[发明专利]一种移动机器人多约束条件下的路径规划方法

说明书

本发明公开了一种移动机器人多约束条件下的路径规划方法，属于移动机器人技术领域，首先设置若干组B样条曲线的控制点，进而得到离散点组成的若干条B样条曲线，用这些曲线来表示若干条初始机器人路径；再由控制点中的随机点初始化萤火虫种群，综合考虑时间效率、环境地图和机器人本体运动曲率半径的多约束条件，根据代价函数计算每只萤火虫的初始综合代价值；然后根据萤火虫算法标准流程最小化萤火虫综合代价值，得到最终萤火虫种群及其综合代价值；最后选择综合代价值最小的萤火虫作为最优萤火虫，从而得到最优的一组B样条曲线控制点，生成最优的机器人路径，本发明解决了现有移动机器人的路径规划方法存在路径不光滑和难以跟踪的问题。

技术领域

本发明属于移动机器人技术领域，涉及一种移动机器人多约束条件下的路径规划方法。

背景技术

传统的移动机器人路径规划方法主要是借助将环境离散化，大多采用A*等搜索算法得到起点和终点之间的路径，这种路径在环境地图的分辨率下是绝对的最短路径，但是由于地图是离散的，这种基于搜索算法得到的路径虽然是最短路径，却不一定是光滑的路径，机器人跟踪这种路径难度较大。

因此，近年来众多学者也开始大力研究满足路径光滑性、接近最短路径的路径规划方法，尝试使用多项式曲线、贝塞尔曲线或者B样条曲线来表示光滑路径；但多项式曲线的参数较多计算和表示都比较复杂；贝塞尔曲线的控制点数量和曲线阶次有关，而且不能局部修改曲线特性，局限性较大；B样条曲线控制点数量和曲线阶次无关，而且可以通过调整局部控制点位置来调整曲线局部特性，因此被越来越多地应用在机器人路径表示中。

申请号为“2017100682678”的专利公开了一种基于改进遗传算法的移动机器人路径规划方法，该方法使用栅格模型对移动机器人工作空间进行预处理，在栅格化地图中利用改进快速遍历随机树在起始点和目标点之间生成若干簇的连接，将工作空间中可自由行走的部分转换为有向无环图，运用回溯法在有向无环图的基础上生成一个多样性丰富、无不可行路径的初始种群，通过遗传算法得到离散路径，采用二次B样条曲线对最优路径进行平滑处理，最终产生一条光滑的最优路径，该发明有效提高了移动机器人在复杂动态环境下的路径规划能力。但该方法是用B样条曲线平滑规划得到的离散路径，流程较为繁琐，且难以保证平滑后的路径满足所有约束。

申请号为“2016105692722”的专利公开了一种基于混沌萤火虫算法的移动机器人路径规划方法，这种方法旨在解决移动机器人在狭窄区域内的路径规划问题，主要步骤包括确定移动机器人系统代价函数、对移动机器人系统进行初始化并得到所有可能路径、利用混沌萤火虫算法对每一条路径进行迭代更新、对更新后的路径进行排序得到局部最优路径、利用最优调整策略调整当前局部最优路径、最终输出全局最优路径；申请号为“201410121156.5”的专利公开了一种基于改进萤火虫算法的机器人三维航路规划方法，该方法在起点和终点确定的航行空间内，在X、Y、Z三个方向中跨度最大的方向进行等间隔划分，生成划分平面，在平面内随机产生航路点，连接得到一条路径，然后计算每只萤火虫的目标函数值，进行优化得到最终的最优路径。但这两种方法都是基于萤火虫算法得到离散化的路径，路径不光滑且机器人难以跟踪。

本发明将B样条曲线和萤火虫算法相结合，针对移动机器人的时间效率、环境地图和机器人本体运动曲率半径等多约束条件，提出了一种移动机器人多约束条件下的路径规划方法。

发明内容

本发明的目的在于：提供了一种移动机器人多约束条件下的路径规划方法，解决了现有移动机器人在多约束条件下的路径规划方法存在路径不光滑和路径难以跟踪的问题。

本发明采用的技术方案如下：

一种移动机器人多约束条件下的路径规划方法，包括以下步骤：