[发明专利]一种复杂环境中的移动机器人路径规划方法

说明书

技术领域

本发明涉及一种实体机器人在复杂现实环境中完成机器人路径规划并实际运行的方法，特别是涉及一种将人工免疫算法与可视图相结合的复杂环境中的移动机器人路径规划方法,属于机器人导航、智能技术应用领域。本发明可以在工业机器人、农业机器人、军事机器人、服务机器人的路径规划问题中得到广泛应用。

背景技术

移动机器人路径规划是机器人领域的研究热点之一，它是指机器人在包含障碍物的环境空间中，按照一定的性能评价标准（如时间、距离、能量等），寻找一条从起始状态到终止状态的无碰撞最优或次优路径。目前已在机器人定点清扫、工业机器人搬运以及军事机器人巡逻、军事打击等诸多领域发挥基础性作用。

可视图是由麻省理工学院的Tomás Lozano-Pérez和IBM研究院的MichaelA.Wesley提出的路径规划方法，将障碍物用多边形包围盒来表达是可视图法的最显著特征。在可视图中，通常利用搜索算法求解起始点与目标点间的最优路径，这种方法具有鲁棒性差、性能评价指标单一、无法储存路径中关键节点等缺点。为克服上述缺点，本发明公开了一种改进的人工免疫算法，并将其应用于可视图中求解移动机器人最优路径规划问题。

人工免疫算法是受自然免疫系统的启发，通过模拟免疫过程而形成的进化计算方法。其最显著优点在于在特定情况下，可以以概率1收敛至全局最优解。

本发明使用人工免疫算法在可视图中求解机器人的最优路径，可以为求解出全局最优路径提供保障，并且在结合过程中，能够有效提高人工免疫算法的运行效率，求解出的最优路径可以满足实体机器人在复杂现实环境中的需求。经申请人检索:本发明给出的这种复杂环境中的移动机器人路径规划方法在国内外尚未有公开出版物进行披露。

发明内容

本发明的目的就在于解决现有技术存在的不足,公开了一种将人工免疫算法与可视图相结合的复杂环境中的移动机器人路径规划方法，并将其应用于求解移动机器人路径规划问题，在保障收敛至全局最优解的情况下，有效提高了算法的运行效率和收敛速度。

本发明采用超声传感器收集环境信息，通过对信息的处理，完成对环境的构建，并在人机交互界面显示构建出的环境，在本发明中，首先将环境中的障碍物使用矩形包围盒表示，继而计算成本矩阵，构建可视图，随后对人工免疫算法在编码方式、疫苗设计及接入两方面进行改进，最后将改进的人工免疫算法与可视图相结合，实现机器人路径规划。本发明在保障求得全局最优解的前提下有效提高了人工免疫算法在求解机器人路径规划问题时的运行效率，并且可以满足实体机器人在现实环境中运行的需求。

本发明的目的是通过以下技术方案实现的：复杂环境中的移动机器人路径规划方法,其特点是包括以下步骤：

步骤1：获取机器人所处环境信息，经过处理后，将环境空间中的障碍物使用矩形包围盒表示，并将其显示于人机交互模块。

步骤2：确定机器人的起始位置，记为起始点；确定机器人期望到达的目标位置，记为目标点。

步骤3：将起始点、目标点以及所有符合条件的障碍物包围盒顶点使用线段相连，此处要求任意两点连线不可穿越包围盒，以此构建可视图，可视图中的线段表示机器人的所有可运行路径。

步骤4：在可视图中通过人工免疫算法规划最优路径，并储存最优路径中的关键节点。

步骤5：控制实体机器人由起始点开始，逐个经过最优路径中的关键节点，最终到达目标点。

为更好地实现本发明的目的,所述步骤4中的人工免疫算法包含对传统人工免疫算法的改进，以及将改进的人工免疫算法与可视图法相结合。

对传统的人工免疫算法的改进是指:疫苗提取和摄入方式的改进和编码方式的改进,其中

通过观察最优路径的特征，总结出疫苗的特点，即机器人最优路径由起始点到目标点的过程中，不存在来回往复的倒退现象;

疫苗的植入过程涉及人工免疫算法中的初始化和变异操作。

在编码方式上，为适应不同的环境中最优路径长度不同的特点，提出长度可变的编码方式。

人工免疫算法经过上述改进后，将其与可视图相结合，通过进化计算求解最优路径，其过程如下：

（1）根据先验知识提取疫苗;

（2）初始化：在搜索空间Ω内通过植入疫苗产生N个路径，由这N个路径构成初始父代种群A₀;

在初始化过程中，为植入疫苗，移动机器人路径生成时应由起始点逐步延伸至目标点，保证抗体内部连续两节点之间连线不穿越障碍物并且路径不存在倒退现象;