一种移动机器人自主导航系统的制作方法
1、随着自主移动机器人在工业自动化、物流、智能制造、服务、医疗、消防、清洁等领域的发展，自主移动机器人以其高度的智能化自主化逐渐被人们所接受及广泛使用。自主移动机器人具有高度自主性，能够在一定范围内自动行走并执行工作，其在运行过程中基本不需要人为参与。自主移动机器人自主导航系统使得自主移动机器人能够在已知的非结构化环境中自主行走并执行规定任务。
2、早期的一些机器人导航系统中，机器人的导航系统是通过先围绕整个工作区搭建轨迹引导线(如磁条、色带、二维码等)，轨迹引导线连接各个工作点，机器人沿轨迹引导线行走。整个过程搭建费时费力，人为铺设的轨迹引导线也无法满足最优策略，并且，机器人只能遵循预设轨迹和预设策略，缺乏灵活性与自主性。
3、随着自主移动机器人的发展，充分考虑机器人的自主性，引入了路径规划器和代价地图，其中，代价地图由传感器驱动，而路径规划器则使用代价地图作为输入。机器人可通过传感器(如相机、雷达、声呐等)感知周边环境，并通过路径规划器进行实时决策。相比于早期的人工决策，该方法大大提高了机器人的自主性，更加灵活。在复杂的非结构化场景中，由于传感器感知的局限性和规划器的不完备性等因素，机器人的行为决策往往具有局部最优和不完备等特性，其使用受限。
1、本发明的目的在于提供一种移动机器人自主导航系统，以解决上述背景技术中提出的问题。
3、一种移动机器人自主导航系统，该系统包括：获取模块、多层规划器初始化模块、导航指令分析模块以及驱动模块；
5、所述多层规划器初始化模块用于对多层规划器进行初始化处理以及搭建多层规划器的关联度矩阵；
6、所述导航指令分析模块用于接收导航指令获取，为所获取的导航指令进行路线、所述驱动模块用于对接收的路线规划进行运行控制，同时对移动机器人的状态进行调整；
8、所述获取模块的输出端与所述多层规划器初始化模块的输入端相连接；所述多层规划器初始化模块的输出端与所述导航指令分析模块的输入端相连接；所述获取模块的输出端与所述导航指令分析模块的输入端相连接；所述导航指令分析模块的输出端与所述驱动模块的输入端相连接。
9、根据上述技术方案，所述获取模块包括传感器数据导入单元以及先验知识导入单元；
10、所述传感器数据导入单元用于对光电开关、防撞条、相机、激光雷达以及声呐进行数据导入；
11、所述先验知识导入单元用于对先验地图、地图标注以及机器人信息进行导入。
12、根据上述技术方案，所述多层规划器初始化模块包括上层规划器单元、中间层规划器单元以及底层规划器单元；
13、所述上层规划器单元用于初始化上层规划器以及初始化上层规划器关联度矩阵；
14、所述中间层规划器单元用于初始化中间层规划器以及初始化中间层规划器关联度矩阵；
15、所述底层规划器单元用于初始化底层规划器以及初始化底层规划器关联度矩阵。
16、根据上述技术方案，所述导航指令分析模块包括导航指令获取单元以及导航指令规划单元；
17、所述导航指令获取单元用于结合机器人描述文件中的坐标变换关系将各传感器数据统一转换到机器人的基准坐标系下从而获取导航指令；
18、所述导航指令规划单元用于对所获取的导航指令进行路线、根据上述技术方案，所述驱动模块包括运行控制单元以及状态调整单元；
20、所述运行控制单元用于对所述导航指令规划单元所规划的路线下达自主移动机器人控制指令进行实施运行；
22、根据上述技术方案，所述传感器数据导入单元包括光电开关、防撞条、相机、激光雷达以及声呐的数据导入，其中：光电开关根据光电开关位置创建对应位置障碍物点云集，其中点云的参考坐标系为光电开关的基准坐标，然而点云坐标为popt＝(lopt,0,0)，lopt为光电开关的有效探测距离，根据传感器参数由人工输入；防撞条根据防撞条安装位置由人工输入，创建对应位置角度障碍物点云集，其中点云的参考坐标系为防撞条的基准坐标，点云坐标为(0,0,0)；相机需要对深度相机做采样，分割无效点云通过提取点云中的不同物体，从而实现分而治之，突出重点单独处理(具体分割算法属于现有技术，本发明不涉及)得到处理后的点云集；激光雷达根据激光雷达扫描数据，结合激光雷达探测角度范围和角度分辨率由人工输入，将扫描点集转化为激光雷达坐标系下的点云集。设激光雷达的扫描范围为[α,β]，激光雷达的角度分辨率为dθ，则扫描点的坐标(xi,yi)可以表示为：
25、其中，α+idθβ；声呐根据声呐探测范围和检测到障碍物的距离在对应位置生成一段圆弧型点云集，圆弧半径等于障碍物距离，最大点云数一般设置为10。
26、根据上述技术方案，所述先验知识导入单元是将虚拟墙区域、禁行区域、优先区域、可行区域、未知区域以及功能区域进行优先级数据导入，虚拟墙区域作为墙体处理，虚拟墙区域及其边缘膨胀区域都属于禁行区域，自主移动机器人不能通行；禁行区域范围内自主移动机器人不能通行；优先区域内自主移动机器人具有优先通过权，即自主移动机器人优先考虑经由优先区域通过，其通行优先级最高；可行区域为一般通行的区域，其优先级次于优先区域；未知区域中自主移动机器人也可通行，其优先级次于可行区域；在功能区域中，自主移动机器人会触发预设相关功能。
27、根据上述技术方案，所述上层规划器单元分为初始化上层规划器以及初始化上层规划器关联度矩阵，其中，初始化上层规划器是将系统状态切换为“准备中”，导入上层规划器集：其中，为拓扑规划器，拓扑规划器输入为手工标注路径拓扑图，自主移动机器人的停靠点为拓扑图的节点，节点之间的权重即该段标注路径的路径长度，通过最短路径算法导出最优路径，为基于搜索策略的自主规划器，最短路径算法具体实施过程如下：
28、(1)根据节点和权重创建邻接矩阵a∈rn×n，n为节点数，aij为节点i到节点j的路径长度，若两节点之间不连接，则将权重设置为无穷大；
30、(3)遍历顶点集t，从邻接矩阵a中取出所选节点到达v中剩余顶点的路径长度与所选节点的最短路径长度求和，得到备选路径及其对应的路径长度；
31、(4)从备选路径中选出最短路径，将该路径的终点从原集v中取出加入到顶点集t，并保存到达该节点的最短路径长度；
35、c0为上层规划器集和上层先验知识集的关联度，其中表示上层规划器和先验知识的关联度；所述中间层规划器单元，关于初始化中间层规划器需要导入中间层规划器集和自主移动机器人运动基元；初始化中间层规划器关联度矩阵c1：
37、c1为中间层规划器集和中间层先验知识集的关联度，其中表示规划器和先验知识的关联度；所述底层规划器单元，关于初始化底层规划器，需要导入底层规划器集初始化底层规划器关联度矩阵c2：
39、c2为底层规划器集和底层先验知识集的关联度，其中表示规划器和先验知识的关联度。
40、根据上述技术方案，所述导航指令规划单元是接收到获取的导航指令，若导航指令无效，则将系统状态切换为“空闲”；若导航指令有效，打开上层规划器线程，上层奖励函数结合导航指令信息和先验知识给上层规划器集p0中的规划器打分，其中先验知识x0包括：导航系统状态自主移动机器人系统状态上一次规划器状态反馈规划器优先级和手工标注路径一般地，当存在手工标注路径时没有手工标注路径时奖励r0最高的规划器将被选为目标规划器，进行此次上层路径规划，即:在初始化c0时，与所对应的关联度应设置为最大奖励值，上层规划器结合全局代价地图规划上层路径，并将系统状态切换为“规划中”；若上层规划器规划时间tt或规划次数nt超过预设值，则抛出错误，并重置一次全局代价地图，并将系统状态调整为“上层规划器规划失败”；(a)上层路径检查及预处理，由起点开始遍历上层路径上的点，计算路径点与起点之间的距离其中，(x,y)为当前路径点坐标，(x0,y0)为起点坐标，结合全局预瞄距离l，若ll，则将此点选为全局预瞄点，通常情况下，l等于局部代价地图宽度的一半；
41、(b)打开中间层规划器线程，中间层奖励函数结合导航指令和先验知识给中间层规划器集p1中的中间层规划器打分，其中先验知识x1包括自主移动机器人系统状态上一次规划器状态反馈规划器优先级和导航系统状态奖励r1最高的规划器将被选为目标规划器，进行此次中间层路径规划，即:(c)中间层规划器结合局部代价地图和自主移动机器人运动基元规划中间层路径；
42、(d)若中间层规划器规划时间tm或规划次数nm超过预设值，其中tm和nm由导航指令传入，则抛出错误并重置一次局部代价地图，将系统状态调整为“中间层规划器规划失败”；
43、(e)打开底层规划器线程，底层奖励函数结合导航指令和先验知识给底层规划器集p2中的规划器打分，其中先验知识x2包括自主移动机器人系统状态上一次规划器状态反馈规划器优先级距离目标点距离等级和导航系统状态其中，根据自主移动机器人全局预瞄点位置分为不同等级，通常我们将其分为三级：
44、(i)全局预瞄点(xl,yl)与终点不重合且预瞄点到起点的距离小于全局预瞄距离l时
45、(ii)当预瞄点到起点的距离大于全局预瞄距离l且全局预瞄点和终点不重合
46、(iii)全局预瞄点和终点重合时奖励r2最高的规划器将被选为目标规划器，进行此次路径规划:
47、(f)底层规划器结合局部代价地图规划局部路径，并下达自主移动机器人控制指令。
48、根据上述技术方案，所述状态调整单元判断自主移动机器人当前位置，若自主移动机器人接收到有效的控制指令，将系统状态切换为“导航中”；若到达目标点，则将系统状态调整为“已完成导航”，该状态持续一定时间后系统状态恢复为“空闲”。
50、1、本发明考虑了机器人的自主性，引入了路径规划器和代价地图，通过代价地图由传感器驱动，路径规划器则使用代价地图作为输入，机器人通过传感器(如相机、雷达、声呐等)感知周边环境，并通过路径规划器进行实时决策，相比于早期的人工决策大大提高了机器人的自主性，更加灵活。
51、2、本发明提出了一种自主移动机器人的自动导航系统，环境感知模块引入经典的双层代价地图框架，即全局代价地图和局部代价地图。不同于传统的传感器驱动模式的层级代价地图，考虑到传感器检测的不完备性，本发明环境感知模块设计了先验知识和传感器数据联合驱动的层级代价地图，能够有效的克服由传感测量误差和感知的不完备性引起的误感知和欠感知。本发明规划模块采用多层多模式设计，按层级划分可分为上层规划器、中间层规划器和底层规划器，为保证决策动作的连续性，本发明涉及的多层规划器每层都采用独立线程工作模式，有效地克服了各层规划器规划的响应时间产生的滞后响应问题。考虑到单一规划器的不完备性，本发明每层规划模块可同时集成多种规划器，并通过由状态、感知和先验知识等组成的奖励函数进行模式切换，有效地克服了单一规划器的不完备的特点。此外，本发明合理地使用了状态机进行系统状态转移，进一步确保了整体系统的稳定性和决策的准确性。
52、3、本发明的自动导航系统能够有效的集成各种传感器和先验知识以确保感知的完备性，同时采用多层多模式规划器设计，且能够集成各种类型规划器，并通过奖励函数进行决策，其部署和使用更加灵活，对场景的适应性更强，能够覆盖更多的使用场景。KAIYUN体育官方平台入口KAIYUN体育官方平台入口