[发明专利]基于跳点搜索的多机器人冲突避免的路径规划方法

权利要求书

1.一种基于跳点搜索的多机器人冲突避免的路径规划方法，其特征在于，具体包括如下步骤：

步骤1、将地图预处理为数据地图；

步骤2、利用CBS即Conflict-based Search的搜索框架并结合无约束跳点搜索算法为所有代理进行路径规划；

步骤2具体包括如下步骤：

步骤2.1、首先将起始点加入open表中，open表用来存储当前还未被遍历过的节点；

步骤2.2、判断open表是否为空，如果不为空，继续步骤2.3，否则继续步骤2.7；

步骤2.3、从open表中选择F值最小的节点作为当前结点，并将其从open表中移除，加入到close表中；上述F＝G+H，其中G代表起始结点距离当前结点的最小距离，H代表当前结点距离终点的距离；而open表是存储还未扩展的节点，close表是用来存储已经扩展过的节点；上述close表是指已经被遍历过的扩展节点，后续步骤不会再次被扩展；其中扩展节点是指在搜索单个代理路径序列的过程中，从起始点开始即将要遍历的所有邻居节点；

步骤2.4、根据得到的数据地图map，获得当前结点的后继节点集合S，上述提到的后继节点是指对于当前结点在其基本方向和对角线方向能够到达的跳点集合；

步骤2.5、后继节点信息更新，对所有后继节点进行更新G值及父结点等信息，并将每个节点的G值存储到EffectiveG表中；

步骤2.6、判断终点是否在open表中，如果在，则进入步骤2.7，否则返回步骤2.1；

步骤2.7、将规划出的代理的路径序列存储于多叉树根节点中；

步骤3、遍历多叉树对所有代理进行冲突检测、增加约束及进行有约束的路径规划。

2.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法，其特征在于，所述步骤1具体包括如下步骤：

步骤1.1、输入地图场景信息，其地图场景信息是包含地图实际场景中的障碍物信息的0-1二维矩阵维度为M*N，每一个节点的取值为0或者1，其中障碍物用1表示，非障碍物区域用0表示；

步骤1.2、标记地图中所有的主跳点；对于地图中的所有节点，按照从左到右、从上到下的循环遍历的方法，判断每个节点在基本方向上是否具有强迫邻居，如果具有强迫邻居则将此节点设置为主跳点，并加入主跳点集合Primary中；否则，继续遍历其他节点；其中强迫邻居是指计算当前结点到某个点p的距离时，若p的邻居节点为障碍物会影响当前结点到节点p的行走距离，则当前结点具有强迫邻居；

步骤1.3、在步骤1.2的基础上，遍历所有节点的基础方向即东西南北方向，如果当前结点在其基本方向上具有主跳点，则此节点为直接跳点，并加入到直接跳点集合Straight中；否则，继续遍历其他节点；

步骤1.4、在步骤1.3的基础上，遍历所有节点的对角线方向，如果在当前结点的对角线方向上或者对角线方向上的节点的水平和垂直方向上具有主跳点或者直接跳点，则设置此点为对角线跳点，并加入对角线跳点的集合Diagonal中；否则，继续遍历其他节点；

步骤1.5、遍历所有节点，记录每个结点在其基本方向和对角线方向距离主跳点或者直接跳点的距离，对于当前结点的8个方向中没有包含距离信息，即距离主跳点、直接跳点或者对角线跳点的信息，则为此跳点的这些方向添加距离墙的距离信息；

步骤1.6、输出数据地图map，其中数据地图中的每个节点包含基本方向和对角线方向的距离主跳点、直接跳点和对角线跳点的距离信息。

3.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法，其特征在于，得到所述数据地图map后，首先利用跳点搜索算法对所有代理进行逆向搜索并存储路径序列中的所有扩展节点距离原始终点的距离，然后为所有代理利用跳点搜索算法再次正向规划出最优路径，并将所有代理的路径存储到多叉树根节点上，接着进行步骤2。