[发明专利]一种基于自由空间与人工蜂群算法的路径规划方法

说明书

本文发明公开了一种基于自由空间与人工蜂群算法的路径规划方法，将人工蜂群算法应用于自由空间法求解最优路径，避免了陷入局部最优。同时利用凹多边形凸分解的图形学方法对自由空间法进行了改进，设计了一种新的构建自由空间的方法。由于自由空间可以快速得到一条可行路径，而蜂群算法可以求取全局最优解，因此本文的方法可以兼顾运算时间与路径质量。

1.技术领域

本发明涉及路径规划领域，尤其涉及基于图形学的路径规划算法与基于群智能优化算法的路径优化。

2.背景技术

路径规划算法在自动驾驶汽车、无人机、机器人等领域有着重要的应用及发展。随着技术的发展，对路径规划算法的速度以及所得到路径的质量要求也越来越高。

现有的路径规划算法有快速随机搜索树(RRT)算法、A*算法、人工势场法(APF)、V图算法、自由空间法等等。其中RRT算法与A*算法容易陷入陷阱区域，且当地图较为复杂时规划速度较慢，人工势场法所得到的路径质量较差，V图算法不适用于复杂地图。自由空间法适用于复杂地图，且可以快速得到可行路径，需要利用优化算法对路径进行优化。由于自由空间原始构建逻辑略显复杂且计算量较大，本文所提出的构建自由空间的方法思路更加清晰。

人工蜂群算法于2005年由Karaboga提出，是一种基于群体智能优化算法。这类方法还包括蚁群算法，粒子群算法等。人工蜂群算法为最新提出的一种全局优化算法，该算法可以有效的避免陷入局部最优解且待优化和待开发性较强。

目前基于自由空间法的路径规划算法有很多种，如基于自由空间法与Dijkstra算法的路径优化方法。Dijkstra算法优化的路径只是局部最短路径，并非是全局最短路径。因此本文将人工蜂群算法与自由空间法结合来规划全局最优路径。

3.发明内容

为了克服上述现有技术的不足，针对上述问题，本发明提供了一种基于自由空间与人工蜂群算法的路径规划方法。

本文提出了一种新的构建自由空间的方法：将带有障碍物的地图构建为一个单连通多边形，然后利用凹多边形凸分解算法将地图分解为若干个凸多边形，从而构建自由空间。这种方法的思路更加清晰，逻辑简单。

本文利用人工蜂群算法结合自由空间法寻找全局最优路径。自由空间法保证了得到可行路径的速度，人工蜂群算法可以有效的避免陷入局部最优解，因此两种方法的结合可以兼顾运算时间与路径质量。本文将人工蜂群算法应用于自由空间法的过程中，同样对蜂群算法中全局搜索与局部搜索等步骤进行了设计，从而有效的将两种算法进行结合。

4.附图说明

图1为：构建单连通多边形示意图

图2为：构建单连通多边形时连线示意图

图3为：凹顶点及多边形正负判断示意图

图4为：可见点判断及最优可见点选择示意图

图5为：全局搜索初始路径示意图

图6为：路径邻域搜索示意图

图7为：路径规划结果

5.具体实施方式

1)将地图构建为单连通多边形

自由空间法的基本思想为将地图划分为若干个由凸多边形组成的自由空间，本文使用了凹多边形凸分解算法，因此首先应将带障碍物的地图转换为一个多边形，其基本思想及步骤如下。