[发明专利]基于改进Flood-Fill算法的最优路径规划方法

说明书

本发明公开了一种基于改进Flood‑Fill算法的最优路径规划方法，所述基于改进Flood‑Fill算法的最优路径规划方法基于迷宫搜索算法已获取到的迷宫墙壁信息，判断迷宫方格间的连通性，更新迷宫方格起点至终点的距离编码值，完成迷宫最优路径的求解；利用迷宫搜索算法已获取到的迷宫墙壁信息，判断迷宫方格间的连通性，更新迷宫方格起点至终点距离编码值，完成迷宫探索后最优路径的求解。仿真和实验测试结果表明，相对于传统经典的Flood‑Fill迷宫搜索算法，该算法不仅能够精准地寻找到搜索后的迷宫最优路径，而且算法执行速度提高20至50倍，平均运算时间节省10至500毫秒。

技术领域

本发明属于智能机器人技术领域，尤其涉及一种基于改进Flood-Fill算法的最优路径规划方法。

背景技术

“电脑鼠”，英文名MicroMouse，是由嵌入式微处理器、传感器和电机组成的一种小型自动化轮式智能机器人。IEEE每年会举办一次国际性的电脑鼠走迷宫竞赛。根据国际电工和电子工程学会(IEEE)制定的电脑鼠迷宫竞赛规则，电脑鼠需要在由16×16个18cm×18cm大小的单元格组成的未知迷宫中自行行走、搜索迷宫内部信息并寻找迷宫起点到终点的路径，以最快的速度从起点到达迷宫的终点。在竞赛中电脑鼠需要完成迷宫路径的求解，具体包括未知迷宫的搜索和最短路径的求解两个任务，前者要求电脑鼠搜索并记忆迷宫的内部结构，寻找迷宫起点与终点之间存在的路径，后者要求电脑鼠根据搜索过程获得的迷宫墙壁信息寻找计算出迷宫从起点到终点的最短路径。目前研究拓扑学和图论的工程师已经探讨研究了较多的迷宫路径求解算法，包括沿壁法、向心深度优先算法、Dijkstra算法、Flood-Fill算法和遗传算法等。总体说来，迷宫算法经历了从非图论算法到图论算法的发展，从朴素的左右手法则、中左中右法则，发展到深度优先搜索(DFS)、泛洪填充算法(Flood-Fill)等。同时随着机器人路径规划方法的不断发展，A*、D*等启发式搜索算法也开始应用在竞赛中。泛洪填充算法(Flood-Fill)，是目前深受欢迎的求解迷宫从起点到终点最优路径的算法。由于此算法可靠，实用性强，易于理解，在电脑鼠迷宫求解问题中得到了广泛而深入地实际应用。在实际的电脑鼠竞赛中，普遍采取的Flood-Fill迷宫搜索算法是将迷宫探索与最优路径求解同时进行。初始默认迷宫中方格均为“无墙”状态，电脑鼠向前行走。每当电脑鼠进入一个新的迷宫格就检测此方格有无墙壁的信息，并以迷宫终点方格为目标方格，电脑鼠当前所在方格为起点方格，执行一次Flood-Fill算法，电脑鼠在重新更新的最优路径指引下前进。当电脑鼠到达下一方格后，重复执行上述流程，直至到达迷宫终点。上述走迷宫的策略可以保证迷宫探测的方向性和目的性，更好地防止了电脑鼠反复的“绕圈子”和重复探测，可以较为有效地找到最优路径。然而，每进入一个方格就需要重新执行一次Flood-Fill算法，每一次都需要对256个迷宫方格距离值重新计算并更新。显而易见，尤其在迷宫探测初期，信息不全的情形下，会进行大量无意义的计算操作和数据搬移，浪费系统资源。目前国际电脑鼠走迷宫竞赛中常采用的Flood-Fill迷宫搜索算法存在硬件系统资源消耗较多和无法实现最短路径求解及判定等问题。

综上所述，目前的电脑鼠求解迷宫从起点到终点最优路径的算法存在进行大量无意义的计算操作和数据搬移，浪费系统资源，硬件系统资源消耗较多和无法实现最短路径求解及判定的缺陷。

发明内容

本发明的目的在于提供一种基于改进Flood-Fill算法的最优路径规划方法，旨在解决目前的电脑鼠求解迷宫从起点到终点最优路径的算法存在进行大量无意义的计算操作和数据搬移，浪费系统资源，硬件系统资源消耗较多和无法实现最短路径求解及判定的问题。

本发明是这样实现的，一种基于改进Flood-Fill算法的最优路径规划方法，所述基于改进Flood-Fill算法的最优路径规划方法基于迷宫搜索算法已获取到的迷宫墙壁信息，判断迷宫方格间的连通性，更新迷宫方格起点至终点的距离编码值，完成迷宫最优路径的求解。