個算法；步驟3.1、算法1是ARA*算法的主體循環并得出目前所得到的解決方案的次優性范圍；步驟3.1.1、初始顯示用戶提供的初始參數ε的初始搜索機制，之后減少ε的值(用戶可以自定義減少的值)并且再運行搜索直到到達最優解(ε＝1)；步驟3.1.2、在步驟3.1.1每次搜索過程中，INCONS列表會被找到的成本更低的路徑的狀態填滿，由于它們已經很接近因此不會被用于再擴展；步驟3.1.3、步驟3.1.2中所述...

【專利技術屬性】
技術研發人員：陶學宇，周瑜，廖鴻宇，孫放，
申請(專利權)人：北京雷動云合智能技術有限公司，
類型：發明
國別省市：北京,11