[发明专利]基于RRT算法与人工势场法相结合的微机器人避障方法

权利要求书

1.基于RRT算法与人工势场法相结合的微机器人避障方法，其特征在于，所述方法包括：

获取避障实验场景图，图中包括模拟血管边缘、微机器人和障碍物；

通过模板匹配从所述避障实验场景图中识别所述模拟血管边缘，通过HSV模型从所述避障实验场景图中识别静态障碍物；

基于识别出的模拟血管边缘和静态障碍物，利用改进的RRT算法进行全局路径规划，确定全局路径上的关键节点；

将所述关键节点作为子目标点，利用改进的人工势场法规避动态障碍物依次到达所述子目标点，直至达到路径终点。

2.根据权利要求1所述的基于RRT算法与人工势场法相结合的微机器人避障方法，其特征在于，所述通过模板匹配从所述避障实验场景图中识别所述模拟血管边缘，包括：

从所述避障实验场景图中提取模拟血管的ROI区域；

对所述ROI区域进行模糊化处理去除边缘噪点，然后进行边缘提取并二值化处理，对得到的二值化边缘图像进行边缘膨胀，得到模拟血管粗边缘的采样图；

对模拟血管的设计图进行边缘提取并二值化处理，对得到的二值化边缘图像进行边缘膨胀，得到模拟血管粗边缘的设计图；

对所述模拟血管粗边缘的设计图进行平移、选取ROI区域和缩放操作，利用差分进化算法，将处理后的模拟血管粗边缘的设计图与所述模拟血管粗边缘的采样图的各个像素点进行配对，匹配成功则完成对所述模拟血管边缘的识别。

3.根据权利要求1所述的基于RRT算法与人工势场法相结合的微机器人避障方法，其特征在于，所述通过HSV模型从所述避障实验场景图中识别静态障碍物，包括：

从所述避障实验场景图中提取模拟血管的ROI区域；

将所述ROI区域从RGB空间转换为HSV空间；

根据所述静态障碍物的颜色调整所述HSV空间的色相参数，从而完成对所述静态障碍物的识别。

4.根据权利要求1所述的基于RRT算法与人工势场法相结合的微机器人避障方法，其特征在于，所述利用改进的RRT算法进行全局路径规划，确定全局路径上的关键节点，包括：

利用双向RRT算法生成初始规划路径，并获取所述初始规划路径的全部节点，形成节点集A{Y_i,1≤i≤n}，其中，Y_i表示初始规划路径的第i个节点，且节点按照从起点到终点顺序排序，n是初始规划路径节点的个数；

以Y₁为起点依次与Y_m(m＝2,3,…,n)做直线连接，并依次判断直线Y₁Y_m是否遇到所述静态障碍物：

若是，则将Y_m-1作为关键节点，以Y_m为起点依次与Y_m+1做直线连接，并依次判断直线Y_mY_m+1是否遇到所述静态障碍物，直至连接到所述初始规划路径的终点Y_n，将所述起点、关键节点和终点添加到集合B；

否则，将Y₂,Y₃…Y_m-1作为冗余节点，直接剔除；

依次连接所述集合B中的节点，得到优化后的全局路径规划。

5.根据权利要求1所述的基于RRT算法与人工势场法相结合的微机器人避障方法，其特征在于，所述利用改进的人工势场法规避动态障碍物依次到达所述子目标点，直至达到路径终点，包括：

分别构建所述子目标点对微机器人的引力势场、所述动态障碍物对微机器人的斥力势场；

获取子目标点当前时刻time step的初始化参数，并分别输入至所述引力势场和斥力势场，得到所述微机器人受到的虚拟合力，所述虚拟合力为引力和斥力之和；

获取所述微机器人的实时位置，并判断是否到达所述子目标点，若是，则获取下一子目标点当前时刻time step的初始化参数，直至达到路径终点；否则，令time step＝timestep+1，并重新执行所述获取子目标点当前时刻time step的初始化参数。