摘要：建筑机器人需要在复杂建筑空间行走，想要成功进行路径规划和避障，还要完成复杂地形数据采集。基于此，本文对BIM技术展开了分析，在利用BIM模型建立地形图的基础上，提出了机器人的自动路径规划和避障方法。从仿真分析结果来看，机器人可以得到最优的避障和行走线路，成功缩短行走距离与时间。
关键词：BIM技术；建筑机器人；自主路径规划
引言：伴随着人工智能的发展，各行各业开始重视机器人的开发，以便使行业的劳动力需求得到减少。而在建筑领域，由于各类建筑物空间结构复杂，同时机器人体积较大，如何实现自动路径规划和避障成为了关键问题。引入BIM技术，能够加强异形建筑结构空间坐标定位分析，因此能够为机器人实现路径规划提供技术支撑。
1、BIM技术概述
BIM为建筑信息模型（Building Information Modeling）的英文缩写，在建筑行业得到了广泛应用。BIM是通过现代计算机技术建立包含建筑物完整数据信息的三维参数化模型，克服了二维图纸专业间相互割裂、信息表达直观性、交互性差等弊端，不仅仅是建筑设计手段的变革，而且是对整个工程建设行业的一次变革。采用BIM能够实现建筑信息集成，将各种信息汇总在三维模型信息数据库中，为建筑设计、施工和运行管理提供数据依据。采用数字化技术，BIM能够对建筑物构件的几何信息、状态信息和专业属性进行详细描述，满足各种数据信息调取需求。目前，BIM技术应用于建筑测量放样，能够对测点三维信息进行快速抽取，完成三维立体建筑模型的建立。将模型数据通过计算机上传至机器人，能够使机器人在异形建筑空间结构中精确定位的问题得到良好解决，从而为机器人实现路径的科学规划提供强有力的技术支撑[1]。
2、基于BIM的建筑机器人自主路径规划及避障
2.1总体设计思路
建筑机器人在建筑内部实现自主路径规划和避障时，需要将现场地形图数据当成是基础，通过科学运算分析实现自主路径规划，避开障碍物所在的区域。而结合建筑现场情况，采用三维激光点云扫描仪能够完成基础结构、设备设施等实体信息扫描。输入到点云处理软件，可以转换得到三维扫描点云数据。输出成BIM软件通用IFC格式后，导入到Revit软件中，能够迅速完成BIM模型建立，使建筑模型得到现场1:1还原。在BIM模型中包含建筑的墙、板、梁等各种构筑物几何信息，如构筑物的底面中心坐标、横截面尺寸等等，可以满足机器人的坐标转换需求[2]。通过对模型数据进行加载以及机器人自身的激光扫描，机器人可以实现自我定位，并生成所在空间的地形图，为机器人实现行走路径的自主规划提供依据。在机器人移动的过程中，将随时进行空间数据扫描，确定自己在地形图中的点位坐标，然后根据自身与图中墙、柱等构筑物的距离完成障碍物区域划分，确保机器人通过及时避障。在确定全部障碍物位置的基础上，机器人可以实现从起点到终点的最优路径规划，达到顺利通过各个区域的目标。
2.2自主路径规划
建筑机器人进行自主路径规划，需要考虑到机器人体积较大的问题，建立4邻域栅格地形图对各个构筑物的长度进行反映。在机器人根据自身点位坐标和终点坐标进行路径规划时，需要采用启发函数对空间各个栅格坐标点距离起点进行展开分析，并根据当前点位距离终点预计以及进行综合优先级最高的下一点位搜索。实际在机器人完成下一行走点位搜索时，周围同时存在四个备选点位，按照逆时针方向依次为A、B、C、D，各自对应方向的下一点位分别为A´、B´、C´、D´（如图1所示），如果任意选择一个方向，应确保该方向下一点位不存在障碍物。但考虑到机器人体积较大，为避免机器人贴着空间角落行走过程中无法顺利避障，应保证机器人在沿着B或D方向行走时其他两个方向无障碍物，或者机器人沿着A或C方向行走时，B和D方向不存在障碍物，以便使机器人两侧拥有足够大的空间。采取该种寻优策略，能够减少路径规划区域，使算法[3]及时收敛，继而使机器人能够迅速完成全局路径规划(如图2所示)。
2.3局部避障分析
采取上述方法进行优化路径规划，机器人可以顺利避开障碍物所在区域。但是采取栅格形式进行障碍区域的划分，将导致机器人在距离障碍物较远的位置设置避障坐标点，造成机器人围绕障碍物区域一再切换路线，导致机器人行走速度减慢。因此在局部避障方面，为保证行走速度，还要删除非必要的避障坐标点。具体来讲，就是在机器人所在点位坐标与前后点位坐标距离只有一个栅格的情况下，将该避障坐标点删除，只保留栅格至少达到两个的避障坐标点。在进一步筛选后，可以使最优的路径坐标点得到保留。实际机器人在建筑空间中行走时，在转弯或停止前都需要减慢速度，以便顺利完成转弯和停止动作。结合这一目标，需要引入动态窗口法进行机器人运动速度控制，根据机器人一定时间内的行走轨迹生成相应的行走速度。根据这一思路，机器人在两个坐标点之间行走时都需要进行动态窗口分析，假设达到两个节点终点时输出v=0和w=0两个控制参数，使机器人提前停止运动，需要持续运动将开始加速，将导致机器人反复加减速。为改进这一情况，需要先判断当前终点是否为目标点，如果为目标点将使机器人提前停止运动，不是目标点将以当前速度运动，得到：
.png)
其中，G(v,w)为输出速度控制参数，σ为平滑函数，H(v,w)为采样速度，D(v,w)为距离最近障碍物的距离，无障碍物为常数，V(v,w)为当前行走速度，α、β、γ为加权系数。在机器人行走过程中，获得下一个最优路径坐标点后，将确定改点是否为终点，判定为非终点正常行走，如果为终点将提前启动刹车，保证机器人在终点停止运动。
.png)
.png)
图1优化搜索点选取示意图 图2建筑机器人优化后的自主路径规划示意图
2.4仿真验证分析
为确定采用上述方法实现机器人自主路径规划能否达到理想控制效果，需要采用MATLAB开展仿真实验，在导入BIM模型数据后，分别利用本文算法、遗传算法进行机器人行走路线规划。实验才赢Discover机器人平台，配置P50s工作站，机器人行走最大线速度能够达到0.5m/s，角速度为90°/s。从结果来看，采用本文算法只需27.3s就能完成路线规划，路径长度为22.8m，整个行走过程约80s，行走过程中拐弯次数为3次。而采用遗传算法需要83.8s完成路径规划，拐弯5次，行走过程需要花费95s左右。由此可见，相较于传统算法，采用本文提出的算法能够缩短机器人路径规划时间和避障次数，促使机器人行走时间得到缩短，达到较好的控制效果。
结论
综上所述，在建筑机器人开发的过程中，利用BIM技术能够实现详细构筑物完整信息输入，建立完整的地形图，为机器人自主路径规划提供可靠坐标点位数据。建立4邻域栅格对各坐标点位距离代价展开分析及优化算法，完成最优点位坐标搜索，并通过分析障碍物区域点位坐标删除非必要的障碍点，加强机器人行走速度控制，能够使机器人顺利避障，并使路径规划时间和行走时间得到缩短[4]，保证了规划路径的“最短且最优”。
参考文献
[1]周德忠,高维,陈星,等.基于BIM+Trimble机器人测量施工技术的应用分析[J].安装,2019(11):23-24.
[2]王仑,王志明,周鹏,等.BIM放样机器人在双曲面弧形飘板施工中的应用[J].建筑技术,2019,50(08):933-935.
[3]王春颖,刘平,秦洪政.移动机器人的智能路径规划算法综述[J].传感器与微系统,2018,37(8):5-8.
[4]陈远,逯瑶.基于IFC标准的BIM模型空间结构组成与程序解析[J].计算机应用与软件,2018,35(4):162-167+194.
论文作者:肖恒,符靖国
论文发表刊物:《基层建设》2020年第1期
论文发表时间:2020/4/14
标签：机器人论文; 路径论文; 障碍物论文; 建筑论文; 坐标论文; 点位论文; 模型论文; 《基层建设》2020年第1期论文;