[发明专利]一种基于优化维诺图的高安全裕度全局路径规划方法

说明书

本发明公开一种基于优化维诺图的高安全裕度全局路径规划方法，属于机器人路径规划领域。包括：首先应用维诺图算法生成初始的维诺路网；然后识别出至少具有3个邻居节点的节点，将该节点作为交通枢纽节点，构建第一层稀疏环境拓扑图；其次，寻找与枢纽节点直接相邻、相通的邻居枢纽节点，得到相邻交通枢纽节点之间的路径信息，并进行剪枝和3次准均匀B样条曲线平滑处理，构建第二层相邻、相通枢纽节点间路径信息图；最后，基于分层优化建模后的维诺路网进行起点与终点间的全局路径搜索，初步得到相应的路径点序列信息，并进行贝赛尔曲线平滑处理，得到平滑、满足运动约束、高安全裕度的全局路径。

技术领域

本发明涉及一种基于优化维诺图的高安全裕度全局路径规划方法，属于机器人路径规划领域。

背景技术

机器人路径规划技术在航天、军事、工业、民用领域用途广泛，包括卫星飞船、火箭、自动驾驶车辆、扫地机器人等自主机器人均集成有路径规划技术。路径规划模块接收前端传感器数据融合计算得到的环境地图、障碍感知与定位信息，输出可行路径点序列至控制导引模块，解决“如何去”的问题，在整个自主导航系统架构中扮演着大脑决策中枢的作用。路径规划本质上要解决的问题就是在地图中找到一条满足一系列约束的运动路径，使移动载体从起点运动到目标点所花费的代价较小。

全局路径规划技术需要提前预知大量的环境信息，主要是在环境已知的大尺寸静态地图中进行路径规划，为移动机器人的实际运动提供可行走的大致路线。其中常用的全局路径规划算法有以下几种:以栅格图法、可视图法、拓扑图法为代表的基于图搜索的路径规划算法，以快速遍历随机树(RRT)，概率地图搜索(PRM)为代表的基于采样的路径规划算法，以蚁群算法、粒子群优化算法、遗传算法为代表的基于智能仿生学的路径规划算法，以Q-learning为代表的强化学习路径规划算法

在自主机器人实际应用中，往往需要结合环境背景、任务需求、自身性能来决定路径规划算法的侧重准则。比如在环境危险辐射源多、障碍物密集、机器人自身定位精度不够鲁棒精确的条件下，需要兼顾导航地图的优化建模、算法的运行时间、路径的安全裕度、机器人的运动约束。因此，研究一种环境模型简洁、运行时间短、路径安全裕度高、平滑的全局路径规划算法十分必要。

发明内容

本发明所要解决的技术问题在于，在环境维诺路网进一步分层优化建模基础之上，提供一种运行时间短、路径安全裕度高、平滑的全局路径规划算法，能够在环境危险辐射源多、障碍物密集、机器人自身定位鲁棒性低和精度差的条件下，快速规划出一条从起点到终点安全、平滑的全局路径。

为解决上述技术问题，本发明提供一种基于优化维诺图的高安全裕度全局路径规划方法，该方法包括如下步骤：

S1:通过当前主流的基于激光雷达的SLAM建图定位算法和占据栅格地图构建算法生成全局障碍占据栅格图，依据概率阈值进一步处理成全局二值化栅格地图，加载生成的全局二值化栅格地图到规划模块；

S2:对步骤S1输入的环境障碍物栅格地图应用维诺图算法生成初始的维诺路网；

S3:对步骤S2生成的初始维诺路网的所有节点进行判断，识别出至少具有3个邻居节点的节点，将该节点作为交通枢纽节点，构建第一层稀疏环境拓扑图；

S4:基于步骤S2生成的初始维诺路网节点数据库对步骤S3生成的交通枢纽节点之间进行路径查找，寻找与枢纽节点直接相邻、相通的邻居枢纽节点，得到相邻交通枢纽节点之间的路径信息，构建第二层相邻、相通交通枢纽节点间路径信息图；

S5:对步骤S4得到的相邻枢纽节点间的路径信息进行剪枝和3次准均匀B样条曲线平滑处理，去除相邻交通枢纽节点间的冗杂节点，得到平滑的路径；

S6:基于步骤S5平滑后的相邻交通枢纽节点间路径信息进一步进行自适应长度路径点插值，至此得到完整分层优化建模后的维诺路网；