[发明专利]一种基于移动机器人的路径规划方法

说明书

本发明公开了一种基于移动机器人的路径规划方法，所述方法包括：基于多边形障碍物平面模型，利用Q‑IGA协同搜索最合适的控制点P作为贝塞尔曲线的控制点，利用控制点生成最佳路径；计算每次迭代种群内不同路径之间的差异度，为选择算子增加一个判断准则进行优化，保证种群内可行解的多样性；构建考虑障碍物距离、转弯角度、机器人体积的适应度函数，优化目标为适应度函数值最大。本发明避免了利用在机器人路径规划中利用贝塞尔曲线直接拟合搜索得到的最优路径造成步骤繁琐，保证路径规划过程高效完成，且所用时间较短，路径规划效率更高。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于移动机器人的路径规划方法。

背景技术

随着计算机技术、控制理论、传感器技术和人工智能等众多交叉学科的发展成熟，自导航机器人技术得到快速发展，各式各样的机器人被应用于科学研究、工业生产、家居生活等众多领域^[1]。自导航机器人技术不仅是移动机器人完成高难度任务的基石，也是机器人智能化成熟的重要标志^[2]。控制自导航机器人运动的算法^[3]主要由定位算法、导航控制算法及路径规划算法三部分组成。在路径搜索过程中安全避障是机器人顺利完成任务的前提，因此路径规划方法的优劣对机器人作业具有重要影响。路径规划的目的是寻找一条从起始点到目标点的无碰撞最优路径。目前，路径规划技术的主要研究成果包括：传统方法，智能仿生学方法以及基于搜索的方法。

传统的路径规划方法已被广泛研究。许斯军等人将可视图法^[4-5]用于机器人路径规划，把机器人当作一个质点，将起始点、终点以及障碍物的所有顶点用直线相连，然后采用特定的搜索方法寻找起始点之间的最优路径。这种技术虽然实现简单，但是不够灵活，一旦机器人行进的实际环境发生变化，则需要重新构造可视图；如果环境中障碍物数量较多，则其相应点间的连线就会过多，将导致路径搜索时间较长。栅格法^[6-7]用于机器人路径规划时将环境空间划分为大小相等的连续栅格，然后采用优化算法进行搜索，即可获得一条由一系列栅格组成的路径。栅格法对于障碍物的处理较为简单，并且便于计算机存储、处理与分析。由于该方法将机器人的环境信息用栅格来表达，因此，在路径规划时，栅格的大小将直接影响环境信息存储量、环境分辨率以及规划时间。利用人工势场法^[8]进行路径规划时，障碍物与目标点分别对机器人产生斥力和引力，通过两者的合力来指导机器人的运动，使路径规划过程高效完成。但这种方法存在一定局限性，如存在局部极小点、目标不可到达以及易发生震荡等缺点，使路径规划过程无法稳步进行。

参考文献

[1]CaiP,CaiY,Chandrasekaran,I&Zheng,Parallel genetic algorithm basedautomatic path planning for crane lifting in complex environments[J].Automation in Construction,2016,62(1):133-147.

[2]G.A.Mohammed,M.Hou.Optimization ofactive muscle force-lengthmodels using least squares curve fitting[J].IEEE Trans.Biomed.Eng,2016,63(3):630–635.

[3]R.Cimurs,J.Hwang,I.H.Suh.Bezier curve-based smoothing for pathplanner with curvature constraint[C].IEEE International Conference on RoboticComputing(IRC),2017,pp.241–248.

[4]许斯军，曹奇英.基于可视图的移动机器人路径规划[J].计算机应用与软件，2011,28(3):220-223.