[發明專利]一種基于局部搜索算法的機械臂自主避障路徑生成方法

在審

• 申請號: 202210017496.8
• 申請日: 2022-01-07
• 公開（公告）號: CN114193457A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 馬建濤;韓峰濤;庹華;于文進;張航;何剛;韓建歡
• 申請（專利權）人: 珞石（北京）科技有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京世譽鑫誠專利代理有限公司 11368
• 代理人: 劉秀珍

本發明提出了一種基于局部搜索算法的機械臂自主避障路徑生成方法，包括：步驟S1，初始化障礙物相關信息，根據初始化后的信息生成障礙物的邊界框；步驟S2，將當前關節角度一個鄰域內的關節點離散化；步驟S3，從當前角度出發，依據預測的關節角度變化律獲得下一步的搜索路徑點，判斷從當前關節角度出發能否獲得可行路徑點，如果能夠獲得可行路徑點，則從可行路徑點中篩選最優路徑點，進而判斷是否到達終點；如果不能獲得可行路徑點則進行路徑回溯，返回前一個路徑點重新進入S2向前搜索；步驟S4，如果判斷到達終點，則將所有最優路徑點平滑連接起來，生成最終的平滑路徑，如果判斷沒有到達終點，則前進一步返回步驟S2，搜索下一個路徑點。

技術領域

本發明涉及工業機器人技術領域，特別涉及一種基于局部搜索算法的機械臂自主避障路徑生成方法。

背景技術

在現代機器人應用中，隨著工作環境的復雜多樣化，機械臂需要與環境中的物體和人類進行更多的交互，這對機械臂的自主避障能力提出了越來越高的要求。良好的自主避障能力不僅能夠大幅增加了機械臂的工作效率，同時也增加了于人體交互的安全性。

目前已有的機械臂避障方案有如下幾類：

1.手動調節法。該方法需要在障礙物處，手動更改機械臂的運動路徑來避過障礙物。使用該方法往往需要經過多次嘗試才能獲得有效的機器人運動路徑，調整過程繁瑣低效，同時難以保證最終獲取路徑的性能。

2.人工勢場法，神經網絡法，隨機樹搜索法等自主規劃方法。其中，人工勢場法在障礙物,目標點和機械臂之間建立勢場函數，通過目標點吸引勢與障礙物的排斥勢相結合，對機械臂的路徑進行規劃。然而，該方法存在容易陷入局部極小值，產生錯誤規劃的問題。神經網絡法需要大量額數據進行模型訓練，引入過多的數據采集工作，同時難以保證算法的穩定性。隨機樹搜索法通過初始值向外隨機搜索，不斷擴大搜索范圍，尋找可行的解。該算法需要浪費大量的算力在不正確的搜索方向上，算法效率不高。上述這些方法的另一個缺點是沒有尋找到避開障礙物的最短路徑，同時也未考慮所生成路徑的曲率，不能保證機械臂最終的運行效率。

發明內容

本發明的目的旨在至少解決所述技術缺陷之一。

為此，本發明的目的在于提出一種基于局部搜索算法的機械臂自主避障路徑生成方法。

為了實現上述目的，本發明的實施例提供一種基于局部搜索算法的機械臂自主避障路徑生成方法，包括如下步驟：

步驟S1，初始化障礙物相關信息，根據初始化后的信息生成障礙物的邊界框；

步驟S2，將當前關節角度一個鄰域內的關節點離散化；

步驟S3，從當前角度出發，依據預測的關節角度變化律獲得下一步的搜索路徑點，判斷從當前關節角度出發能否獲得可行路徑點，如果能夠獲得可行路徑點，則從可行路徑點中篩選最優路徑點，進而判斷是否到達終點；如果不能獲得可行路徑點則進行路徑回溯，返回前一個路徑點重新進入S2向前搜索；

步驟S4，如果判斷到達終點，則將所有最優路徑點平滑連接起來，生成最終的平滑路徑，如果判斷沒有到達終點，則前進一步返回步驟S2，搜索下一個路徑點。

進一步，在所述步驟S1，所述初始化障礙物相關信息，包括：初始化路徑起始點、終點、角度極限、障礙物邊界信息。

進一步，所述生成障礙物的邊界框，包括：選擇由圓形和矩形元素描述障礙物的邊界框；其中圓形由球心O_i(xo_i,yo_i,zo_i)和半徑ro_i組成，矩形由長方體的各個頂點(xc_i,yc_i,zc_i)表示，障礙物的邊界框由上述元素組成的圓柱形，球形和多面體進行描述。

進一步，在所述步驟S2中，