[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，属于路径规划技术领域。它包括获取环境空间信息，根据环境空间信息生成栅格地图；其中，栅格地图中包括黑格和白格，黑格表示有障碍物，白格表示无障碍物；生成采样点集X，并利用PRM算法对采样点集X的采样点进行双向搜索生成路径集F；然后根据路径集F得到最优折线路径；之后对最优折线路径进行平滑处理得到最优规划路径。针对现有技术中利用PRM算法进行路径规划时搜索效率低的问题，本发明提供一种机器人路径规划方法，通过实现路径的双向搜索，从而提高了PRM进行路径搜索的效率，并且提高了搜索的安全性。

技术领域

本发明属于路径规划技术领域，更具体地说，涉及一种机器人路径规划方法。

背景技术

路径规划是移动机器人如何在多约束条件下从起始位置安全到达目标位置的关键技术，根据对环境信息的把握程度可把路径规划划分为基于先验完全信息的全局路径规划和基于传感器信息的局部路径规划。其中，全局路径规划需要掌握所有的环境信息，根据环境地图的所有信息进行路径规划；局部路径规划只需要由传感器实时采集环境信息，了解环境地图信息，然后确定出所在地图的位置及其局部的障碍物分布情况，从而可以选出从当前结点到某一子目标结点的最优路径。

近年来，移动机器人的发展技术有着飞跃式的进步，关于机器人路径规划技术俨然成为了机器人未来发展的重要研究领域。针对机器人的路径规划，现有技术也提出了一些解决方案，例如发明创造名称为：一种基于改进双向RRT机器人路径规划方法(申请日：2020年12月30日；申请号：202011609932.8)，该方案公开了一种基于改进双向RRT机器人路径规划方法，针对RRT算法的不足，提出了一种中心圆采样策略，降低了双向RRT算法采样随机性；融入了障碍物膨胀策略，使得规划的路径和障碍物保持一定的间距，更加符合实际机器人运行路径；引入了目标偏向策略，提升算法的搜索效率；最后将规划的路径进行样条插值，使得规划的路径更加的平稳与光滑；该方案提出的CC_BRRT算法，一定程度上减少了采样的盲目性，缩短了路径长度，减少了采样节点的数量，提升了路径的光滑性。

现如今，机器人的路径规划技术广泛运用在工业，服务业，娱乐等各个方面，机器人在执行各项任务时都基于路径规划的方法选择上，有效而又可行的路径规划技术可以使得机器人更加安全而可靠的完成人类所需要的任务。传统的路径规划算法有Dijkstra算法、A*算法、人工势场法等，随着移动机器人工作空间复杂度的提升，逐渐涌现出一系列的智能仿生算法，如遗传算法、粒子群算法、人工蜂群算法等。

此外，现有技术中路径规划算法还包括随机路标图算法(PRM)，该算法通过在构形空间中进行采样、对采样点进行碰撞检测、测试相邻采样点是否能够连接来表示路径图的连通性，解决了难以在高维空间中构造有效路径图的问题，路径规划时计算量小且实时性较好。但是在面对狭窄通道时，搜索效率会明显下降，易陷入局部最优。因此，如何提高在利用PRM进行路径规划时的搜索效率，是现有技术亟需解决的问题。

发明内容

1.要解决的问题

针对现有技术中利用PRM算法进行路径规划时搜索效率低的问题，本发明提供一种机器人路径规划方法，通过实现路径的双向搜索，从而提高了PRM进行路径搜索的效率，并且提高了搜索的安全性。

2.技术方案

为了解决上述问题，本发明所采用的技术方案如下：

本发明的一种机器人路径规划方法，包括获取环境空间信息，根据环境空间信息生成栅格地图；其中，栅格地图中包括黑格和白格，黑格表示有障碍物，白格表示无障碍物；而后生成采样点集X，并利用PRM算法对采样点集X的采样点进行双向搜索生成路径集F；然后根据路径集F得到最优折线路径；之后对最优折线路径进行平滑处理得到最优规划路径。

更进一步地，生成采样点集X的具体过程为：先创建采样点集X，该采样点集X初始为空；在栅格地图上进行随机取点，并判断所取的采样点是否在黑格上，若所取的采样点不在黑格上，则将该采样点加入至采样点集X。