申请/专利权人：泉州装备制造研究所

申请日：2023-10-16

公开（公告）日：2024-03-29

公开（公告）号：CN117073688B

主分类号：G01C21/20

分类号：G01C21/20

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2023.12.05#实质审查的生效;2023.11.17#公开

摘要：本发明涉及割草机器人应用技术领域，尤其涉及一种基于多层代价地图的覆盖路径规划方法。一种基于多层代价地图的覆盖路径规划方法，包括S1、生成多层代价地图：该多层地图中包括粗糙度代价地图与坡度代价地图；S2、生成可穿越性代价地图；S3、建立边界；S4、多层代价地图预处理；S5、路径规划。本发明根据机器人获取的点云地图数据建立有关粗糙度与坡度的代价地图，即多层代价地图，结合机器人本身的最大行驶粗糙度和坡度，得出机器人无法穿越区域，建立可穿越性代价地图，以可穿越性代价地图为基本层规划路径，利用启发式搜索算法，寻建立以坡度、转弯角度为目标的优化函数，寻找最优路径，使割草机器人高效运行的同时，保证安全行驶。

主权项：1.一种基于多层代价地图的覆盖路径规划方法，其特征在于，包括S1、生成多层代价地图：基于割草机器人获取的有关草地的点云地图数据，生成粗糙度代价地图与坡度代价地图，构建点云地图数据与多层代价地图之间的转换函数；草地的地形特征通过粗糙度与坡度来表示，而粗糙度与坡度从割草机器人获取的点云地图数据中转换得出；粗糙度即地形表面不平整程度，由点云地图单位内的分散程度来表示，并通过最小二乘法计算；坡度层将点云地图数据中的高度信息拟合到平面中来表示，粗糙度与坡度的具体转换函数如下： ai,bi,ci＝LSM{xi,yi,zi∈Brπi} 其中，Sslopeπ表示地图中某处的坡度，Sroughπ代表粗糙度，通过最小二乘法将点云地图数据中的高度信息拟合到平面ax+by+c＝z中计算坡度，ai,bi,ci为拟合平面的系数，x、y、z为点云地图中的各轴信息，LSMxi,yi,zi即为最小二乘法简化公式，Brπi为地图中某处周围的点云信息集合，将点云地图中的点云信息的各轴数据代入粗糙度与坡度的具体转换函数中求算出ai,bi,ci的值；σi用于估计地面与拟合平面的高度偏差，从而计算粗糙度；S2、生成可穿越性代价地图：基于粗糙度代价地图与坡度代价地图，建立代价函数，生成可穿越性代价地图，并以可穿越性代价地图层作为基本层进行路径规划；S3、建立边界：由割草机器人绕草地边界行走一圈，实时跟踪割草机器人位姿，将割草机器人轨迹形成的多边形内部设置为可通行区域，多边形外部设置为禁行区域，创建虚拟边界地图层，建立边界并将边界拟合进可穿越性代价地图中；S4、多层代价地图预处理：原有多层代价地图中的分辨率为单位栅格大小，现根据割草机器人实际大小，进行栅格地图分辨率的调整，使该多层代价地图的栅格大小与该割草机器人大小相适应；S5、路径规划：在具有边界的可穿越性层地图上进行路径规划，同时调用粗糙度代价地图与坡度代价地图中的信息，构建以坡度、转弯角度为目标的多目标优化函数，获取最优覆盖路径；首先定义割草机器人全覆盖路径规划损耗代价函数，而后利用启发式搜索算法，计算使其代价最小的方式进行割草作业，涉及以坡度、转弯角度为目标的多目标优化函数具体如下：Ep,n＝drp,n+Nn+Eslope Eslope＝maxmgμcosω+sinα·‖dr‖,0其中，p＝x,y,θ表示机器人当前姿态，θ表示机器人当前的姿态角，n表示下一个将到达的位置，旋转距离dr以π4为单位测量；函数Nn表示N周围的8个邻居Nb8n中尚未访问的位置的数量，此函数会产生跟踪行为；k表示Nb8n中的成员，L是已访问位置的集合，|k∩L|表示N周围邻居是否已被访问，ω是梯度的倾角，mg是机器人的重量,移动表面和全地形表面之间的摩擦系数μ设置为0.2，α即地图中该处的坡度角。

全文数据：

权利要求：

百度查询： 泉州装备制造研究所 一种基于多层代价地图的覆盖路径规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD