The invention is applicable to the field of artificial intelligence technology, and provides a robot path planning method, device and terminal equipment based on particle swarm optimization algorithm, including: modeling according to the information of the robot activity field, generating a simulation environment; randomly generating N bars without the obstacles according to the starting point and the end point of the robot activity The initial path of intersection is optimized by particle swarm optimization (PSO) in the simulation environment, and M global optimal paths are selected from the optimized paths. The final path is selected from the M global optimal paths by Dijkstra algorithm. The invention combines the advantages of particle swarm optimization algorithm and Dijkstra algorithm for robot path planning, which not only increases the smoothness of the optimal path, but also improves the calculation efficiency.
【技术实现步骤摘要】
基于粒子群算法的机器人路径规划方法、装置及终端设备
本专利技术属于人工智能
,尤其涉及一种基于粒子群算法的机器人路径规划方法、装置及终端设备。
技术介绍
随着社会发展的需要和机器人应用领域的扩大,人们对移动机器人的要求越来越高。移动机器人关键技术主要涉及:导航,定位,避障和路径规划。而路径规划的关键就是算法的研究和设计。在现有技术中,可将路径规划算法分为传统路径规划算法和智能仿生学路径规划算法。传统路径规划算法如:Dijkstra算法,Dijkstra算法是一种单源的路径规划算法,因为运用穷举所以存在运算时间过长且效率低等问题;智能仿生学算法如粒子群算法,粒子群算法虽然计算简单,全局寻优能力强,但是规划出的路径具有转弯次数多,累计转折角大等缺陷。
技术实现思路
有鉴于此,本专利技术实施例提供了一种基于粒子群算法的机器人路径规划方法及终端设备,以解决现有技术中机器人路径规划算法规划路径不平滑且效率低的问题。本专利技术实施例的第一方面提供了一种基于粒子群算法的机器人路径规划方法,包括:S1:根据机器人活动场地的信息进行建模,生成模拟环境,具体包括:S101:根据所述活动场地的信息建立直角坐标系,在所述直角坐标系中确定机器人活动的起点和终点;S102:对所述活动场地中的障碍物进行规则化处理,获得所述障碍物在所述直角坐标系中的顶点坐标;S103:使用数组表示所述障碍物的各个顶点坐标;S2:根据所述机器人活动的起点和终点随机生成N条不与所述障碍物相交的初始路径,采用基于粒子群算法的方法在所述模拟环境中,对N条初始路径进行优化,在优化产生的路径中选出M条全局最优路径 ...
【技术保护点】
1.一种基于粒子群算法的机器人路径规划方法,其特征在于,包括:S1:根据机器人活动场地的信息进行建模,生成模拟环境,具体包括:S101:根据所述活动场地的信息建立直角坐标系,在所述直角坐标系中确定机器人活动的起点和终点;S102:对所述活动场地中的障碍物进行规则化处理,获得所述障碍物在所述直角坐标系中的顶点坐标;S103:使用数组表示所述障碍物的各个顶点坐标;S2:根据所述机器人活动的起点和终点随机生成N条不与所述障碍物相交的初始路径,采用基于粒子群算法的方法在所述模拟环境中,对N条初始路径进行优化,在优化产生的路径中选出M条全局最优路径,其中M,N均为大于1的正整数,M为预先设定的值;S3:采用基于Dijkstra算法的方法从所述M条全局最优路径中选出最终路径。
【技术特征摘要】
1.一种基于粒子群算法的机器人路径规划方法,其特征在于,包括:S1:根据机器人活动场地的信息进行建模,生成模拟环境,具体包括:S101:根据所述活动场地的信息建立直角坐标系,在所述直角坐标系中确定机器人活动的起点和终点;S102:对所述活动场地中的障碍物进行规则化处理,获得所述障碍物在所述直角坐标系中的顶点坐标;S103:使用数组表示所述障碍物的各个顶点坐标;S2:根据所述机器人活动的起点和终点随机生成N条不与所述障碍物相交的初始路径,采用基于粒子群算法的方法在所述模拟环境中,对N条初始路径进行优化,在优化产生的路径中选出M条全局最优路径,其中M,N均为大于1的正整数,M为预先设定的值;S3:采用基于Dijkstra算法的方法从所述M条全局最优路径中选出最终路径。2.如权利要求1所述的基于粒子群算法的机器人路径规划方法,其特征在于,所述步骤S2采用基于粒子群算法的方法在所述模拟环境中,对N条初始路径进行优化,在优化产生的路径中选出M条全局最优路径包括:S201:初始化粒子群,其中所述粒子群中包含N个粒子,每个粒子均为与所述障碍物不相交的初始路径;S202:根据预设更新规则从每个粒子的起点开始进行路径节点更新,从而生成若干条优化路径;S203:对每个粒子自身产生的所有优化路径进行适应度函数计算,从所有粒子的所有优化路径中选出M个适应度值最小的路径作为全局最优路径。3.如权利要求1所述的基于粒子群算法的机器人路径规划方法,其特征在于,所述步骤S3采用基于Dijkstra算法的方法从所述M条全局最优路径中选出最终路径包括:步骤301:将所述M条全局最优路径表示成集合P:其中,S表示路径的起始位置,T表示目标位置,S和T均为定值;nmi表示第m个粒子中的第i个路径节点;步骤302:对集合P中的任意两结点(ni,nj)用直线连成线段,判断所述线段是否与所述障碍物相交,若不相交,则计算结点ni和结点nj之间的欧氏距离dij并作为ninj弧的权值;若相交,则ninj弧的权值为∞;步骤S303:更新完M条路径的加权图后,将所述加权图保存在一个邻接矩阵A中;步骤S304:根据最优粒子Dijkstra算法从所述邻接矩阵A中选出最小加权值对应的路径为最终路径。4.如权利要求2所述的基于粒子群算法的机器人路径规划方法,其特征在于,所述步骤S202根据预设更新规则从每个粒子的起点开始进行路径节点更新,从而生成若干条优化路径包括:步骤A:根据当前第d个路径节点的位置更新速度Vd对相应的粒子进行路径节点更新,判断所述更新后的第d+1个路径节点与所述第d个路径节点连成的直线段是否与所述障碍物相交;所述d为小于或等于D的正整数,所述D为大于2的正整数,其中,每个粒子由D个路径节点构成,所述位置更新速度Vd为由D个路径节点构成的粒子的第d个路径节点的位置更新速度;步骤B:若是,则采...
【专利技术属性】
技术研发人员:黄建军,刘紫丹,黄敬雄,
申请(专利权)人:深圳大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。