《《物流工程73路径规划》-精选课件（公开PPT）》由会员分享，可在线阅读，更多相关《《物流工程73路径规划》-精选课件（公开PPT）（47页珍藏版）》请在金锄头文库上搜索。
1、7.3 路径规划,7.3 路径规划 AGV智能化的新发展在于自主回避障碍物并达到目的地的路径规划。 首先，影响路径规划的是AGV的自由度数和地图的有无。为了便于理解，以2自由度AGV为例，分别考虑有地图时(环境已知时)和没有地图时(环境未知时)的路径动作规划。这里，假定AGV只考虑两个位置自由度(X、Y轴上的位置)，不考虑姿态方面的一个自由度(绕中心的回转),7.3 路径规划,由于地图是由AGV和障碍物的模型，所以有地图时的路径规划称为基于模型的路径规划(Model-based Path-Planning)。基于模型的路径规划称为离线路径规划。 没有地图时的路径规划，AGV用外部传感器(视觉、
2、超声波传感器、光传感器等)得到一面回避障碍一面到达目的地的路径，由此称为基于传感器的路径规划(Sensor-based Path-Planning)。基于传感器的路径规划又称为在线路径规划。,7.3 路径规划,基于模型的路径规划 首先说明为了快速选择最佳(最短)路径，应采用怎样的数据结构来表现地图。 最佳(最短)路径由于接近障碍物，如果有位置误差，AGV与障碍物碰撞的可能性很高。下面要说明的是，为防止碰撞，除了最佳性以外更重视安全性的方法，即为了选择离障碍物足够远的安全路径，应采用怎样的数据结构来表现地图。这里由于采用一种OR表。,7.3 路径规划,基于传感器的路径规划 AGV用传感器一面检测
3、障碍物一面进行回避并最终到达目的地的路径规划算法，即使存在位置误差，AGV也不会迷失确定的路径，而最终到达目的地附近。,7.3 路径规划,7.3.1 路径规划的模型 1几何模型 AGV有2个位置自由度(X、Y轴上的位置)和1个姿态自由度(绕中心的旋转)。这里，取可全方位移动的AGV为例加以说明。由于AGV能全方位移动，所以可忽略AGV的方向(姿态的自由度)。这样，就能用以最大回转长度为半径的圆表示AGV。在此基础上，可以把障碍物的几何尺寸径向扩张一个AGV圆的半径，同时把AGV缩成一个点(图7-16)。由此，在存在扩张了的障碍物的地图(XY平面)上，可以规划成为几何点的AGV的路径。,7.3
4、路径规划,7.3 路径规划,2数学模型首先，说明基于模型的路径规划。 为了快速选取路径，用所谓图的数据结构表示规划的数学模型(俗称“地图”)。所谓图就是用弧连接节点的数据结构，节点意味着AGV的位置，弧意味着两个位置间的移动(图7-17)。将移动的几何距离、工作量或时间加权折算得出两个位置间移动的模型费用，把模型费用希望值作为费用赋于该两个位置间的弧上。,7.3 路径规划,7.3 路径规划,当所有节点间移动的工作量不变时，弧上赋于的费用可以直接用几何距离标记。弧记忆进入节点和输出节点，总是回到原来的地方(程序上称为“指针返回”)。而且，如果能在两个方向移动则用无向弧，只能单方向移动的用有向弧。
5、,7.3 路径规划,7.3.2 基于模型的路径规划 这里介绍两个典型的图。一个是管理从起始节点ns到目标节点ng的最短路径的切线图(Tangential Graph)，另一个是连接这些节点的安全路径，即管理尽量离开障碍物路径的Voronoi图(Voronoi Graph)。无论哪一种图都是由节点和弧构成的，用节点表示起始点、经过点、目标点；用无向弧表示其间的路径，其上附加有作为费用的欧几里得距离。 最后，无论哪个图，都是用算法A选出任意路径，用算法A*选出最佳(满足)路径。,7.3 路径规划,1切线图 切线图用障碍物的切线表示弧。由此可选择从起始节点ns到目标节点ng的最佳(最短)路径。即切线
6、图是把障碍物边界切线化得到的。从起始节点ns开始，过两相邻节点向障碍物边界作切线，每两条切线的交点形成辅助节点。由主节点(起始点、经过点、目标点)、辅助节点和节点间连线组成了切线图。 首先把对应起始点S和目标点G的两个节点ns和ng标注在新的切线图上， 然后用算法A*选出最佳(最短)路径P，,7.3 路径规划,最后，使点AGV沿着路径P进行PTP(Point-To-Point)控制和CP(Continuous Path)控制，把AGV引导到目的地。,如果在这种控制过程中产生位置误差，机器人碰撞障碍物的可能性会较高，因为AGV几乎接近障碍物行走,7.3 路径规划,2Voronoi图 Vorono
7、i图可用弧表示距两个以上障碍物和墙壁表面等距离的点阵，用节点表示它们的交叉位置。 首先把对应起始点S和目标点G的起始节点ns和目标节点ng标注在图上，然后用搜索算法A*选出安全路径P，最后，使点AGV沿着路径P进行PTP控制和CP控制，把AGV引导到目的地。由于选择的是安全路径，所以，即使产生位置误差，AGV也能够在离障碍物足够远的路径上走行。,7.3 路径规划,7.3 路径规划,3.搜索算法A* (A) 这里要介绍的是，把前面所说的切线图和Voronoi图作为搜索图G，选出从起始节点ns到目标节点ng的最佳(或满足)路径的算法A*(或选出任意路径的算法A)。 算法A*(或A)一面计算节点n的
8、费用f(n)，一面搜索图G。费用f(n)是从起始节点ns经由当前节点n到目标节点ng的最小费用(最短距离)的估价函数。,7.3 路径规划,可用下式计算： f（n）= g(n)+h(n) 式中，g(n)是起始节点ns和当前节点n之间的现时点上的最小费用(最短距离)；而h(n)是当前节点n和目标节点ng之间的最小费用h*(n)的估计值，称为启发式函值。 OPEN是管理以后扩展节点的明细表，所有节点按费用f（n）递增顺序排列，CLOSED是管理已扩展节点的明细表。,7.3 路径规划,通常A*(或A)等搜索算法，从节点n扩展的所有节点n中，把必要的节点同费用f(n)都标注OPEN上(参看算法的第步)，
9、这个操作称为“扩展节点n”。 算法A*(A)的程序流程说明： 把起始节点ns代入OPEN。 如果OPEN是空表，由于路径不存在，所以算法终止。 从OPEN取出先头(费用f最小)的节点n，并把它移到CLOSED。,7.3 路径规划,如果节点n是目标节点ng，则顺次返回到来自的节点上(程序上是追寻(返回)指针)。然后，若是到达起始节点ns，则终止算法，得到一个路径。 如果不是这样，扩展节点n，把指针从其子孙节点n返回到节点n(记住从哪来的)。然后，对所有的子孙节点n做以下工作:,7.3 路径规划,节点n如果不在OPEN或CLOSED表中，则它就是新的搜索节点。因此，首先计算估计值h(n)(从节点n
10、到节点ng的最短距离的估计值).其次,计算评价值 f(n)=g(n)+h(n) (这里g(n)=g(n)+c(n、n),g(ns)=0,c(n、n)是连接节点n和n弧的费用)。然后，把节点n同估计值f（n）都代入OPEN。 若节点n存在于OPEN或CLOSED表中，则它就是已被搜索的节点。于是，把指针换到带来最小值g(n)的路径上(变更来自的地方)。然后，在这个指针发生替换时，若节点n存在于CLOSED中，则把它返回到OPEN后，再计算值f(n)=g(n)+h(n)。,7.3 路径规划,返回到 算法A*(A)的程序流程,7.3 路径规划,估计值h比真值h*小或相等时，上述的算法变为A*，可选出
11、从起始节点ns到目标节点ng的最佳路径(总计费用最小的路径)。 若估计值h比真值大， h*算法则变为A，可选出从起始节点ns到目标节点ng的满足要求的路径(总计费用不是最小的路径)。 因此，机器人的路径规划多用从当前地点( , , )到目的地( , )的平方范数,7.3 路径规划,定义估计值。这个估计值h常常比h*小，成为算法A*，用它可选择最佳路径。 图7-20的搜索图G存在估计值h(在节点上用括号给出)比真值h*大的节点。例如，节点A和H的估计值h是8和4，但到达目的地的最小真值是7和2。由于这个费用评价过大，存在于最短路径上的节点H等可以忽略，算法错过了费用8的最佳路径，最终得到费用9的
12、满足要求的路径。,7.3 路径规划,7.3 路径规划,A、起始节点S被代入OPEN图7-21(a)，子节点A和B被代人OPEN图7-21(b)。起始节点S扩展后移到CLOSED， B、由于节点A、B的评价值分别为10、8，所以选中扩展节点B 。B的子节点D、E、F，评价值分别为9、8、10，全都代人OPEN，扩展后节点B被移到CLOSED图7-21(c)。 C、节点E评价值最小，选中扩展节点E。E的子节点H同评价值10都代入OPEN，扩展后节点E被移到CLOSED。,7.3 路径规划,D、OPEN中当前评价值最小的子节点是D，所以选中节点D。 D的子节点H被再次搜索 ，节点D被移到CLOSED
13、。注意到节点H的值g，由于过去的费用6(经由节点E、B返回到节点S)比新的费用7(经由节点D、B返回到S)小，所以不更换指针图7-21(d)。指针仍在E。由于当前OPEN上存在评价值f都为10的三个节点A、H、F，此时须对这三个节点A、H、F都分别向下扩展。,7.3 路径规划,E、用中断连接节点A，扩展节点C同评价值8都代人OPEN，节点A被移到CLOSED。然后， C的两个扩展节点I、H中，选中值f最小的节点I （实际上，ACH路径在先已经被否定），节点I同评价值10都代人OPEN，节点C同评价值8都被移到CLOSED。节点I的扩展节点即为目标， OPEN保持 F、节点H的扩展节点即为目标，
14、OPEN保持,7.3 路径规划,G、节点F的扩展节点即为目标，OPEN保持 H、当前OPEN上三个节点I 、H、F的评价值都为10,其后的扩展节点都是目标G。计算分别经三个节点F、H、I到目标G的评价值,经节点F到目标G的评价值最小。所以用中断连接扩展节点F，节点G连同评价值9都代人OPEN，节点F移到CLOSED图7-21(e)。,7.3 路径规划,在图7-22的搜索图G上，所有节点的估计值h(在节点上用括号给出)常常比真值h*小或相等。,7.3 路径规划,7.3 路径规划,A、起始节点S被代入OPEN，子节点A、B连同评价值f6、8被代人OPEN，起始节点S扩展后移到CLOSED。 B、由
15、于节点A、B的评价值f分别为6、8，所以节点A扩展子节点C、D后移到CLOSED，节点B、C、D连同各自的评价值8、8、9都代入OPEN。,7.3 路径规划,C、用中断连接扩展节点B，节点B扩展子节点E、F。子节点E、F连同评价值8、9都代入OPEN，节点B扩展后代入CLOSED。再次搜索节点D。这时，如果注意到节点D的值g，由于新的费用值4(经由节点B返回到节点S)比过去的费用5(经由节点A返回到节点S)小，所以要更换指针，重新计算的评价值f变为9图7-23(a)。 D、仍然用中断连接扩展节点C，节点C扩展子节点I、H 。子节点I、H连同评价值10 、9都代入OPEN，节点C移到CLOSED
16、 图7-23(b) ，,7.3 路径规划,E、当前OPEN上五个节点I 、H、 D、 E 、F。所以选中评价值f最小的扩展节点E。然后，把节点E代入CLOSED，再次搜索节点H。 F、这时，注意到节点H的值g，比起过去的费用7(经由节点C，A返回节点S)来新的费用6(经由节点E、B返回到节点S)要小，所以更换指针，重新计算H的评价值f为8图7-23(c),7.3 路径规划,G、当前OPEN上扩展值f最小的节点H，其后的扩展节点是目标G，节点G以评价值8代人OPEN，节点H代入CLOSED H、最后，节点G如果选择作为值f最小的节点，则把指针返回到节点H、E、B、S，最终得到费用8的最短路径。这里，由于节点H的估计值h与真值h*相比过小，所以这个最佳路径上的节点必须调整。,7.3 路径规划,4AGV的路径规划实例 Dijkstra最短路径确定法。图7-24中的节点15是AGV运行路线上的岔口，618是货物装卸点，6是系统的入口，9、15、16是系统的出口，19是AGV停车处。在图7-24(b)中，将AGV可能的运行方向用箭头进行了表示。,7.3 路径
