[发明专利]基于A*算法的路径规划方法

说明书

本发明涉及智能机器人领域，尤其涉及基于A*算法的路径规划方法，该方法包括以下步骤：S1：根据节点与障碍物的距离，并结合移动单元的安全半径，建立安全代价函数；S2：根据安全代价函数，建立启发式函数；S3：根据启发式函数通过A*算法进行路径规划。通过使用本发明，可以实现以下效果：通过改进A*算法的启发式函数，在其中加入了安全代价估计，使得规划出的路径远离障碍物，保证了机器人在行驶过程中的安全性；利用直线替代法对路径进行平滑处理，使路径变得连续、平滑，减少了路径的折弯次数。

技术领域

本发明涉及智能机器人领域，尤其涉及基于A*算法的路径规划方法。

背景技术

随着巡检面积的不断增大和巡检环境的日益复杂，传统的人工巡检方式面临着劳动强度大、管理成本高且工作效率低等问题。为了部分取代或完全取代人工日常巡检的任务，研发出来巡检机器人进行日常巡检。

在智能机器人领域，路径规划是一个重要的研究方向，其只要目的是在存在障碍物的环境中，找到一条起点到目标点的最优或次优的无碰撞路径。目前常用的路径规划算法有：基于图搜索的Dijkstra、A*、D*等；基于随机采样的PRM、RRT等；基于启发式的遗传算法、蚁群算法等。对于栅格地图，图搜索是最简便、快速的路径规划方法。Dijkstra是图搜索方法的鼻祖，保证能找到一条全局最优解，但其遍历了整个地图的所有栅格，特别在大地图下，计算量很大。A*在Dijkstra基础上引入了启发式搜索解决了上述问题，在保证了最优解的前提下大大提高了搜索的效率，因其简单且易于实现而盛行至今。

A*算法基于Dijkstra基础上加入了启发函数，是一种启发式算法，同时也是已知静态地图下求解最短路径的最有效的方法。但是传统的A*算法在遍历节点的过程中，无论节点距离障碍物多远，机器人通过它的代价估计是相等的。然而这会使得A*算法规划出的路径有可能会接近障碍物，存在着安全隐患。

发明内容

为解决上述问题，本发明提出基于A*算法的路径规划方法。

基于A*算法的路径规划方法，包括以下步骤：

S1：根据节点与障碍物的距离，并结合移动单元的安全半径，建立安全代价函数；

S2：根据安全代价函数，建立启发式函数；

S3：根据启发式函数通过A*算法进行路径规划。

优选的，所述根据节点与障碍物的距离，并结合移动单元的安全半径，建立安全代价函数包括：

建立安全代价函数：

其中，s_i表示第i个节点的安全代价，d_i表示第i个节点与障碍物的最小距离，r表示移动单元的安全半径，k表示节点安全代价的变化系数。

优选的，根据安全代价函数，建立启发式函数包括以下步骤：

S201：先根据安全代价函数计算起点到当前节点n的实际代价g(n)：

其中：l_i表示移动单元在i个节点时实际的里程代价；s_i表示安全代价；w₁和w₂表示权值系数，w₁+w₂＝1；

S202：计算从当前节点n到终点的估计代价：

其中，x表示当前节点n的横坐标；y表示当前节点n的纵坐标；

S203：根据实际代价g(n)和估计代价启发式函数h(n)建立启发式函数：