[发明专利]人机共融环境中移动型机器人路径规划采样方法及系统

说明书

本发明涉及一种人机共融环境中的移动型机器人路径规划采样方法及系统,包括：计算地图中的点到最近障碍物的距离，同时，对环境中的行人进行检测，并标记环境中行人的位置；选择起点位置作为根节点，初始化搜索树；在可行区域随机选取候选节点,计算搜索树上节点到所述候选节点的累计成本，选取成本最小的点作为生长点；对所述生长点和所述候选节点之间的连线作碰撞检测，判断碰撞检测是否通过；将所述候选节点连接到所述生长点上，判断所述候选节点是否为终点；从所述搜索树上获取从根节点到终点之间的节点连线集合，形成最终路径。本发明有利于形成更为安全可靠的路径。

技术领域

本发明涉及服务型机器人的技术领域，尤其是指一种人机共融环境中的移动型机器人路径规划采样方法及系统。

背景技术

人工智能技术的突破给移动型服务机器人研究带来了巨大的机遇，目前，引导机器人、扫地机器人、导购机器人、货物搬运机器人等移动型服务机器人已经成功应用到了机场、超市、博物馆、家庭等多种环境。移动机器人路径规划技术是指机器人在无人干预的条件下，自动根据环境地图的信息及起始点位置规划出一条可行路径的过程，路径通常由一系列的点组成。相对于工业机器人来说，服务型移动机器人所在的人机共融环境复杂度更高，不确定性更大，对路径规划的实时性要求更高。

现有的经典路径规划算法可大致分为四类：基于栅格的路径规划算法，基于人工势场的路径规划算法，基于奖赏的路径规划算法和基于随机采样的路径规划算法。其中，基于随机采样的路径规划算法由于避免了对状态空间的建模，极大地减少了规划时间和内存成本，更适用于解决动态人机共融环境的路径规划问题，但是当前采样策略仅仅考虑了树的内部节点之间的关系，忽略了环境的不确定性对树的生长的影响。对于服务型移动机器人所处的人机共融环境中来说，环境中的不确定性主要包含环境建模的误差、机器人的定位误差、动态行人影响等。由于当前采样策略仅仅考虑了树的内部节点之间的关系，因此忽略了环境的不确定性对树的生长的影响，从而导致形成的路径不够安全和可靠。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中忽略了环境的不确定性对树的生长的影响，从而导致形成的路径不够安全和可靠的问题，从而提供一种引入环境不确定性因素，且能形成更为安全可靠的路径的人机共融环境中的移动型机器人路径规划采样方法及系统。

为解决上述技术问题，本发明的一种人机共融环境中的移动型机器人路径规划采样方法，包括如下步骤：计算地图中的点到最近障碍物的距离，同时，对环境中的行人进行检测，并标记环境中行人的位置；选择起点位置作为根节点，初始化搜索树；在可行区域随机选取候选节点，计算搜索树上节点到所述候选节点的累计成本，选取成本最小的点作为生长点；对所述生长点和所述候选节点之间的连线作碰撞检测，判断碰撞检测是否通过，若通过，则进入步骤S5，否则，返回步骤S3；将所述候选节点连接到所述生长点上，判断所述候选节点是否为终点，若是，则进入步骤S6，否则返回步骤S3；从所述搜索树上获取从根节点到终点之间的节点连线集合，形成最终路径。

在本发明的一个实施例中，所述步骤S1中地图中的点到最近障碍物的距离可通过线下计算完成，对于同一幅地图，计算结果可在不同的路径规划中多次复用。

在本发明的一个实施例中，对环境中的行人进行检测的方法为：步骤 S11：通过环境中的分布式摄像机网络拍摄环境图片；步骤S12：应用行人检测算法对行人进行检测，输出行人在像素坐标系下的位置；步骤S13：根据摄像机标定结果，通过坐标变换，输出行人在全局坐标系下的位置。

在本发明的一个实施例中，所述步骤S2中搜索树的节点包含：节点位置、节点连接和节点成本，在搜索树初始化过程中，根节点位置设置为起点，节点连接为空，节点成本为零。