[发明专利]一种基于弹簧算法的机器人路径规划方法

说明书

本发明公开了一种基于弹簧算法的移动机器人路径规划方法，S1、对障碍物进行编号(i=1,2,3…)，记录其原位置；更新障碍物矩阵map_obs_belong；初始化解空间solution_space，放入初始解，S2、进入循环：S21、从solution_space中以'length'为参考值，最小值对应的解shortest。若该解的'collision'列表为空，退出循环，执行S3；否则执行S22；S22、选取shortest['collision']中的障碍物obs，从不同方向移至原位置，构建新解存入solution_space中，新解'way'属性值由Algorithm2决定；S3、输出全局最优解shortest。本发明的有益效果是，运行时间较短，算法所得最终路径，优于A*以及蚁群算法。

技术领域

本发明涉及机器人路径规划技术领域，具体是一种基于弹簧算法的移动机器人路径规划方法。

背景技术

路径规划技术是移动机器人研究领域的一个重要组成部分，主要目的是在有障碍物的环境中，根据一定的准则(如路径最短，位置拐点最少，用时最短等)，寻求一条从起始位置节点到目标位置节点之间的最优或次优安全无碰路径。

路径规划技术的发展在一定程度上标志着机器人智能水平的高低，而路径规划方法的优劣直接影响路径规划效果。

目前，国内外许多专家学者都在致力于路径规划算法的研究，常用的优化算法主要有Dijkstra、A*、人工势场法、免疫算法、蚁群优化算法、神经网络、粒子群优化算法和遗传算法等。

其中，以Dijkstra、A*为代表的传统路径优化算法虽然能保证取得最优解，但其优化效率对栅格地图的节点规模较为敏感，因此，对于节点规模较大的栅格地图的寻路问题，传统优化算法的表现并不十分优秀，而以蚁群算法、遗传算法为代表的启发式算法，不必遍历整个解空间，仅需对部分解子空间进行寻优，即可大概率获得最优解，该特性使得启发式算法对栅格图节点规模的敏感程度低于传统优化算法，但同时也使得启发式算法存在陷入局部最优解的可能。

发明内容

本发明的目的在于提供一种基于弹簧(Spring Algorithm，SA)的移动机器人路径规划方法，该算法的用时对节点规模的敏感程度远小于A*，且其得到的最优解也优于传统蚁群算法。

首先，针对栅格地图下的障碍物提出形变点的概念，即可能对弹簧产生形变的栅格顶点，如图1所示。

图1中，障碍物的四个顶点皆为形变点，当障碍物由栅格图下界向上移动至原位置时，顶点A将使得弹簧产生形变，如图1(a)效果所示；当障碍物由栅格图上界向下移动至原位置时，顶点C将使得弹簧产生形变，如图1(b)效果所示。

定义弹簧形变规则，即在障碍物移动的过程中，通过检测障碍物上的形变点是否逾越弹簧线段来判定弹簧是否发生形变。方法如Algorithm 1所示。

以图2所示为例，障碍物由上至下移动至其原位置，对顶点C检测其与弹簧各线段的位置状态，通过Algorithm 1可得状态列表state = [0]。

随着障碍物继续下移，顶点C会首先逾越弹簧线段SE，此时情形如图3。

由Algorithm 1可得state = [1]，此时标志着C点产生了逾越行为，这将使得弹簧产生形变，即弹簧线段由SE变成SC+CE，具体操作见Algorithm 2。

定义后文解空间中解的所含属性名及其功能如表1所示。

表1 解的属性名及其功能

本发明解决其技术问题所采用的技术方案是：

一种基于弹簧算法的移动机器人路径规划方法，包括以下步骤：