[发明专利]一种机器人路径规划方法

说明书

本发明公开了一种机器人路径规划方法，包括：步骤1：利用栅格法对机器人的运行路径进行全局规划，规划出栅格化的可通行区域和不可行通行区域；步骤2：设置预规划路径，以起点和终点的直线连线作为预规划路径；步骤3：在预规划路径的两侧设置诱导信息素矩阵；步骤4：沿预规划路径方向设置蚁群算法中的蚂蚁，运用蚁群算法获取可到达终点的数个可行路径；步骤5：根据拐点数目、路径长度、迭代次数从数个可行路径中获取最优可行路径作为机器人行进路径。本发明先规划了一条连接起点和终点的预规划路径，并在预规划路径两侧分布诱导信息素矩阵，可以在运用蚁群算法时，在蚁群算法中给蚂蚁以诱导方向，可以提高蚁群算法的速度。

技术领域

本发明涉及机器人的全局路径规划和局部的路径规划，特别涉及一种优化蚁群算法的机器人路径规划方法。

背景技术

近年来,移动机器人的路径规划问题成为研究热点,其主要思路是根据能耗、路程时间等性能指标,保证在存在障碍物的环境下,规划出--条从初始位置到目标位置的最优路径。根据环境信息的完全已知、部分未知和完全未知等不同特点,把移动机器人的路径规划分为两部分:全局路径规划和局部路径规划。

常见的全局路径规划算法有A*算法、Dijkstra算法、粒子群算法、栅格法等,常见的局部路:径规划算法有遗传算法、人工势场算法和模糊逻辑算法等。

A*算法作为传统的启发式算法,由尼尔森提出，广泛地应用于机器人导航领域。A*算法在启发函数的引导下可以减少搜索空间,快速搜索路径,避免了BFS、Dijkstra算法的盲目性,缺点是在对较大场景进行路径规划时存在多余冗余点和拐点、计算量大、内存消耗严重等问题。

蚁群算法可在机器人的局部路径规划中，从任一起始点均由若干个蚂蚁共同构造可行路径，通过在解路径上遗留并交换信息素，提高解的质量，进而达到优化的目的，已经成功应用于TSP等一系列组合优化问题，但蚁群算法在路径规划时会出现蚂蚁碰撞，且会出现蚁群拥挤，难以寻找到最优路径。

发明内容

本发明的目的在于提供一种机器人路径规划方法，解决蚁群算法在局部路径内部规划中，易出现的蚂蚁在某一节点发生碰撞，以及探索路段发生路径紊乱，导致的无法搜寻最佳最段路径问题路径。

为了实现上述目的，本发明采用以下技术方案：

一种机器人路径规划方法，包括：

步骤1：利用栅格法对机器人的运行路径进行全局规划，规划出栅格化的可通行区域和不可行通行区域；

步骤2：设置预规划路径，以起点和终点的直线连线作为预规划路径；

步骤3：在预规划路径的两侧设置诱导信息素矩阵；

步骤4：沿预规划路径方向设置蚁群算法中的蚂蚁，运用蚁群算法获取可到达终点的数个可行路径；

步骤5：根据拐点数目、路径长度、迭代次数从数个可行路径中获取最优可行路径作为机器人行进路径。

进一步地，所述诱导信息素矩阵中的信息素浓度相同。

进一步地，所述诱导信息素矩阵中的信息素浓度沿预规划路径从起点至终点逐渐增加。

进一步地，所述步骤3中在预规划路径的两侧设置诱导信息素矩阵，所述诱导信息素矩阵呈等差分布，从起点开始至终点信息素浓度逐渐增加。

进一步地，所述步骤4的运用蚁群算法获取可到达终点的数个可行路径过程中还包括对拐角信息素优化过程，具体包括在蚂蚁转向后根据蚂蚁转向角度获取用于更新的信息素浓度，将当前节点的信息素浓度减去用于更新的信息素浓度，用于更新的信息素浓度的计算公式如下：