多移动机器人路径规划方法及使用该方法的多移动机器人

技术领域

本发明属于机器人技术领域，具体涉及多移动机器人路径规划方法及使用该方法的多移动机器人。

背景技术

近年来，路径规划在机器人技术领域越来越重要，其主要解决机器人在已知或未知环境下，规划出一条从起始点到目标点的无碰撞路径。当前，路径规划主要从全局路径规划和局部路径规划两方面进行深入研究。全局路径规划的研究是为了实现机器人在无碰撞的基础上从初始位置到达目标位置的距离最短、时间最少、能耗最低。常见的全局路径规划算法有A-STAR算法、Dijkstra算法、粒子群算法和蚁群算法等。

以上的路径规划均是针对单个移动机器人的路径规划，采用固定起终点的方式进行路径规划。近年来，随着科技的持续发展与完善，单移动机器人技术与功能的逐渐完善。尽管单移动机器人技术与基础功能相对成熟，但毕竟单移动机器人的工作能力以及活动范围有限，当执行环境比较复杂、执行任务比较繁重时，单个机器人可能就会较难完成。随着机器人学的不断发展，许多专家以及学者受蚁群、鱼群、鸟类集群等生物种群合作行为的启发，考虑如果多移动机器人可以协作执行一些繁重的工作或者在空间较大的区域执行任务，即可以解决单移动机器人面对繁重工作时的能力不足，还可以提高移动机器人的活动范围，在这种情况下多移动机器人编队协同控制就显得尤为重要。对此，多移动机器人编队协作技术逐渐成为机器人学发展的新方向。

多移动机器人的路径规划，则涉及到多起点-多终点的方式，且要整体进行路径规划。

鉴于此，本发明为解决上述问题，设计多移动机器人路径规划方法及使用该方法的多移动机器人。

发明内容

发明目的：本发明的目的是针对目前技术中的不足，提供了多移动机器人路径规划方法及使用该方法的多移动机器人。

技术方案：为实现上述目的，本发明提供了多移动机器人路径规划方法，路径规划算法流程如下：

S1：地图导入，设定多个机器人的起始和目标位置坐标；

S2：改进的A-Star算法开始规划路径；

S3：依据规划路径计算目标函数，判断目标函数是否最小，若是，则将规划的路径发送至各个移动机器人；若否，则回至S2重新规划路径；直至路径规划最优；

S4：移动机器人在规划的路径上行走时，若前方路径不通，则回至S1修改多个机器人的起始位置，然后重新规划路径；若无，则依据原规划路径行走。

进一步的，所述目标函数S计算公式如下：

式中：L(i)表示第i个移动机器人的行驶距离；D(i)表示第i个移动机器人的负载平衡程度；f(i)表示第i个移动机器人未能在时间窗口内完成任务所受到的惩罚；ω

进一步的，所述改进的A-Star算法公式如下所示：

f(n)＝g(n)+h(n)

式中，f(n)是节点n的综合优先级；g(n)是当前节点n距离起点所消耗的代价、当前节点已经消耗的路径长度和道路代价；h(n)是当前节点n距离终点路径和道路消耗代价。

进一步的，移动机器人的平衡负载计算公式如下：

r(n)＝vehicle_capacity-allocated_tasks

式中，vehicle_capacity表示移动机器容量，allocated_tasks表示分配给移动机器人的任务总量。

进一步的，改进的A-Star算法步骤如下：

S11.遍历当前节点的邻节点；

S12.依据改进的A-Star算法公式计算到邻居节点的实际代价，更新邻居节点的代价；

S13.计算迟到惩罚启发函数；

S14.根据启发函数和迟到惩罚：f(n)＝g(n)+h(x)+δ(n)，计算所有邻居节点的实际代价，更新邻居节点的代价，找到综合考虑最优的邻居节点，并将邻居节点添加到待扩展列表中。

进一步的，启发函数计算步骤如下：

S21.启发函数δ(n)＝延迟时间*task.delay_penalty，式中：task.delay_penalty为自定义的惩罚系数；

S22.对系统整体尚未经过的任务点进行遍历，计算机器人完成任务时间；

S23.当前机器人完成任务时间>节点规定到达时间，计算延迟时间：延迟时间＝节点到达时间-任务完成时间；

S24.依据启发函数得到惩罚函数值δ(n)。

一种使用权利要求1所述的路径规划方法的多移动机器人，包括移动机器人、路面感知设备和云服务器；

所述移动机器人包括第一5G通信模块、ROS模块、运动控制模块；

所述第一5G通信模块负责与云服务器进行通信，将移动机器人的状态信息传至云服务器，同时也接收5G云服务器算法输出的路径规划轨迹；

所述ROS模块属于主控模块，主要负责路径规划、位置和避障信息的处理；

所述运动控制模块用于接收ROS模块的运动信息并驱动电机使机器人行走，同时也向ROS模块上传状态信息；

所述路面感知设备包括第二5G通信模块和路面感知模块；

所述第二5G通信模块负责与云服务器进行通信，将感知到的路面信息上传至云服务器；

所述路面感知模块用于感知实时的路面状况；

所述云服务器包括第三5G通信模块和路径规划算法模块；

所述第三5G通信模块负责实时采集多移动机器人的状态信息、路面感知设备的路面信息；

所述路径规划算法模块以路径最小为判断依据，对多个移动机器人进行全局优化，最后将规划后的路径规划轨迹通过5G发送至各个移动机器人。

有益效果：本发明以5G和A-Star算法技术作为整个系统的技术支撑。本发明主要分为基于5G通信和ROS的移动机器人、基于5G通信的道路感知设备和5G云服务器三部分。5G云服务器实时采集移动机器人的状态和道路感知设备感知的路面信息；路径最小或能耗最小为判断依据，使用A-Star算法对多个移动机器人进行全局路径规划；规划后的多条路径通过5G发送至多移动机器人的ROS中。改进的A-Star算法不仅考虑多移动机器人的路径最短，同时也融入了坡道等路面情况及能耗作为权重因子融入A-Star算法中，提高多移动机器人的路径规划的效率。

附图说明

图1为本发明多移动机器人路径规划算法流程图；

图2为本发明技术方案图。

具体实施方式

下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。

实施例1，根据图1-图2作进一步解释说明。

本发明提供多移动机器人路径规划方法，路径规划算法流程如下：

S1：地图导入，设定多个机器人的起始和目标位置坐标；

S2：改进的A-Star算法(考虑路面状况：如坡道、拐弯、楼梯等)开始规划路径；

S3：依据规划路径计算目标函数，判断目标函数是否最小，若是，则将规划的路径发送至各个移动机器人；若否，则回至S2重新规划路径；直至路径规划最优；

S4：移动机器人在规划的路径上行走时，若前方路径不通(如路堵等)，则回至S1修改多个机器人的起始位置，然后重新规划路径；若无，则依据原规划路径行走。

所述目标函数S计算公式如下：

式中：L(i)表示第i个移动机器人的行驶距离；D(i)表示第i个移动机器人的负载平衡程度，平衡负载可确保每个移动机器人在可接受的范围内分配任务，避免某些移动机器人负载过重而导致效率低下；f(i)表示第i个移动机器人未能在时间窗口内完成任务所受到的惩罚，其中时间窗口是：每个任务的约束时间，确保在规定时间内完成任务；ω

所述改进的A-Star算法公式如下所示：

f(n)＝g(n)+h(n)

式中，f(n)是节点n的综合优先级，当选择下一个要遍历的节点时，选取综合优先级最高(值最小)的节点；

g(n)是当前节点n距离起点所消耗的代价、当前节点已经消耗的路径长度和道路代价；

h(n)是当前节点n距离终点路径和道路消耗代价，道路消耗代价由三个因素构成，分别是路面情况、拥堵情况和转弯情况，在预处理的地图节点中会加入道路消耗代价。

移动机器人的平衡负载定义为已经分配给移动机器人的任务总量与容量的差值；假设每个任务有一个单位的需求量，移动机器人的容量表示能够承载的最大任务数量；移动机器人的平衡负载计算公式如下：

r(n)＝vehicle_capacity-allocated_tasks

式中，vehicle_capacity表示移动机器容量，allocated_tasks表示分配给移动机器人的任务总量。

改进的A-Star算法步骤如下：

S11.遍历当前节点的邻节点；

S12.依据改进的A-Star算法公式计算到邻居节点的实际代价，更新邻居节点的代价；

S13.计算迟到惩罚启发函数(估计未能在任务时间窗口内完成任务所受到的惩罚，计算迟到惩罚，可根据具体需求设定迟到的程度和惩罚值)，具体步骤如下：

S21.定义启发函数δ(n)＝延迟时间*task.delay_penalty，式中：task.delay_penalty为自定义的惩罚系数；

S22.对系统整体尚未经过的任务点进行遍历，计算机器人完成任务时间；

S23.当前机器人完成任务时间>节点规定到达时间，计算延迟时间：延迟时间＝节点到达时间-任务完成时间；

S24.依据启发函数得到惩罚函数值δ(n)。

S14.根据启发函数和迟到惩罚：f(n)＝g(n)+h(x)+δ(n)，计算所有邻居节点的实际代价，更新邻居节点的代价，找到综合考虑最优的邻居节点，并将邻居节点添加到待扩展列表(最终路径列表)中。

一种使用权利要求1所述的路径规划方法的多移动机器人，包括移动机器人、路面感知设备和云服务器；

所述移动机器人包括第一5G通信模块、ROS模块、运动控制模块；

所述第一5G通信模块负责与云服务器进行通信，将移动机器人的状态信息(如电量、位置等)传至云服务器，同时也接收5G云服务器算法输出的路径规划轨迹；

所述ROS模块属于主控模块，主要负责路径规划、位置和避障等信息的处理；

所述运动控制模块用于接收ROS模块的运动信息(包括角速度和线速度等)并驱动电机使机器人行走，同时也向ROS模块上传状态信息(如电量、速度等)；

所述路面感知设备包括第二5G通信模块和路面感知模块(如相机、雷达等)；

所述第二5G通信模块负责与云服务器进行通信，将感知到的路面信息上传至云服务器；

所述路面感知模块主要是相机、雷达传感器，用于感知实时的路面状况，如坡道、拐弯、楼梯等；

所述云服务器包括第三5G通信模块和路径规划算法模块；

所述第三5G通信模块负责实时采集多移动机器人的状态信息(如电量、位置等)、路面感知设备的路面信息(如坡道、拐弯、楼梯等)；

所述路径规划算法模块以路径最小为判断依据，对多个移动机器人进行全局优化，最后将规划后的路径规划轨迹通过5G发送至各个移动机器人。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。