[發(fā)明專利]一種移動機器人基于激光數據的動態(tài)障礙物軌跡預測方法

在審

• 申請?zhí)枺?/td>: 202110248650.8
• 申請日: 2021-03-08
• 公開（公告）號: CN113034579A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設計）人: 林睿
• 申請（專利權）人: 江蘇集萃微納自動化系統(tǒng)與裝備技術研究所有限公司
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06F16/29;G06K9/62;G06T7/11;G06Q10/04;G01C21/00
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 李蕊

1.一種移動機器人基于激光數據的動態(tài)障礙物軌跡預測方法，其特征在于，包括以下步驟：

S1、利用激光傳感器實時感知周圍環(huán)境信息，將當前時間幀激光數據與已存儲的場景全局地圖進行匹配，并利用蒙特卡羅定位算法獲取當前時間幀最佳全局位姿估計；

S2、根據所述當前時間幀最佳全局位姿估計與場景全局地圖，區(qū)分周圍環(huán)境中的動態(tài)障礙物；

S3、對所述動態(tài)障礙物的激光數據進行分割聚類，得到動態(tài)障礙物多邊形類簇描述；

S4、根據移動機器人的當前時間幀最佳全局位姿估計和動態(tài)障礙物多邊形類簇信息，計算得到動態(tài)障礙物在全局地圖中的位置和大小描述；

S5、分析后續(xù)相鄰時間幀動態(tài)障礙物在全局地圖中的位置和大小描述，并利用卡爾曼濾波算法預測動態(tài)障礙物運動軌跡；

S6、根據所述預測的動態(tài)障礙物運動軌跡，利用應用動態(tài)窗口法進行路徑規(guī)劃，得到繞過動態(tài)障礙物的運動軌跡，完成移動機器人基于激光數據的動態(tài)障礙物軌跡預測。

2.根據權利要求1所述的移動機器人基于激光數據的動態(tài)障礙物軌跡預測方法，其特征在于，所述步驟S1包括以下步驟：

S101、在移動機器人上方安裝前向2D激光傳感器，并利用所述激光傳感器掃描周圍環(huán)境信息，獲取當前時間幀激光數據{L|γ_k,n,n＝1...N}，其中，n表示第k幀激光點的序號，N表示第k幀激光點的總數，γ_k,n表示當前時間幀激光點對應的極坐標距離，L表示激光數據集；

S102、將當前時間幀激光數據與已存儲的場景全局地圖進行匹配，并利用蒙特卡羅定位算法獲取當前時間幀最佳全局位姿估計，其中，ω_X,Y表示場景2D全局地圖中的柵格點[X,Y]的值，M表示二維地圖柵格點集，且柵格點為離散的物理寬度為Δw的正方形柵格，Θ表示場景全局地圖。

3.根據權利要求2所述的移動機器人基于激光數據的動態(tài)障礙物軌跡預測方法，其特征在于，所述步驟S102中當前時間幀最佳全局位姿估計的表達式如下：

P_k＝[p_k q_k θ_k]^T

其中，P_k表示最佳全局位姿估計，p_k和p_k表示在第k幀移動機器人在全局坐標系的坐標，θ_k表示航向角。

4.根據權利要求1所述的移動機器人基于激光數據的動態(tài)障礙物軌跡預測方法，其特征在于，所述步驟S2包括以下步驟：

S201、將動態(tài)障礙物軌跡投影至場景全局地圖中：

其中，表示場景2D全局地圖中的柵格點[X,Y]的值，M表示二維地圖柵格點集，且柵格點為離散的物理寬度為Δw的正方形柵格；

S202、將所述當前時間幀最佳全局位姿估計與場景全局地圖進行特征匹配，去除與場景全局地圖柵格匹配的激光數據點且[X_k,Y_k]∈M，區(qū)分周圍環(huán)境中的動態(tài)障礙物，其表達式如下：

其中，γ_k,n表示當前時間幀激光點對應的極坐標距離，[x_k,n y_k,n]^T表示當前k幀激光數據中第n個激光離散點在移動機器人坐標系中的坐標，p_k和q_k表示在第k幀移動機器人在全局坐標系的坐標，θ_k表示航向角，x_FL表示激光傳感器在移動機器人正前向安裝的偏移量，即激光傳感器極坐標系相對于移動機器人旋轉中心坐標系的前向偏移量，M表示二維地圖柵格點集，X_k,Y_k表示當前時間k幀激光數據點在全局地圖中投影所對應的柵格序號。