[发明专利]一种未知动态环境下的移动机器人路径规划方法

说明书

技术领域

本发明涉及一种移动机器人的路径规划方法，尤其涉及一种在动态未知复杂环境下的移动机器人路径规划方法。

背景技术

随着技术的发展，移动机器人的应用范围越来越广泛。移动机器人开始逐渐从规则的室内环境拓展到更复杂、特征不规则的室外非结构环境。路径规划是机器人导航技术的重要环节，它是按照某一性能指标搜索一条从初始状态到目标状态的最优或近似最优的无碰路径。

常见的路径规划方法主要有人工势场法、A*算法、神经网络等。但这些方法对于不同的实际问题总存在一定的缺陷。人工势场法存在局部最小点问题，会导致机器人无法到达目标点。A*算法需要对环境的先验知识，当环境信息改变时，需要重新规划，计算量大。一些神经网络模型仅能够处理静态环境，BP神经网络模型能够产生避障轨迹，但是需要学习过程，速度较慢。Glasius提出了一种基于Hopfield网络的动态实时避障模型，能够解决局部最小问题，但很难适应高速的动态环境。SimonX.Yang在NeuralNetworkApproachtoDynamicCollision-FreeTrajectoryGeneration一文中提出的生物激励神经网络方法为路劲规划提出了一种有效的解决方案，但在一定情况下会出现路径错判问题，且路径不够平滑。

发明内容

针对上述问题，本发明提出了一种新的动态未知环境下的路径规划方法，该方法不需要实时动态环境的任何先验知识，计算量小，适用于未知动态环境下的路径规划。

一种未知动态环境下的移动机器人路径规划方法，包括以下几个步骤：

步骤1：构建栅格地图；

以移动机器人的几何中心点为移动坐标系原点，移动机器人的指向为X轴的正方向，建立移动坐标系；

以移动机器人开始移动前所在位置为全局坐标系原点，移动机器人开始移动前的指向为X轴的正方向，建立全局坐标系；

将全局坐标系按照设定的规划精度p转化为栅格地图，所述栅格地图中每个栅格的长和宽分别为Δx＝p和Δy＝p；

p取值范围为0.1m到0.3m；

将移动机器人所在工作环境中的已知的静态障碍物、目标点以及移动机器人当前位置在全局坐标系中的坐标转化为栅格地图坐标表示：

其中，(x*,y*)表示在物体在全局坐标系中的坐标；

步骤2：将栅格地图中的每个坐标点作为一个神经元，并初始化每个神经元的活性值为0；

步骤3：判断移动机器人当前所在位置是否与目标点位置相同，若相同，则当前路径规划结束；否则，进入步骤4；

步骤4：读取声纳测距数据，并更新神经元活性值；

间隔时间T读取一次移动机器人上的声纳传感器所采集的工作环境中障碍物的测距数据，并依据测距数据获取障碍物的全局坐标系坐标，并将全局坐标系中每个坐标对应的神经元的活性值x_i按照以下公式更新：

dxidt=-Axi+(B-xi)Sie-(D+xi)[Ii]-]]>

其中，x_i是第i个神经元的活性值；A表示衰减率，取值范围为[8,15]；B和D分别为神经元活性值的上界和下界，取值分别为1和-1；

间隔时间T的取值范围为(0,1s]；

I_i表示第i个神经元的外部输入：