[发明专利]基于改进人工鱼群算法的移动机器人路径规划方法

说明书

本发明公开了基于改进人工鱼群算法的移动机器人路径规划方法，包括如下步骤：S1、初始化人工鱼群算法相关参数；S2、进行全局路径规划，获得初始路径；S3、机器人沿初始路径前进，并不断检测周围环境信息，检测滚动窗口内是否有动态障碍物；若未检测到动态障碍物,得到移动机器人的路径。S4、若检测到动态障碍物存在，则预测是否会与其发生碰撞以及碰撞的类型；S5、若预测不会发生碰撞，则按初始路径继续前进；S6、若预测到即将发生碰撞，则执行相应的避障策略，然后进行局部路径规划，重新规划出到达终点的路径继续前进；S7、重复步骤S3至S6，直到机器人到达终点。

技术领域

本发明涉及移动机器人设计技术领域，具体涉及基于改进人工鱼群算法的移动机器人路径规划方法。

背景技术

机器人路径规划可以分成两种：一种是诸如人工势场法、Voronoi图法和可视图法。人工势场方法拥有简单的结构，但存在容易陷入局部最优解的问题；可视图法能够获得最短路径但其搜索效率较低；Voronoi图法安全性较高但起始节点到目标节点的路径较长。一种是随着技术的发展，环境模型复杂性和任务难度的增加，一些仿生算法也随之出现，如蚁群算法、遗传算法、蜂群算法、蛙跳算法、粒子群算法等。蚁群算法是目前在机器人路径规划方面应用比较完善的算法，具有较强的鲁棒性、优良的分布式计算，但其搜索时间较长易于出现早熟停滞现象。遗传算法把遗传算子应用到机器人的研究中，对机器人的路径规划具有良好的效果，但其占据较大的存储空间且局部寻优能力较差。蜂群算法搜索速度快、易于实现，但存容易陷入局部最优、搜索效率低等不足。蛙跳算法的缺点在于易收敛于局部最优解、求解精度较低。粒子群算法的优势在于简单且容易实现，但其本身存在易过早收敛而陷入局部最优的缺点。

发明内容

本发明所要解决的技术问题在于提供一种基于改进人工鱼群算法的移动机器人路径规划方法，以解决上述背景技术中的问题。

本发明是通过以下技术方案解决上述技术问题的，本发明包括如下步骤：

包括如下步骤：

S1、初始化人工鱼群算法相关参数，包括鱼群规模N、人工鱼移动步长step、视野visual、拥挤度因子δ以及最大迭代次数，设定滚动窗口半径r；

S2、进行全局路径规划，随机获得初始路径；

S3、机器人沿初始路径前进，并不断检测周围环境信息，检测滚动窗口内是否有动态障碍物；若未检测到动态障碍物，得到移动机器人的路径。

S4、若检测到动态障碍物存在，则预测是否会与其发生碰撞以及碰撞的类型；

S5、若预测不会发生碰撞，则按初始路径继续前进；

S6、若预测到即将发生碰撞，则执行相应的避障策略，然后进行局部路径规划，重新规划出到达终点的路径继续前进；

S7、重复步骤S3至S6，直到机器人到达终点。

进一步，所述步骤S2中，机器人会首先沿着初始路径前进，速度为V_R，运动方向为R_dir，机器人可以探测到半径r为两个栅格距离的圆形区域的动态障碍物；在机器人前进的过程中不断检测周围是否存在动态障碍物，在检测到障碍物后则进行局部路径规划，执行避障策略，具体为：