[发明专利]基于信息融合与环境感知的机器人行走避障方法

摘要

本发明公开了一种基于信息融合与环境感知的机器人行走避障方法，主要解决现有技术中机器人难以根据全局信息和环境类型进行避障行走的问题。其实现方案是：1.在机器人各方位设置多类型传感器,测量距离信息与倾角信息，2.通过信息融合技术判断机器人所处环境安全状态并识别环境类型，3.根据传感器与测距范围设定模糊隶属度函数，4.根据多源距离信息与环境类型计算避障方向和行走时间，设置行走速度；6.将行走方向、时间、速度输入机器人动力系统，从而避障行走。本发明基于信息融合技术，结合具体环境类型进行模糊避障，提高了机器人避障行走的灵活性和安全性，可用于家用机器人控制。

主权项

1.基于信息融合与环境感知的机器人行走避障方法，包括如下步骤：(1)通过部署在机器人机身的多类型传感器，获取机器人行走环境中的多源距离信息：D0＝{d0,d1,...,dk,...,dn},其中dk表示第k个传感器所测距离信息，k的取值为从0到n，n为传感器个数；(2)根据多源距离信息D0，计算机器人的全局加权平均距离信息D；(3)危险环境状态识别：(3a)计算机器人的全局安全状态阈值βD和故障状态阈值βS；βD＝r，βS＝Δtv+r其中，r表示机器人几何半径,Δt表示机器人单步迭代时间，v表示机器人行走速度；(3b)将机器人全局加权平均距离信息D与全局安全状态阈值βD进行比较，识别环境危险状态：若D＜βD，则判断为危险状态，机器人停止行走，若D≥βD，则判断为安全状态，执行步骤(3c)；(3c)将机器人在行走方向的测量距离S与故障状态阈值βS进行比较，识别行走故障状态：若S＜βS，则判断为故障状态，机器人停止行走，若S≥βS，则判断为非故障状态，执行步骤(4)；(4)一般环境状态识别：(4a)利用多源距离信息D0，得到沿墙壁环境状态信息e1；(4a1)在连续的j个时刻，分别去除机器人侧身方向测量距离信息l1,l2,...,li,...,lj中的最小距离lmin和最大距离lmax，分别计算外向平均波动加权距离LN和内向平均波动加权距离LM：其中，li表示第i个时刻侧身方向距离信息，i的取值为从1到j，j为测量时间次数；ρn为外向波动系数，ρm为内向波动系数；(4a2)将最小距离lmin与外向平均波动加权距离LN比较：若lmin＜LN，则设置e1＝0,用于表示机器人处于非沿墙壁走环境状态,若lmin≥LN，执行步骤(4a3)；(4a3)将最大距离lmax与内向平均波动加权距离LM比较：若lmax＞LM，则设置e1＝0,若lmax≤LM，则设置e1＝1，用于表示机器人处于沿墙壁走环境状态；(4b)利用多源距离信息D0，得到地势突变环境状态信息e2：(4b1)在T时刻及其之前的p个时刻，通过机器人前侧向下的传感器,测得的机器人底盘高度距离信息h(T),h(T‑1),...,h(T‑i),...,h(T‑p)，计算机器人在T时刻的底盘高度距离改变量Δh：其中，h(T‑i)表示在T时刻之前的第i个时刻机器人底盘高度距离信息，i的取值为从1到p，p表示T时刻之前的测量时间次数；(4b2)设置最大高度波动系数μd，最小高度波动系数μu；(4b3)将底盘高度距离改变量Δh与最大高度波动系数μd比较：若Δh≥μd，则设置e2＝‑1，用于表示T时刻机器人处于地势突降环境状态，若Δh＜μd，执行步骤(4b4)；(4b4)将底盘高度距离改变量Δh与最小高度波动系数μu比较：若‑Δh＜μu，则设置e2＝1，用于表示T时刻机器人处于地势突升环境状态，若‑Δh＞μu，则设置e2＝0，用于表示T时刻机器人处于非地势突变环境状态；(4c)利用机器人顶部陀螺仪传感器测量信息θ，得到坡度改变环境状态信息e3；(4c1)通过机器人顶部陀螺仪传感器测量信息θ，获得用于表示机器人在三维空间的角度改变量{θx,θy,θz}；其中，θx代表空间中横轴的角度改变量，θy代表空间中纵轴的角度改变量，θz代表空间中竖轴的角度改变量；(4c2)得到机器人最大角度改变量：θmax＝max{|θx|,|θz|}；(4c3)设置机器人轴向旋转角度安全阈值θr；(4c4)将机器人当前时刻最大角度改变量θmax与轴向旋转角度安全阈值θr比较，若θmax＜θr，则设置e3＝0，用于表示机器人处于非坡度改变环境状态；若θmax≥θr，则设置e3＝sin(θmax)，用于表示坡度改变的环境状态；(5)计算行走避障方向：(5a)将传感器的测量距离按比例划分，即将超声波传感器测量灵敏度较高的距离范围划分为近，中，远三个类别的距离集合，得到模糊避障算法所需的控制论域US与控制论域阈值集合TS；US＝(0,+∞)其中，[0,40]表示近距离集合，为中距离集合，为远距离集合；(5b)选取最小运算法函数作为隶属度函数R(d),计算多源距离信息D0与步骤(4)得到的三种环境状态信息e1,e2,e3，得到隶属度向量R0；(5c)运用重心法对隶属度向量R0解模糊，得到模糊避障算法的输出值F(t)；(5d)对模糊避障算法的输出值F(t)四舍五入取整，得到机器人行走避障方向M；(6)映射行走变量：(6a)根据模糊避障算法的输出值F(t)，计算机器人行走的时间比率rt：(6b)根据时间比率rt与单位驱动时间Δt0，计算机器人下一步行走的时间Tr：Tr＝rtΔt0(7)驱动机器人行走：(7a)设置机器人行走速度v；(7b)将行走时间Tr、行走避障方向M、行走速度v输入机器人动力系统，驱动机器人行走。