[发明专利]一种基于分布式并行计算的路径规划方法及其系统

权利要求书

1.一种基于分布式并行计算的路径规划方法，其特征在于包括如下步骤：

步骤1：数据采集，

移动机器人通过数据采集模块定时从激光雷达传感器读取数据，然后进行格式化处理，数据存储到本地数据库；

步骤2：消息传输，

移动机器人将传感器数据封装为消息，调用远程接口将消息提交到云端；

步骤3：路径规划，

分布式并行计算路径规划方法，从消息队列中取出消息，将激光雷达数据分组，每个分组并行生成环境地图，合并环境地图，通过起始点连线构建搜索区间，通过改进A^*算法并行构造可视图和查找路径，合并路径后封装为消息返回给移动机器人；

步骤4：路径控制，

移动机器人获取返回的消息，根据规划路径生成控制序列，使得移动机器人朝目标点移动。

2.如权利要求1所述的基于分布式并行计算的路径规划方法，其特征在于：上述步骤3包括如下步骤：

步骤3a：从消息队列中取出消息，将雷达数据进行分组，分发给多个计算节点；

步骤3b：并行环境地图生成，在每个计算节点将分组数据拟合为线段组，根据移动机器人防碰撞半径膨胀为多边形；

步骤3c：接收上一计算节点传递的多边形信息，构造起始点连线取出两个顶点，构建区间路径搜索任务；

步骤3d：在每个计算节点，基于多边形使用改进A^*算法并行构造可视图和查找区间最优路径；

步骤3e：合并路径，根据评价函数取出全局最优路径；

步骤3f：将全局最优路径封装为消息返回给移动机器人。

3.如权利要求1所述的基于分布式并行计算的路径规划方法，其特征在于：上述步骤1包括如下步骤：

步骤1a：移动机器人启动后，加载激光雷达驱动；

步骤1b：根据采样周期调用对应驱动方法采集数据；

步骤1c：格式化存储到本地数据库中。

4.如权利要求3所述的基于分布式并行计算的路径规划方法，其特征在于：上述步骤1包括如下步骤：

步骤1a：当移动机器人启动，加载支持的传感器和通信协议注册到虚拟表中，表中包括激光雷达类型、数据格式、通信方法和参数；

步骤1b：当移动机器人连接到雷达后，根据连接信息识别出通信协议和激光雷达类型调用虚拟表注册的方法获取激光雷达数据；

步骤1c：将激光雷达数据格式化，存储到移动机器人的本地数据库中。

5.如权利要求1所述的基于分布式并行计算的路径规划方法，其特征在于：上述步骤2包括如下步骤：

步骤2a：移动机器人将激光雷达数据和目标点封装为消息，通过IOT网关上传到云端；

步骤2b：云端将接收到的消息存储到消息队列中。

6.一种基于分布式并行计算的路径规划系统，其特征在于：所述的移动机器人自主导航中的路径规划系统包括移动机器人端和云端；

所述移动机器人系统运行在嵌入式操作系统上，移动机器人端包括四个部分：消息采集模块、路径管理模块、IoT网关和消息客户端；

消息采集模块采集的信息来源于传感器，包括激光雷达和惯性传感器；

云端包括四个部分：消息服务集群模块、路径规划模块、分布式存储系统和应用协调服务模块。

7.根据权利要求6所述的基于分布式并行计算的路径规划系统，其特征在于：所述的移动机器人端包括

用于采集激光雷达数据，将其格式化为统一的形式的激光雷达数据采集模块；

将收到的路径转换为控制序列，控制移动机器人朝目标移动的路径管理模块；

用于消息的封装、解封以及转发的IoT网关；

用于将消息推送到云端消息队列中以及从消息队列中获取客户端消息的消息客户端。

8.根据权利要求6所述的基于分布式并行计算的路径规划系统，其特征在于：所述的云端包括

通过集群方式实现高可用和负载均衡的消息服务的消息服务集群模块；

通过分布式方式实现移动机器人消息数据和地图数据的存储的分布式存储系统；

通过分布式并行计算集群实现分布式并行路径规划的路径规划模块；

实现计算集群中主控节点、N个计算节点之间的协调、监控和管理的应用协调服务模块。