[发明专利]一种基于分级速度障碍算法的移动机器人避障方法

说明书

本发明公开了一种基于分级速度障碍算法的移动机器人避障方法，包括获取障碍物状态信息、机器人状态信息和机器人目标点信息；根据机器人当前状态生成单步可达控制集并生成一系列控制；基于分级速度障碍算法，先建立速度障碍，再对单步可达控制集中的控制通过分级速度障碍评价函数生成评价；选取最优控制；执行最优控制判断机器人是否到达目标点；若判断到达则结束，否则重新开始。本方法将速度障碍法和广义速度障碍法结合，采用分级碰撞检测，考虑机器人运动学性能且不影响避障效果的同时减少不必要的计算量，相较广义速度障碍法实时性更好，并改善了广义速度障碍法避障轨迹与算法无解时的情况，更充分地发挥了机器人运动性能。

技术领域

本发明涉及移动机器人避障算法，具体是一种基于分级速度障碍算法的移动机器人避障方法。

背景技术

存在移动障碍物的情况下，识别无碰撞路径的运动规划对于机器人的应用至关重要，如自动驾驶汽车、无人机、服务机器人等。但是动态环境中的运动规划是具有挑战性的，即使在具有随机动力学的移动障碍物的简单几何规划问题中，现有的规划算法也不能从始至终地识别无碰撞路径。

速度障碍(Velocity Obstacle，VO)算法最早由Fiorini和Shiller提出，是对引起碰撞速度的近似表达，首先构建导致碰撞的速度集合，然后引导机器人离开该集合。由于早期VO算法中时间尺度的无限性，所有可能导致碰撞的速度均被排除，导致算法过于保守，因此随后出现了一系列改进算法。有限时间速度障碍(FiniteTime Velocity Obstacle，FVO)算法在VO基础上考虑碰撞发生的时间，规定了最小允许碰撞发生时间，得到了更大的可行避障速度分布。但是FVO算法简化了机器人模型，只能适用于完整机器人。广义速度障碍(Generalized Velocity Obstacles，GVO)算法是将机器人运动模型考虑到避障中，将机器人速度评价改为机器人控制的评价，对导致冲突轨迹的控制进行排除，从而得到安全的控制，再通过目标函数评优得到最优控制。但GVO算法仍存在一些问题：1、对控制的评价过程计算复杂度较高，计算量大，运算时间过长，无法满足实时性要求；2、算法动作较保守且可能出现所有控制都不可行的情况，因为算法单纯依据最近相遇点距离判断控制是否可行，且使用预测轨迹计算最近相遇点时使用了一个采样时间步长可达控制在匀速运动情况下生成的轨迹，导致轨迹分布过于集中，且未充分发挥机器人运动性能。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于分级速度障碍算法的移动机器人避障方法。

本发明解决所述技术问题的技术方案是，提供一种基于分级速度障碍算法的移动机器人避障方法，其特征在于该方法包括以下步骤：

步骤一、获取障碍物状态信息、机器人状态信息和机器人目标点信息；

步骤二、根据机器人当前状态生成单步可达控制集U_dt并生成一系列控制；

步骤三、基于分级速度障碍算法，先建立速度障碍，再对单步可达控制集U_dt中的控制通过分级速度障碍评价函数J_safe(u)生成评价；将相对线速度V_A/O(dt,u)不属于速度障碍的控制返回最大评价值1，将相对线速度V_A/O(dt,u)属于速度障碍的控制通过碰撞时间评价函数J′_safe(t_collide(u))生成评价；最后依据评价值对控制进行分类，将评价值不为0的控制加入可行控制集Y，评价值为0的控制加入不可行控制集N；

步骤四、当可行控制集Y不为空时，从可行控制集Y中得到最优控制u^*；否则从多步可达控制集U_8dt的典型控制中得到启发控制，每一采样时刻内选择最接近启发控制的控制作为最优控制u^*，引导机器人以变速轨迹达到该多步可达控制；