徐 伟

(江汉大学 工程训练中心， 湖北 武汉 430056)



未知环境下局部路径规划方法在慧鱼移动机器人开发中的应用探讨

徐 伟

(江汉大学 工程训练中心， 湖北 武汉 430056)

移动式机器人的导航主要面临两大问题,即机器人定位和路径规划。该文对于现有的两种路径规划方法,即全局路径规划方法和局部路径规划方法进行了探讨,提出在未知环境模式下适宜采用局部路径规划方法。通过慧鱼寻光避障机器人在未知环境下的实验,结果表明局部路径规划方法更好地解决了机器人的移动问题。

慧鱼机器人； 未知环境； 局部路径规划法

自从第一个移动机器人Shakey用于人工智能研究以来,在国防、航天、消防、工业、交通、科研等众多领域,移动机器人受到广泛关注与应用,其应用环境也由陆地延伸到了空间、水下等领域[1]。正是源于其广阔的市场前景,移动机器人技术的发展也备受各国重视。各发达国家、地区围绕不同领域的移动机器人技术均各有侧重,例如美国主要侧重于对各种室外移动机器人的研究,日韩等国则主要侧重于人形机器人方面的研究,欧洲地区则侧重于城市、建筑环境中的移动机器人研究[2]。

未知环境下移动机器人导航主要面临解决两大问题,即机器人定位和路径规划[3]。定位是指机器人根据所处的环境判断自己的位置和方向,它需要识别出每一个物体是目标还是障碍物[4]。路径规划是指机器人需要找到一条从开始位置到目标位置的无碰撞路径,为此机器人需要运行合适的路径规划算法,计算出任意两点之间的路径[5]。

自从1968年Nilsson利用启发式搜索算法为机器人寻找一条无碰、最短路径开始,路径规划技术已成为机器人学领域的研究热点[6]。依据所用信息层次不同,现有移动机器人的路径规划算法可分成基于地图的全局路径规划和基于传感器的局部路径规划[7]。

1 路径规划方法探讨

1.1 全局路径规划方法

针对环境已知的离线全局路径规划方法已经取得了大量成果。全局路径规划利用预知的全局环境信息,可在事先建好的环境模型中寻优,以获得全局范围内的最优路径[8]。

作为较早提出的方法,全局路径规划可以保证路径的可达性及最优性。进一步,此类方法可分解为两大部分:对构型空间的描述方法,以及在构型空间中搜寻最优路径的搜索算法。典型方法中前者主要有:可视图、栅格网、顶点图、拓扑图等；后者则主要包括图搜索类算法,如各种启发式搜索算法[9]。可以看出:全局路径规划依赖准确的全局环境模型,一旦环境信息发生变化则需重新规划,难以适应频繁变化的地图。

虽然有学者针对此问题,提出一系列对全局路径进行局部修订的算法,但对地图变化范围较大的未知环境仍然难以适应。此外,由于算法通常运算量较大,需离线运行,也难以对地图及机器人感知信息的变化及时反应[10]。

1.2 局部路径规划方法

基于传感器的局部路径规划是实现机器人在未知环境中探索的重要技术,很多传统的人工智能算法在这方面做了大量的工作。局部路径规划通常并不规划一条完整的路径,而是规划机器人的最优运动,建立机器人运动与感知信息间的映射关系,将局部范围内的最优路径信息隐含在对机器人运动的控制命令中,力图通过连续的局部最优实现全局优化。此类方法通常是使用的反应式算法,仅依赖传感器对局部环境感知信息[11]。

由于对环境信息依赖较小,此类方法对未知环境表现出较强的适应能力,已有针对未知环境中路径规划问题的研究也多集中于此类方法[12]。

综上所述,随着机器人应用领域的不断拓展,机器人所面临的任务也越来越复杂,移动机器人通常需工作于未知环境,既无预知环境信息,也无额外定位信息来源的环境。此类未知环境中移动机器人如何以某种指标最优的方式到达目标,是制约其走向实用的一大难点问题。

全局路径规划等多种上层任务往往依赖环境地图,如何尽可能地获取环境信息以绘制地图是制约移动机器人发展的另一问题。目前,在实际应用时多使移动机器人先以其他方式引导(例如人为介入)实现对环境的绘图,待绘成地图后再进行路径规划、自主移动并完成任务[13]。

所以,采取局部路径规划方法,让移动机器人通过传感器对目标位置进行定位,同时通过传感器对行走路线不断地修正,最后到达目标。这样路径规划方法优点在于:无须建立精确的环境模型和环境地图,简化了智能体编程,把确定目标定位、避障、路径规划等问题统一解决。

2 寻光避障机器人设计

本文以慧鱼移动机器人模型寻光避障机器人(机器人简易模型见图1)为例,对局部路径规划方法的应用进行探讨。软件编程采用慧鱼模型专用的ROBOT PRO软件[14]。

图1 机器人简易模型图

2.1 机器人原理

机器人运动原理:机器人首先通过光敏传感器对目标光源进行定位,然后直接通过程序模块将运动变量输出到电机;在运动过程中,如果碰到相应的障碍物,机器人根据相应的障碍物情况采取对应的运动以避开;避开障碍物的同时对目标光源进行重新定位,即机器人重新通过几何中轴线调整方向确定光源目标。机器人的运动通过“运动—确定目标—避开障碍—确定目标—运动”的模式循环下去,实现最后到达目标。

寻光原理:在机器人的前方安装有2个光敏传感器,当传感器接受到光源时,光敏传感器所反映的逻辑信号量为1,否则为0。每个光敏传感器根据逻辑信号量的不同控制左右相应的电机运动。在这里设置光源逻辑信号输入为I6、I7接口,I6所对应的为右侧，I7所对应的为左侧。

避障原理:在机器人前方装有2个弹簧传感器,当弹簧传感器碰到设置的障碍物时,弹簧传感器所反映的逻辑信号量为1,否则为0。每个弹簧传感器根据逻辑信号量的不同控制左右电机相应的运动。在这里设置逻辑信号输入为I3、I4接口,I3所对应的为右侧，I4所对应的为左侧。同时,在机器人后部也设置一个弹簧传感器,输入接口为I5,以防止机器人在后退过程中碰到障碍物。

另外，从科学智能化的角度来说,机器人至少应该具有两种不同的动作。但寻找光源和避开障碍这两种行为模式又无法同时激活,在这里给机器人设置寻找

光源为优先行为模式,即确定目标方向,再决定路线规划。

2.2 列表分析

在确定了相应的输入接口后,将机器人所遇到各种情况列表分析见表1,并要求电机采取相应的动作。

表1 寻光避障机器人情况分析

2.3 程序分析

有了以上表格分析,结合机器人运动原理,机器人运动的主程序结构见图2，图中A为模块输入量。

图2 寻光避障机器人主程序结构

主程序开始运行后,先后进入“寻光序号分配”子程序和“障碍序号分配”子程序,根据I3、I4、I6、I7逻辑信号量输入值的不同,按照上表赋予程序中“序号值变量”不同的值,“序号值变量”传递给“电机运动”子程序,该子程序根据不同的序号值采取响应的动作。寻光序号分配子程序结构见图3，图中A为模拟输入量。

图3 寻光序号分配子程序结构

该程序接受到I6、I7从FR、FL 2个端子发送的逻辑信号量,经过相应的“与”运算或者直接将逻辑信号量值传递给子程序,子程序运算后输出某一种情况的序号值传递到Wert输出端,Wert输出端再将该序号值传递到“序号值变量”中,以提供给机器人采取相应的运动动作。

障碍序号分配子程序结构(见图4)原理与寻光序号分配子程序结构相似。

图4 障碍序号分配子程序结构

电机运动子程序根据不同的序号变量值来控制电机做出相应的动作,程序结构见图5。

图5 电机运动子程序结构

该机器人寻找光源、前进、后退等运动子程序就不在这里冗述了。

3 结束语

在未知环境下,由于未知环境随机性太强,无法获取环境信息,采取局部路径规划方法,通过传感器感知各种未知情况,使机器人采取相应的判断,实现相应的智能化动作,对行走路线不断地修正,最后到达目标,解决了目标定位、避障、路径规划等问题。通过慧鱼模型寻光避障机器人实验,实验结果表明这种方法很好地解决了未知环境下机器人的自主移动问题。

References)

[1] Fox D.International assessment of research and development in robotics[R].Arlington,VA,USA:World Technology Evaluation Center,2006.

[2] Sarif N,Buniyamin N.An overview of autonomous mobile robot path planningalgorithms:4th Student Conference on Research and Development“Towards Enhancing Research Excellence in the Region”[C]//Shah Alum,Malaysia:IEEE,2006:183-188.

[3] Sun X,Yeoh W,Kenning S.Moving Target D Lite[C]//International Joint Conference on Autonomous Agents and Multi-agent Systems(AAMAS).2010:67-74.

[4] Nasrollahy A Z,Javadi H.Using Particle Swarm Optimization for Robot Path Planning in Dynamic Environments with Obstacles and Target[C]//UK-Sim 3rdEuropeanModelling Symposium on Computer Modeling and Simulation.Athens,Greece:IEEE,2009:60-65.

[5] Yang G,Shu-dong S.Local Path Planning of Mobile Robots in Dynamic Unknown Environment Based on Prediction of Collision[C]//International Conference on Mechatronics Technology and Mechatronics Automation.Zhangjiajie,Hunan,China:IEEE Computer Society,2009:84-88.

[6] DZ,CZ,ZR ZR.A hybrid approach of virtual force and A*search algorithm for UAV pathpreplanning[C]//IEEE Conference on Industrial Electronics and Applications 0CIEA).Beijing.IEEE,2011:1140-1145.

[7] Urdiales C,Perez E J,Sandoval F, et al.A hybrid architecture for autonomous navigation using a CBR reactive layer[C]//IEEE/WIC International Conference on Intelligent Agent Technology.Banff,Canada:Int Assoc of Science and Technology for Development,2003:225-232.

[8] Ge S S,Lai X C,AI Mamun A.Sensor-based path planning forno homonymic mobile robots subject to dynamic constraints[J].Robotics and Autonomous Systems,2007,55(7):513-526.

[9] Xiaoyu Y,Moallem M,Patel R V.A layered goal-oriented fuzzy motion planning strategy for mobile robot navigation[J].IEEE Transactions on Systems,Man,and Cybernetics,Part B:Cybernetics,2005,35(6):1214-1224.

[10] Wooden D Power,MacKenzie D C,Balch T, et al.Control-driven mapping and planning[C]//2007 IEEFJRSJ International Conference on Intelligent Robots and Systems.San Diego,CA,USA:IEEE,2007:3056-3061.

[11] Julia M,Gil A,Reinoso O.A comparison of path planning strategies for autonomous exploration and mapping of unknown environments[J].Autonomous Robots,2012,33(4):427-444.

[12] 刘欢,王健,李金凤,等.未知环境下机器人避障设计研究[J].机械设计与制造,2013(10):236-238.

[13] 高扬,邹丹,胡大伟,等.未知环境中移动机器人的路径规划与探索算法[M].电子设计工程,2014,22(3):1-3.

[14] 慧鱼机器人技术实验手册[M].北京:中国教学仪器有限公司.

Discussion on application of method of local path planning in fischer technic mobile robot under unknown environment

Xu Wei

(Engineering Training Center, Jianghan University, Wuhan 430056, China)

The mobile robot navigation is mainly to solve two problems, i.e., robot localization and path planning.This article discusses on the two methods of path planning,namely the method of global path planning and local path planning, and puts forward that it is suitable for using the method of local path planning under the unknown environment.Through the fischer search-light and obstacle-avoidance of mobile robot under the unknown environment experiment,the results indicate that the method of local path planning could solve the problems of mobile robot better.

fischer technic robot; unknown environment; method of local path planning

2014- 07- 22 修改日期：2014- 09- 17

徐伟(1977—),男,湖北武汉,硕士,实验师,主要研究方向为机器人、机械创新.

E-mail：370324931@qq.com

TP242.6

A

1002-4956(2015)2- 0110- 04