[发明专利]基于改进RRT算法的机器人路径规划方法和装置

权利要求书

1.一种基于改进RRT算法的机器人路径规划方法，其特征在于，包括如下步骤：

加载初始化栅格地图，确定在所述初始化栅格地图中的起始点和目标点并初始化随机树；

基于预设的目标导向策略随机采样函数生成随机采样点；

获取随机采样点方向和目标点方向的权重值，根据所述权重值加权运算生成新扩展点；判定所述新扩展点没有发生碰撞，根据所述新扩展点更新所述随机树；

判断所述新扩展点与所述目标点的距离是否小于第一距离阈值；若是，生成全局路径；若否，返回所述基于预设的目标导向策略随机采样函数生成随机采样点的步骤并继续执行。

2.根据权利要求1所述的基于改进RRT算法的机器人路径规划方法，其特征在于，所述目标导向策略随机采样函数的公式为：

其中，x_rand是随机采样点，x_goal是目标点，p是预设概率值，p(x_rand)是随机生成概率值。

3.根据权利要求1所述的基于改进RRT算法的机器人路径规划方法，其特征在于，所述根据所述权重值加权运算生成新扩展点采用的加权运算公式为：

x_new＝x+k·[ω·n_rand+(1-ω)·n_goal]；

其中，x_new是新扩展点，x是待延伸生成所述新扩展点的当前位置点，k是指定步长，ω是用于确定所述权重值的权重因子，n_rand是随机采样点方向单位矢量，n_goal是目标点方向单位矢量。

4.根据权利要求1所述的基于改进RRT算法的机器人路径规划方法，其特征在于，所述获取随机采样点方向和目标点方向的权重值，根据所述权重值加权运算生成新扩展点之后，还包括：

判定所述新扩展点有发生碰撞，返回所述基于预设的目标导向策略随机采样函数生成随机采样点的步骤并继续执行。

5.根据权利要求1至4任一项所述的基于改进RRT算法的机器人路径规划方法，其特征在于，所述生成全局路径之后，还包括：

在机器人根据所述全局路径运动过程中，基于动态窗口算法在速度空间范围内采样多组速度；

基于机器人运动模型对应所述多组速度进行轨迹预测；

基于预设的评价函数从预测得到的多个轨迹中筛选出局部最优路径；其中，所述评价函数的值与所述全局路径相关联。

6.根据权利要求5所述的基于改进RRT算法的机器人路径规划方法，其特征在于，所述基于预设的评价函数从预测得到的多个轨迹中筛选出局部最优路径之后，还包括：

使机器人根据所述局部最优路径运动；

判断机器人与所述目标点的距离是否小于第二距离阈值；若是，使机器人结束运动；若否，返回所述基于动态窗口算法在速度空间范围内采样多组速度的步骤并继续执行。

7.根据权利要求5所述的基于改进RRT算法的机器人路径规划方法，其特征在于，所述评价函数的公式为：

G(v，w)＝k[αHeading(v，w)+βGoal(v，w)+γPath(v，w)+σOcc(v，w)]；

其中，v是机器人运动线速度，w是机器人运动角速度，G(v，w)是评价函数值，k是路径平滑参数，α、β、γ、σ是加权系数，Heading(v，w)表示机器人所处位置与所述目标点的方位角，Goal(v，w)表示机器人预测轨迹末端点到所述目标点的距离，Path(v，w)表示预测轨迹末端点到所述全局路径的距离，Occ(v，w)表示机器人预测轨迹到附近障碍物的距离。