[发明专利]一种机器人路径规划方法及装置

摘要

本发明公开了一种基于改进觅食行为的人工鱼群算法的机器人路径规划方法，基于自由空间法的环境建模具有建模简单、易于实现的优点，由自由空间法建立自由链接线，连接自由链接线上的中点而构成机器人自由移动网络；通过Dijkstra算法搜索自由移动网络得到局部最短路径，再利用改进觅食行为的人工鱼群算法对搜索到的算法进一步优化，最终得到全局最短路径。该发明提供了搜索效率高的机器人路径规划方法及装置。

主权项

1.一种机器人路径规划方法，其特征在于，它包括如下步骤：（1）机器人路径规划基于环境信息完全已知的全局路径规划；在机器人路径中把机器人简化成一个点，并在二维空间内运动，机器人通过双目视觉传感器和测距传感器感知自身当前的位姿和障碍物的位置；（2）将双目视觉传感器和测距传感器采集的环境信息中的障碍物处理成凸多边形；（3）构建基于自由空间法的机器人移动链接图模型；设机器人的起始位置用start表示，终点位置用goal表示；用黑色多边形代替障碍物,以多边形顶点为端点的连线表示链接线，机器人自由移动路线由链接线中点的连线构成，连接各链接线中点组成机器人自由移动网络；（4）通过Dijkstra算法求出机器人自由移动网络最短路径；设链接线的中点i表示该链接线的路径点i，则取链接线上的路径点标识序列数作为路径编码，如果起始点或终点不在链接线上，则连接该点（始点或终点）与最近链接线中点连线构成加入起始点或终点的新机器人自由移动网络；设路径点i与路径j的权值为W_ij,则对应权值的表达式为：Wij=Wij,i≠j0,i=j;---1)]]>其中V_ij代表路径点i、j在自由移动网络中的对应线段，如果在自由移动网络中不存在对于线段，则V_ij=∞；通过用Dijkstra算法搜寻起点到终点的最优有效权值组合，获得最短机器人移动路径；（5）建立机器人路径编码数学模型；设路径编码P_i（i=1,2，...，n）表示路径点i所在自由链接线上任意一点，则P_i的编码模型如下所示：Pi=Pi1+(Pi2-Pi1)ti,ti∈[0,1],i=1,2,...,n---2)]]>其中P_i1、P_i2表示链接线两端点，线段P_i1P_i2表示链接线；对其它路径点进行同样处理，得到对应路径点表达形式；路径编码P对应的路径编码序列为：P=t1,t2,…,ti,…,tn（t_i∈[0,1]），其中每一个编码系列只有对应一个机器人路径；通过搜索ti值，可以找到最优的路径编码；（6）基于改进觅食行为的人工鱼群算法机器人路径优化模型；（6.1）人工鱼模型：利用路径编码方法生成m条人工鱼，人工鱼X_q表示为：Xq=(tq1,tq2,...,tqi,...,tqn),q∈(1,2,...,m)tqi∈[0,1],i∈(1,2,...,n)---3)]]>每条人工鱼有n个可变分量，且每个分量表示链接线上一点；（6.2）适应值函数（食物浓度函数）：由于Pi=P_i1+(P_i2-P_i1)t_i，则Pi点坐标表示成：xi=xi1+(xi2-xi1)tiyi=yi1+(yi2-yi1)ti---4)]]>因此描述路径长度的适应函数为：其中，||P_iP_i-1||表示P_i和P_i-1两点的距离；（6.3）定义人工鱼X₁与人工鱼X₂的距离：设人工鱼X₁为：X₁=(t₁₁,t₁₂,...,t_1i)，人工鱼X₂为：X₂=(t₂₁,t₂₂,...,t_2i)，则人工鱼X₁与X₂的距离d(X₁,X₂)由机器人的双目视觉传感器、测距传感器和位移传感器信息融合得到，表示为：（6.4）人工鱼X₁,X₂,…,X_q,…,X_m的中心位置（即聚群的鱼群中心位置）定义：Center(X1,X2,...,Xq,...,Xm)=(Σq=1mxq1m,Σq=1mxq2m,...,Σq=1mxqjm,...,Σq=1mxqnm)---7)]]>(i=1,2,...,m;j=1,2,...,n)其中，Center(X₁,X₂,...,X_q,...,X_m)表示取人工鱼X₁,X₂,…,X_q,…,X_m的中心位置，选取m条人工鱼的每个分量平均值；（6.5）改进的觅食行为：设Xinext表示人工鱼下一个状态，Xnext表示人工鱼经审视环节得到的最优状态，Xi表示人工鱼当前状态,visual表示感知距离，step表示移动最大步长；定义审视环节：maxfind(Xi,visual,k)表示人工鱼Xi在通过双目视觉传感器和测距传感器感知距离visual范围内通过k次审视而获得k个状态，并从k个状态中找出最优状态；则，改进的觅食行为即：X_next=max find(X_i,visual,k)；      8）Xinext=Xi+rand()*step*Xnext-Xi||Xnext-Xi||,rand()∈(0,1);---9);]]>（7）通过运用改进觅食行为的人工鱼群算法对Dijkstra算法求得的最短机器人移动路径进一步的优化，获得全局最短路径；优化步骤如下所述：（7.1）人工鱼的数量一般在10至100条之间，对每条人工鱼做随机初始赋值，每条人工鱼的每个变量取值范围是[0,1]；（7.2）评估每条人工鱼三种行为（即觅食行为、聚群行为、追尾行为）的优劣，选择三种行为中最优行为，再用执行这一行为后的状态与当前状态对比；如果优于当前状态则执行此行为，否则执行随机行为（即随机移动）；（7.3）检验终止条件，如果迭代次数达到规定次数，或收敛精度达到规定精度，则搜索终止。