编队避碰
领航-跟随型编队避障问题指编队在运动过程中,领航机器人根据某种方式获取与识别前方障碍物,同时编队整体采取一定方法及时规避障碍物与防止内部碰撞,涉及到障碍物检测、编队避障规划、编队避碰协调,运动控制等问题。本文在总结现有文献的基础上,将编队避障问题主要分解为在以下几个方面[7-10]:
(1) 避障规划与避碰协调问题。即在实现单个移动机器人路径规划问题的基础上,如何建立一个控制模型并以某种运动规则实现个体间的协调合作任务。结合编队,针对不同的避障环境:单障碍物,多障碍物,静态障碍物,动态障碍物,以及根据障碍物的不同类型、大小、位置以及编队系统的尺寸、个体数量,拟定定量表达式,以确定避障避碰方式。
(2) 运动控制问题。控制编队避障过程中的编队队形变换,结束后的恢复初始队形等,使整个编队系统的运动状态趋于一致。
(3) 编队体系结构。一定灵活性、容错性的编队结构模型,使拥有局部感知功能的编队根据环境信息进行队形保持与动态地队形变换,保证编队作为一个整体顺利通过障碍区域。编队体系结构是编队避障控制的前提,也是编队进行信息交互的基本框架。
(4) 编队交互通讯。实现编队避障,需要单机与多机,多机与多机等相互通讯,包含其位置信息、速度、加速度信息以及环境信息等,机器人相互之间的实时通讯数据庞大,处理速度要求高,且存在时延、时有时无且带宽受限等非理想条件约束,如何设计编队内部的底层通信协议,以提高整个系统的实时性,也是亟需解决的问题。
(5) 编队环境感知。需要采取一定方法明确周围是何种环境类型:单障碍物、多障碍物,静态障碍物,动态障碍物,有时根据情况在此基础上还需进一步考虑是否需要明确障碍物的大小、形状等具体信息。
(6) 编队协作定位。包含编队与障碍物之间以及编队内部机器人之间的定位。编队避障时的各个角色的精确定位比较困难,避障过程实质是一个动态复杂、多机耦合的过程,需及时调整编队内部机器人的相对位置以及编队与周围障碍物的相对位置,定位的准确程度直接影响编队避障与避碰的效果。
1.2.3 国内外研究现状
目前根据躲避局部静态障碍物时,编队的拆分情况,可大致分为两种避障策略:编队拆分避障与编队整体避障。
(1)编队拆分避障
编队拆分避障指编队内部不再维持原有控制,而是独立避障,只要在安全范围内机器人不相互碰撞即可,等避障结束后再重新恢复联系,相当于每个机器人独立进行在线避障。转化为单机避障路径规划问题。
按照机器人对环境的掌握情况,避障路径规划分为:(1)全局路径规划(静态或离线路径规划),是指机器人在了解运行环境的详细信息后所做的路径规划。(2)局部路径规划(在线或动态路径规划),是指移动机器人对于运行环境不了解,通过传感器实时探测环境信息的路径规划。将常用的路径规划算法主要有栅格法[11]、可视图法[12]、模糊逻辑法[13]、RTT算法[14] 、遗传算法[15] 等,对比优缺点如表1-1所示。
表1-1 常用路径规划方法及比较
路径规划方法
优点
缺点
在线或离线
栅格法
技术成熟,用栅格表示地图,在处理障碍物的形状大小时,避免了复杂计算。
栅格大小影响了存储环境信息的信息量大小,也影响机器人路径规划的准确性和时间。
离线
可视图法
将搜索最优路径的问题转化为经过各顶点可视直线从起点到目标点的最短距离问题,搜索时间短
不考虑机器人自身的大小,导致机器人在实际避障中可能碰触障碍物,灵活性不好,对传感器精度要求高。
离线
模糊逻辑法
通过传感器获得环境信息,实时性强,利用先验知识进行路径规划,容易实现,操作简单。
依赖传感器,对称环境的路径规划容易产生振荡甚至死锁。预先制定的先验经验不一定完备,计算量随障碍物数目增加,影响规划结果。
在线
RRT算法
无预处理,适应复杂外部环境,较高的搜索效率,无需路径转换。
对全局环境有较大的依赖性,常应用在外部环境先验内环境中,且在自主避障与导航中实时性较差。
在线
遗传算法
采用并行化的方式,直接对机器人路径采用概率化,自适应方式搜索,保证路径规划中求解路径的最优性。
运算慢,进行路径规划时要占据较大的存储空间和运算时间,编码合理性和效率问题较难处理
在线
考虑到编队避障对环境约束极为敏感,需要针对不同的环境类型,对编队进行不同的避障路径规划,均衡上述各算法的优缺点和应用范围,不必拘泥一种路径规划方法,有时几种算法的混合,基于某种方法的改进,或许可为编队提供更为适合的路径规划。
(2)编队整体避障
编队整体避障指编队内部维持原有控制,通过动态调节队形进行在线避障。主要有以下方法:
1人工势场法
人工势场法将统筹路径规划,轨迹跟踪,以及内部协调规划为一体,通过构建势场函数,使其根据约束信息自适应动态的确定反馈控制律,驱动编队整体协调在线避障[16-20]。