移动机器人全局平滑路径规划方法技术

本发明专利技术涉及一种移动机器人全局平滑路径规划方法，其步骤包括：根据移动机器人的工作环境，进行环境建模，以路径安全且最短为原则建立待优化的目标函数，基于自适应粒子群算法进行移动机器人的路径规划，根据优化结果输出移动机器人的运动路径，采用贝塞尔曲线对移动机器人的运动路径进行平滑处理。本发明专利技术采用自适应粒子群算法与贝塞尔曲线相结合，稳定性和鲁棒性强，能够有效地提高搜索效率，缩短路径长度，符合人工规划意图，并且本发明专利技术需要调整的参数少，模型简单，适用于各种移动机器人在复杂环境下的全局平滑路径规划。

Global Smoothing Path Planning for Mobile Robots

The present invention relates to a global smoothing path planning method for mobile robots. The steps include: modeling the environment according to the working environment of mobile robots, establishing the objective function to be optimized based on the principle of path safety and minimum, planning the path of mobile robots based on Adaptive Particle Swarm optimization, outputting the motion path of mobile robots according to the optimized results, and adopting Bei. Searle curve is used to smooth the motion path of mobile robot. The invention adopts adaptive particle swarm optimization algorithm combined with Bessel curve, which has strong stability and robustness, can effectively improve search efficiency, shorten path length, and conforms to the intent of manual planning, and has fewer parameters to be adjusted, simple model, and is suitable for global smooth path planning of various mobile robots in complex environments.

【技术实现步骤摘要】
移动机器人全局平滑路径规划方法
本专利技术属于机器人
，涉及移动机器人技术，具体地说，涉及一种移动机器人全局平滑路径规划方法。
技术介绍
自20世纪60年代移动机器人诞生以来，机器人技术因其在材料运输、医疗辅助、产品装配、工业制造等领域的广泛应用而引起了越来越多的研究关注。其中，路径规划是移动机器人领域中最重要的课题之一。路径规划的主要目的是在复杂障碍物的工作环境下为移动机器人寻找一条从初始位置到目标位置可行且最佳的路径。作为移动机器人导航的最基本环节之一，路径规划结果的优劣直接决定着移动机器人的实用性及综合性能。移动机器人的路径规划问题需要考虑众多因素，在寻找最优路径的过程中主要考虑以下三个重要因素：(1)路径的可行性，即是否能有效地避开障碍物，这是机器人路径规划问题中最应该优先考虑的问题。(2)路径的长短，规划的路径越短，机器人消耗的能量越少，实用性越强。(3)路径的平滑度，移动机器人规划的路径具有转弯次数多和累计转折角大等问题，对规划的路径进行平滑性处理可以提高路径的质量。目前，常用的路径规划方法包括粒子群优化算法、神经网络法、A*算法、遗传算法、人工势场法和栅格法等。这本文档来自技高网...

【技术保护点】
1.一种移动机器人全局平滑路径规划方法，其特征在于，含有以下步骤：利用直角坐标系对移动机器人的工作环境进行二维空间模拟，将移动机器人视为一个点，并在工作区域内运动，利用移动机器人的视觉系统感知自身的位置和障碍物的位置；采用网格划分的方式将移动机器人的工作区域分割成M×N个小正方形，每个小正方形称为网格，对每个网格进行有序编号；将现实环境的障碍物用移动机器人工作区域中的黑色网格表示；定义从起始点到目标点的路径的距离为粒子群算法需要优化的目标函数；自适应调整粒子群算法中的惯性权重和加速度系数，输出最大迭代时刻的全局最优适应度函数值；采用自适应调整后的粒子群算法进行移动机器人的全局路径规划，找到可行...

【技术特征摘要】
1.一种移动机器人全局平滑路径规划方法，其特征在于，含有以下步骤：利用直角坐标系对移动机器人的工作环境进行二维空间模拟，将移动机器人视为一个点，并在工作区域内运动，利用移动机器人的视觉系统感知自身的位置和障碍物的位置；采用网格划分的方式将移动机器人的工作区域分割成M×N个小正方形，每个小正方形称为网格，对每个网格进行有序编号；将现实环境的障碍物用移动机器人工作区域中的黑色网格表示；定义从起始点到目标点的路径的距离为粒子群算法需要优化的目标函数；自适应调整粒子群算法中的惯性权重和加速度系数，输出最大迭代时刻的全局最优适应度函数值；采用自适应调整后的粒子群算法进行移动机器人的全局路径规划，找到可行且最优的路径点序列；将粒子群算法找到的最优路径点序列作为贝塞尔曲线的控制点序列，利用贝塞尔曲线对规划的路径进行平滑性处理，获得移动机器人全局平滑路径。2.如权利要求1所述的移动机器人全局平滑路径规划方法，其特征在于，划分网格时，在二维空间坐标系中，所有路径点都定义在工作区域中网格的中心，路径点序列坐标为二维的，对工作区域内的每个网格进行有序编号；将160×160单位的工作区域划分为16×16个网格，即每个网格为10×10单位平方，通过公式(1)将网格数转化为坐标分量值，公式(1)表示为：式中，Number表示网格编号，％表示取余运算，表示取整运算，Px(t)为网格中心在X轴的坐标分量，Py(t)为网格中心在Y轴的坐标分量；反之，从路径上任意点的坐标分量到包含该点的网格数的转换公式则表示为：3.如权利要求2所述的移动机器人全局平滑路径规划方法，其特征在于，目标函数表示为：式中，||Pi(t)||表示具有n个分段的规划路径中第i个分段的长度，C表示规划路径中经过障碍物网格的数量，Pe表示路径中每个障碍物网格的惩罚系数。4.如权利要求3所述的移动机器人全局平滑路径规划方法，其特征在于，自适应调整粒子群算法中惯性权重和加速度系数，输出最大迭代时刻的全局最优适应度函数的步骤为：(1)设置初始化参数，所述初始化参数包括种群规模、粒子维...

【专利技术属性】
技术研发人员：高明，张国铭，盛立，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37