改进egoTEB算法的机器人动态避障规划

对动态环境下自我时间弹性带(ego-timed-elastic-band,egoTEB)算法在避障时耗时较长且轨迹欠佳的问题,提出了改进egoTEB算法。首先对动态环境信息进行自我感知,以机器人自我为中心,由点、线段到圆形障碍物对环境信息进行提取,利用代价矩阵匹配圆形障碍物类型,采用集合卡尔曼滤波(ensemble Kalman filter,EnKF)模型跟踪动态圆形障碍物的运动轨迹。其次基于自我感知障碍物信息,构建由静态间隙和动态间隙组成的间隙规划图,设计加权间隙代价引导机器人局部轨迹安全穿过间隙,避开障碍物。最后利用机器人操作系统(robot operating system,ROS)进行仿真实验,验证了改进egoTEB算法能更快速地规划出安全轨迹,实现机器人适应性更强的避障效果。