[发明专利]一种未知地理环境中的巡回机器人路径优化方法

摘要

本发明公开了一种未知地理环境中的巡回机器人路径优化方法，步骤如下：对整个未知地理环境建立全局坐标系；对未知地理环境中两个停靠点间建立局部坐标系；在局部坐标系中，巡回机器人通过沿障碍物边界绕行检测出障碍物，并在全局和局部坐标系中记录障碍物信息；后通过坐标信息规则化障碍物，并通过这些信息采用常规的基于随机惯性权重的多目标粒子群优化算法进行路径优化，输出最优路径；当巡回机器人使用优化后的路径时，若再次遇到障碍物，则继续记录障碍物信息并更新路径。本发明适用于未知地理环境中具有多个停靠点的障碍物检测和路径规划，能够准确描述未知地理环境的障碍物信息并进行路径优化，实现巡回机器人在未知地理环境中的路径最优。

主权项

1.一种未知地理环境中的巡回机器人路径优化方法，其特征在于，包括如下步骤：步骤1‑1. 巡回机器人在未知地理环境中以第一次出发点为原点建立全局坐标系，并标注所有停靠点在全局坐标系中的位置；步骤1‑2. 巡回机器人在巡回过程中，在两个停靠点间移动时，以两个停靠点的直线方向为纵轴建立局部坐标系，随后巡回机器人沿着局部坐标系的纵轴进行移动；步骤1‑3. 巡回机器人在每两个停靠点间移动时，当遇到环境障碍物则沿边绕行，直至回到原来的移动方向进行巡回，其中，第一次巡回时向所有环境障碍物的左侧绕行，记录绕行过程中的最下、最左、最上的局部坐标；第二次巡回时向所有环境障碍物的右侧绕行，记录绕行过程中的最下、最右、最上的局部坐标；步骤1‑4. 巡回机器人在二次巡回结束以后，将步骤1‑3测得的每两个停靠点间所有环境障碍物的六个局部坐标映射为六个全局坐标，随后通过线性规划连接六个全局坐标将环境障碍物规则化成六边形结构；步骤1‑5. 巡回机器人以环境障碍物的六边形结构为输入，采用基于随机惯性权重的多目标粒子群优化算法进行停靠点间的路径优化，使得路径最短且路径平滑度最优；步骤1‑6. 巡回机器人在再次巡回过程中，使用经步骤1‑5优化后的路径行进，当遇到其他障碍物时则重复执行步骤1‑3中的环境障碍物检测方法、步骤1‑4中的环境障碍物规则化方法，以及步骤1‑5的路径优化方法，更新路径。