[发明专利]基于自适应邻域与转向代价的机器人路径规划方法

说明书

本发明公开了一种基于自适应邻域与转向代价的机器人路径规划方法。其实现步骤为：(1)构建正方形栅格地图；(2)判断栅格地图中的每个栅格内是否存在障碍物，若是，则将该栅格判定为不可通行栅格；否则，为可通行栅格；(3)采用自适应邻域策略确定搜索范围；(4)构建评价函数；(5)确定下一个路径点；(6)判断所确定的下一个路径点是否为机器人拟行驶路径的终点，若是，则执行步骤(7)，否则，执行步骤(3)；(7)将机器人起点至终点的路径点顺序连接得到机器人的最优行驶路径。本发明与现有路径规划算法对比，具有冗余点少，路径平滑，运行效率高优点。

技术领域

本发明属于物理技术领域，更进一步涉及路径规划技术领域中的一种基于自适应邻域与转向代价的机器人路径规划方法。本发明可以规划出机器人在运动过程中前往目的地的路径。

背景技术

机器人路径规划属于机器人广泛应用于机器人智能巡检、自动驾驶等领域。机器人路径规划是指在存在障碍物的空间中，对地图等先验信息和传感器所感知的数据进行分析处理，感知机器人周围环境状态。在对周围环境完成感知后，通过设计好的策略寻找到一条从起始节点到目标节点的符合某种评价指标的最优路径，确保按照该路径进行行驶时可以绕过障碍物，顺利到达目的地。机器人的路径规划中，主要实现三个目标：规划一条从起点到目标点的路径；在沿着该路径行驶的过程中机器人不会遇到障碍物；在满足以上两个目标的基础上，尽量使规划路径满足全局最优性。目前，解决这类问题的方法通常有：快速扩展随机树的RRT(Rapidly exploring Random Tree)算法与启发式搜索算法。

RRT算法是一种基于随机采样的单查询路径规划方法，通过快速扩张随机树对未知空间进行探索，并从中找到可通行的路径。例如：

大连理工大学在其申请的专利文献“一种基于RRT算法改进的车辆规划算法”(申请号：202010104879X，申请公布号：CN111207767A)中公开了一种基于RRT算法改进的车辆规划方法。该方法包括两个阶段，第一阶段找到一定数量的引导根节点。首先，已知在地图上的障碍物的数量、分布情况，起始节点与目标节点，通过计算和碰撞检测得到引导根节点的集合，该引导根节点分布在起始节点指向目标节点的路径上，具有导向性且不与周围的障碍物发生碰撞。第二阶段，将起始节点、目标节点和引导根节点放入一个根节点的集合中，逐个开始扩展节点，当两棵树的叶子节点的最近距离小于等于步长，就将两棵树合并为一棵树。当所有的树合并成为一棵树，即同时含有起始节点与目标节点，则寻路成功。该方法虽然同样可以用于机器人的路径规划，但是，用于机器人的路径规划时该方法存在的不足之处是：该方法虽然是一种概率完备且具有良好扩展性的路径规划方法，但是，由于机器人的工作环境中还存在多个障碍物，为避开障碍物，RRT算法规划的路径会包含许多的冗余转折点，导致规划后的路径不平滑。

启发式搜索算法是一种基于启发信息的路径规划方法，利用问题自身所携带的启发式信息引导算法朝着最有希望的方向搜索，从而达到缩小搜索范围的效果。例如：

上海海事大学在其申请的专利文献“基于改进Astar算法的港口无人机巡检路径规划方法”(申请号：202010558369X，申请公布号：CN111625023A)中公开了一种基于改进Astar算法的港口无人机巡检路径规划方法。该方法其采用改进的Astar算法进行起点和任务点的路径规划，将当前节点固定邻域范围内节点遍历一遍，逐个进行评估，剔除不必要搜索的网络节点，减少计算量，直到找到最优节点，再从该节点向周围节点进行扩展搜索，搜索到目标节点后算法结束。该算法虽然同样可以用于机器人的路径规划时具有原理简单，搜索最优路径的能力强的特点，但是，该算法用于机器人的路径规划时存在的不足之处是：受到固定邻域搜索节点策略的约束，导致规划路径不满足全局最优性，并且规划的路径转折点较多，导致机器人实际运行过程中需要不断转向，严重影响移动机器人的运行效率。

发明内容

本发明的目的是针对上述现有技术存在的不足，提出一种基于自适应邻域与转向代价的机器人路径规划方法，旨在解决路径规划中规划路径冗余点较多，路径不平滑以及转向过多影响机器人运行效率的问题。