[發明專利]一種融合低差異序列與RRT算法的機械臂路徑規劃方法

有效

• 申請號: 202011242965.3
• 申請日: 2020-11-09
• 公開（公告）號: CN112356033B
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 代偉;李創業;繆燕子;馬小平
• 申請（專利權）人: 中國礦業大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 郝偉揚

本發明公開一種融合了低差異序列與RRT算法的機械臂路徑規劃方法，包括初始化工作環境、關節角空間采樣、生成新節點及路徑優化處理。本發明使用低差異的序列代替RRT算法中的偽隨機序列，從而生成均勻差異的采樣點，避免了采樣點重復；同時為了進一步加快搜索速度引入目標偏向策略使得該算法在搜索過程中具有一定的目標性減少了對無效區域的搜索；接著在采樣過程中建立采樣池，對采樣點進行優選提高采樣點質量；將本發明應用在機械臂關節空間中進行路徑規劃避免了逆運動學求解減小了計算量。

技術領域

本發明涉及機器人路徑規劃領域，特別涉及一種融合低差異序列與RRT算法的機械臂路徑規劃方法。

背景技術

廢棄礦區土地復墾是緩解農業用地，改善礦區環境的重要途經，但其環境惡劣可能存在一些重金屬、未知塌陷、環境污染等潛在危險，采用移動機器人進行無人化土壤采樣是礦區修復的首要環節。機械臂作為移動機器人的執行機構承擔著土壤采樣的重要任務，由于礦區環境復雜存在未知障礙物，因此需要對機械臂進行路徑規劃以避開障礙物到達目標點。隨著機器人學的發展，國內外學者已經提出許多路徑規劃算法，例如人工勢場法、A*算法以及RRT算法等，人工勢場法和A*算法在路徑規劃是雖然能夠滿足最優性和實時性要求，但人工勢場法極易陷入局部極小值，A*算法存在內存開銷大，運行時間長，累計轉折角度大等問題。RRT算法是一種基于隨機采樣的路徑規劃方法，其不需要對狀態空間進行預處理，具有搜索速度快，便于處理約束等特性，能有效解決復雜環境下路徑規劃的問題，近年來被廣泛應用于機器人路徑規劃領域。但標準RRT也存在一些固有的缺陷：(1)全局的隨機采樣導致算法無謂地耗費較大代價，使得收斂速度變慢；(2)算法的隨機性會導致生成的路徑不平滑，難以被機器人直接執行。

發明內容

本發明的目的在提供一種融合低差異序列與RRT算法的機械臂路徑規劃方法，用于提高機械臂的路徑規劃效率，并優化規劃出的路徑。

為了實現上述目的，本發明提供的融合低差異序列與RRT算法的機械臂路徑規劃方法，包括以下步驟：

步驟一：初始化工作環境

建立機械臂的運動學模型并確定機械臂的運動空間和障礙物Obstacle；獲取機械臂狀態空間中的路徑起點(起始點)x_start和路徑終點(目標點)x_goal，初始化隨機樹T_node，并確定RRT算法參數，主要包括：

(1)目標偏置概率p，使采樣點以一定的概率p等于目標點，降低算法的盲目性。

(2)采樣池容量n，每次生成n個采樣點放入采樣池中選取采樣池中最優的采樣點生成新節點x_new。

(3)步長step，算法根據最近節點、采樣點的位置以及步長step確定新節點。

(4)允許誤差error，當新節點與目標節點的歐式距離小于允許誤差error時認為路徑搜索完成。

步驟二：關節角空間采樣

設定目標偏置概率p，并在區間范圍(0，1)之間生成一個隨機數rand；比較該隨機數與偏置概率p的大小，如果rand≤p不再進行采樣直接令采樣點x_sample等于目標點(路徑終點)x_goal，反之使用低差異Sobol序列生成n個具有均勻差異的采樣點按與目標點(路徑終點)x_goal的歐式距離遠近，從小到大排列進入采樣池。

步驟三：生成新節點

3.1尋找隨機樹T_node中距離采樣點x_sample最近的一個點作為最近節點x_nearest；