本发明属于机器人避障规划领域，尤其涉及一种轮-臂复合机器人的自适应维度采样避障规划方法。
背景技术：
1、rrt算法是一种基于随机采样的路径规划算法，这种算法在构型空间内随机生成节点，并通过扩展随机树来探索未知区域，直到找到从起始点到目标点的路径。在机器人规划中，路径规划是实现机器人自主导航和完成任务的关键技术之一。机器人需要在复杂的环境中避开障碍物，同时找到到达目标位置的最短路径。rrt算法由于其高效性和灵活性，成为机器人路径规划领域的重要工具。
2、轮-臂复合机器人是移动底盘+多自由度机械臂构成的高自由度系统，高自由度采样规划的问题在于，随着自由度的增加，状态空间的维度也会急剧增加，导致计算复杂度和存储需求的急剧上升，降低算法的实时性和效率，并且由于采样规划的随机性，规划得到的结果可能存在较多冗余动作。
技术实现思路
1、本发明目的在于提供一种轮-臂复合机器人的自适应维度采样避障规划方法，以解决上述的技术问题。
2、为解决上述技术问题，本发明的一种轮-臂复合机器人的自适应维度采样避障规划方法的具体技术方案如下：
3、一种轮-臂复合机器人自适应维度采样避障规划方法，包括如下步骤：
4、s1：获取环境3d栅格占据地图；
5、s2：将机械臂置于安全的折叠构型；
6、s3：移动底盘+机械臂安全构型，仅在底盘低维空间规划全局初始路径；
7、s4：将机械臂置于起始构型；
8、s5：移动底盘+机械臂起始构型，对初始路径在3d栅格地图中检测是否存在碰撞，如果是，执行步骤s6，否则执行步骤s7；
9、s6：移动底盘+机械臂高维空间，所有碰撞区域局部重规划；
10、s7：组合输出全局无碰撞路径。
11、进一步的，所述s1通过rgb-d相机或者3d激光雷达对环境进行扫描得到点云，通过octomap工具转为八叉树栅格占据地图，被占据栅格为障碍物。
12、进一步的，所述s2的机械臂相对于移动底盘处于收缩状态，在不发生自碰撞的情况下，折叠使得复合机器人整机高度接近最低。
13、进一步的，所述s3仅在移动底盘三自由度空间内，基于双向知情rrt*算法进行采样规划，采样过程中的碰撞检测基于移动底盘+机械臂安全构型进行。
14、进一步的，双向知情rrt*采样规划包括如下步骤：
15、s801：输入复合机器人全局规划的相关参数，包括起始点末端位姿目标点末端位姿最大邻近节点数knv，最大迭代次数niter；
16、s802：初始化双向树总路径代价cpath＝∞，
17、s803：逆运动学计算起始关节配置目标关节配置
18、s804：在关节空间进行随机采样qrand＝rand_sample(qs，qg，cpath)，找到最邻近节点的配置qnn＝find_nearst_node(ta，qrand)；
19、s805：设置邻近节点集合中间节点集合节点扩展标志位ext_statenn＝ext_statenv＝ext_statec＝failed；
20、s806：尝试扩展最邻近节点如果ext_statenn＝＝failed或者cpath＜∞，执行步骤s807；
21、s807：搜寻qrand邻近节点集合lnv＝find_near_nodes(ta，qrand，knv)，为qrand重选父节点
22、s808：如果ext_statenn≠failed或者ext_statenv≠failed，执行步骤s809；
23、s809：将中间节点集合插入到树中如果cpath＜∞，执行步骤s810；
24、s810：对树进行重新布线ta＝rewrite(lnv，last(ta))，递归更新路径代价cpath＝recursive_update(ta)；
25、s811：找到最邻近节点的配置qnn＝find_nearst_node(tb，last(ta))，尝试扩展如果
26、ext_statec≠failed，执行步骤s812；
27、s812：将中间节点集合插入到树中如果ext_statec＝＝reached，则计算新路径代价
28、s813：如果则更新路径代价
29、s814：交换双向树swap(ta，tb)；
30、s815：重复步骤s804到s814，直到达到最大迭代次数niter；
31、s816：如果cpath＜∞，则找到可行路径γ＝{ta，tb}，输出γ。
32、进一步的，所述s4的起始构型是指全局规划起点处的初始构型。
33、进一步的，所述s5包括对初始路径在3d栅格地图中检测是否存在碰撞，如果是，执行步骤s6，否则执行步骤s7。
34、进一步的，所述s6的所有碰撞区域局部重规划找到新的可行路径，并且机械臂仅需在局部进行避障，仅在局部碰撞区域利用轮-臂高自由度优势进行协调避障，其他区域都是低维空间规划得到初始路径。
35、本发明的一种轮-臂复合机器人的自适应维度采样避障规划方法具有以下优点：
36、1、本发明能够实现轮-臂高自由度复合机器人的高效采样避障规划，采用的基础规划方法bi2rrt*算法已经具有较高的规划效率。
37、2、本发明能够自适应调整采样维度空间，降低了规划的空间复杂度，提高了规划效率。
38、3、本发明仅需要在局部碰撞区域对轮-臂进行重规划，其他区域机械臂都保持原先状态，可以减少rrt类算法的随机性导致的机械臂冗余动作。
1.一种轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，所述s1通过rgb-d相机或者3d激光雷达对环境进行扫描得到点云，通过octomap工具转为八叉树栅格占据地图，被占据栅格为障碍物。
3.根据权利要求1所述的轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，所述s2的机械臂相对于移动底盘处于收缩状态，在不发生自碰撞的情况下，折叠使得复合机器人整机高度接近最低。
4.根据权利要求1所述的轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，所述s3仅在移动底盘三自由度空间内，基于双向知情rrt*算法进行采样规划，采样过程中的碰撞检测基于移动底盘+机械臂安全构型进行。
5.根据权利要求4所述的轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，双向知情rrt*采样规划包括如下步骤：
6.根据权利要求1所述的轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，所述s4的起始构型是指全局规划起点处的初始构型。
7.根据权利要求1所述的轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，所述s5包括对初始路径在3d栅格地图中检测是否存在碰撞，如果是，执行步骤s6，否则执行步骤s7。
8.根据权利要求1所述的轮-臂复合机器人自适应维度采样避障规划方法，其特征在于，所述s6的所有碰撞区域局部重规划找到新的可行路径，并且机械臂仅需在局部进行避障，仅在局部碰撞区域利用轮-臂高自由度优势进行协调避障，其他区域都是低维空间规划得到初始路径。
