一种基于卡尔曼滤波器预测的机器人避障方法

摘要

本发明涉及一种基于卡尔曼滤波器预测的机器人避障方法。复杂环境中，机器人行进的环境是动态变化的，当确定预定任务的环境发生重大变化，应修改任务目标，实时规划任务、修改路径。本发明所述避障方法中的路径规划器根据数字地图、任务集、传感器系统所得机器人所处状态，对任务集进行排序，产生机器人行进点序列，由伺服系统执行，当传感器系统探测到有新障碍物出现，根据观测数据建立卡尔曼滤波器模型，利用观测数据和经典的线性动态系统期望最大化模型辨识算法对参数进行辨识和修正，更新数字地图，供路径规划器进行新一轮的局部重规划。本发明可实现机器人在不确定环境下局部动态生成的避障路径规划，实现简单，实时性较好。

主权项

一种基于卡尔曼滤波器预测的机器人避障方法，其特征在于，包含以下步骤：步骤一：设定初始的机器人任务环境的数字地图（1），并传送到机器人路径规划器（3）；步骤二：传感器系统（2）对机器人所处状态的测量信号作为机器人路径规划器（3）的输入信号；步骤三：机器人的路径规划器（3）根据目前掌握的数字地图（1）、机器人所处状态、任务集及约束条件，对任务集进行排序，规划出行进无碰撞路径，并产生一系列机器人伺服系统（4）的行进点序列信号；步骤四：基于伺服系统（4）的输出信号，调整传感器系统（2）对环境和自身运动状态进行监测并采集相应的实时数据；步骤五：路径规划器（3）根据传感器系统（2）的反馈，进行状态判断；若自身运动状态与上次路径规划器目标位置坐标相同，规划结束；否则，进行步骤六的内容；步骤六：判定有无新障碍物出现：若无新障碍物出现，继续执行步骤四中伺服系统（4）的行进动作；否则，进行步骤七的内容；步骤七：建立新障碍物卡尔曼滤波器模型，根据传感器系统（2）的观测数据，对模型参数进行辨识和修正；步骤八：根据辨识的模型、机器人位置和周围环境之间关系的预测，检查机器人行进过程中是否会发生碰撞，如预测到不会发生碰撞，继续执行步骤四中伺服系统（4）的行进动作；否则，进行步骤一的内容，更新数字地图（1），供路径规划器（3）进行新一轮的路径局部重规划。