基于Baxter机器人的避障路径规划关键技术研究

【摘要】：随着现代制造业逐渐变得更加智能与自动化,机器人也越来越多地应用于工业制造。考虑到机器人工作环境复杂多变,环境中存在各种障碍物,这就要求机器人能够有效地避开障碍物并完成指定操作。同时尽可能保证这条无障碍路径接近全局最优或次优,机器人沿着这条路径运动时足够平稳。本文以Baxter机器人的一个七自由度机械臂为例,研究其在环境中障碍物已知情况下的避障路径规划关键技术,包括运动学求解,碰撞检测和路径规划算法。Baxter的双臂各具有一个冗余自由度,导致其逆解具有无数种可能。为了在这无数组解中选出特定的优化解,本文在梯度投影法基础上进行一次优化选解,然后使用牛顿迭代和代数反解并用的误差补偿方法来减少梯度投影法造成的误差,最终得到精度和优化要求都满足的一组关节角。碰撞检测是机器人避障运动规划领域的基础,要求返回当前时刻和下一时刻的碰撞信息。本文对于Baxter机械臂连杆进行简化,使用圆柱代替完整的连杆模型做相交测试,同时将障碍物模型用包围盒树做出分解。二者之间做相交测试可得最终碰撞结果,这样不仅加快了碰撞检测速度,还降低了不碰撞时连杆与障碍物之间距离计算的难度。为了更好地规划无障碍路径,本文提出了一种融合自适应引力势场的快速扩展随机树路径规划算法。新算法在RRT算法的基础上,以目标点融合的引力势场引导随机树生长方向,并通过自适应的引力系数改变势场大小,使随机树能够更好更快地生长出一条无障碍路径。新算法还进一步优化了无障碍路径,使路径更短,更加接近全局最优或次优。最后通过MATLAB和MoveIt!工具对本文算法在二维和三维空间进行仿真,并在Baxter机器人做避障实验,分析实验数据,验证了该算法的规划耗时较少,路径可重复性好,接近全局最优。