[发明专利]一种移动机器人的动态路径规划方法

说明书

本发明适用于自动控制技术领域，提供了一种移动机器人动态路径规划的方法，其包括以下步骤：采用Floyd算法求得栅格地图上所有节点对之间的距离；当检测到有新的任务下发时，使用改进的A＊算法规划任务路径；在机器人沿着规划好的路径行走时，检查路径上下一个节点是否有障碍物，若无则前进一步，若有则添加下一节点到close表，使用改进的A＊算法快速规划当前节点到目标点的路径；重复上一步，直到机器人走到目标点。本发明基于Floyd算法的计算结果，改进了A＊算法的启发函数，并将其应用于移动机器人连续任务的动态路径规划场景下。使用改进后的A＊算法，仅在路径上出现动态障碍物时，重新规划路径，大大减少了计算量，极大地提升了机器人运行的实时性。

技术领域

本发明适用于自动控制技术领域，具体涉及了一种移动机器人的动态路径规划方法。

背景技术

在机器人实际运行的地图环境中存在两种类型的障碍，一种是固定不变的障碍，一种是随着时间而随机出现的障碍。路径规划是指在给定的环境障碍条件下，选择一条从起始点到目标点的路径，使机器人可以安全、无碰撞地通过所有的障碍。这种自主地躲避障碍并完成作业任务的方法，是机器人研究和应用中的一个重要内容。

针对静态障碍物的地图，常见的机器人路径规划方法有A*算法、Dijkstra算法、遗传算法、粒子群算法和人工势场法等.其中A*算法的复杂度最低,计算量相对其他算法都较小,但是在当下的嵌入式机器人上,用A*算法来实时进行路径规划，计算量还是偏大，因此进一步改进A*算法以提高其规划效率是十分有必要的。而且在对称地图,或者节点间具有大量等距路径的地图上,A*算法的路径规划效果往往较差。此外以上的路径规划方法都只考虑到了静态障碍物的躲避，并在此基础上寻求最短路径，若地图中存在动态出现的障碍物，使用这些方法则无法解决。

针对动态障碍物的躲避，目前常见的方法有滚动窗口法和模型预测法等，但是这些方法都过度关注地图的局部动态信息，计算量大，而且对于全局最优的考虑又略显不足。此外，当下移动机器人普遍都是在基本固定的地图场景上持续运行，现有的路径规划算法普遍没有利用到机器人的这种运行特性。

发明内容

为了克服上述现有技术的不足，本发明提供了一种移动机器人动态路径规划方法。其目的在于通过融合Floyd算法改进A*算法的估价函数，在动态的实时避障路径规划过程中，通过暂时将动态障碍节点加入A*算法的close表中，来实现动态的避障路径规划，且计算量大幅减少，路径规划的实时性大大提高。

为实现上述目的，本发明所采用的技术方案是：

(1)采用Floyd算法计算静态栅格地图上所有节点对之间的距离；

(2)机器人检测当前是否有新的任务下发，若无则原地等待；

(3)使用改进的A*算法规划全局任务路径；

(4)在机器人行走时，时刻检测路径上下一个节点的状态，当下一个节点无障碍物时，机器人前进到下一节点；当下一个节点有障碍物时，进行动态路径规划；

(5)重复步骤(4)，直到机器人到达目标点。

进一步地，所述步骤(1)中采用Floyd算法计算静态栅格地图上所有节点对之间的距离的过程为：

(11)用D[v][w]记录每一对节点的最短距离，即节点v和节点w的距离；

(12)依次扫描每一个点，并以其为基点再遍历所有每一对节点D[v][w]的值，当节点v到节点w经过该基点时D[v][w]更小，则用更小的距离值更新D[v][w]的值。

进一步地，所述步骤(2)中机器人检测当前是否有新的任务下发，若无则原地等待的过程为：每当机器人完成当前任务后，会不断检测当前是否有新的任务下发，直到检测到有新任务下发后，停止检测并开始进入动态任务规划环节。