[发明专利]一种自主避障路径规划方法、装置、设备及存储介质

说明书

本发明涉及一种自主避障路径规划方法、装置、设备及存储介质，其包括：根据移动机器人周围环境的点云数据与目标区域栅格地图，得到目标区域的场景栅格地图；根据所述目标区域的场景栅格地图，划分多个拟行走区域，并计算所述多个拟行走区域的概率路径矢量；根据所述多个拟行走区域的概率路径矢量，选择移动机器人的无障碍移动路径；根据所述无障碍初始移动路径，探索所述目标区域，直至对所述目标区域的探索达到预设要求。本发明提供的一种自主避障路径规划方法、装置、设备及存储介质获取周围环境的点云数据，建立目标区域的栅格地图，进行自主避障规划路径，完成探索，规划效率高、重复覆盖率低。

技术领域

本发明涉及机器人自主导航技术领域，尤其涉及一种自主避障路径规划方法、装置、设备及存储介质。

背景技术

随着传感器和人工智能技术的发展，人们开始为轮式移动设备引入越来越多的传感器和智能算法，不断增强其环境感知和灵活运动的能力，逐渐发展出新一代自主移动机器人，移动机器人也从最初的大学实验室及科研机构的应用人工智能研究平台，发展到与人们的生活密不可分，在军事、航空、消防、交通、工农业和服务业等多个领域有着广泛的应用与广阔的前景。移动机器人是一个集环境感知，动态决策与规划，行为控制与执行等多功能于一体的综合系统。对于移动机器人，路径规划是其中最复杂、核心的问题，尤其是在未知环境中自动规划路径与规避障碍。未知环境移动机器人探测通常要实现完全遍历。完全遍历路径规划是一种特殊的路径规划，在完全遍历路径规划中移动机器人没有被设定最终的目标点，要求机器人能自主寻找一条走遍工作空间内所有可达区域的路径，并保证所规划路径的合理性或最优性。

目前未知环境的路径规划算法主要有随机覆盖遍历法和沿边学习法。在随机覆盖遍历法该策略下机器人不断地向前运行，撞到一个物体后随机转过一个角度并继续向前运行，以此来达到完全遍历的效果；沿边学习法对全局环境进行建模，根据已有的环境模型进行局部路径规划，

随机覆盖遍历法在工作时间、能量损耗、重复覆盖率等方面难以满足需求；而沿边学习法的路径规划效率低。

发明内容

有鉴于此，有必要提供一种自主避障路径规划方法、装置、设备及存储介质，用以解决现有技术中机器人自主避障路径规划方法规划效率低、能量损耗高、重复覆盖率高的问题。

为达到上述技术目的，本发明采取了以下技术方案：

第一方面，本发明提供了一种自主避障路径规划方法，应用于移动机器人，包括：

根据移动机器人周围环境的点云数据与目标区域栅格地图，得到目标区域的场景栅格地图；

根据目标区域的场景栅格地图，划分多个拟行走区域，并计算每个拟行走区域的概率路径矢量；

根据多个拟行走区域的概率路径矢量，选择移动机器人的无障碍移动路径；

根据无障碍初始移动路径，探索目标区域，直至对目标区域的探索达到预设要求。

优选的，根据移动机器人周围环境的点云数据与目标区域栅格地图，得到目标区域的场景栅格地图，包括：

将移动机器人的探索区域设置为目标区域，获取移动机器人周围环境的点云数据；

根据预设算法以及移动机器人周围环境的点云数据构建移动机器人周围环境的三维点云地图；

根据目标区域构建目标区域栅格地图；

将三维点云地图与目标区域栅格地图进行映射，得到目标区域的场景栅格地图。

优选的，目标区域的场景栅格地图分为灰、白、黑三个部分，其中，灰色部分为目标区域内无激光点扫描的区域，该像素点赋值为-1；白色部分为在目标区域内激光点扫描无障碍的部分，该像素点赋值为0；黑色部分为在目标区域内激光点扫描有障碍的部分，像素点赋值为100。