The invention relates to a multi-objective point path planning method based on fast random search tree, which belongs to the field of robot path planning. The method of the invention uses a two-layer tree structure. The underlying tree is composed of several trees extending from multiple target points. Each tree has a weight determined by its surroundings, and each tree explores the free space using a fast random search tree algorithm. When the two trees are close enough, an effective collision-free path will be generated, and the effective path and the nodes constituting the effective path will be passed to the top tree. The top-level tree uses the improved minimum spanning tree algorithm to re-plan these paths and nodes, and finally obtains the shortest path that can traverse multiple target points. The multi-objective point path planning method provided in the invention can effectively operate in various obstacle environments, and has fast calculation speed, and the mobile robot can directly navigate the path.
【技术实现步骤摘要】
一种基于快速随机搜索树的多目标点路径规划方法
本专利技术属于移动机器人路径规划领域,尤其涉及一种基于快速随机搜索树的多目标点路径规划方法。
技术介绍
移动机器人的路径规划技术是智能机器人的核心技术之一,它是移动机器人完成其他任务的基础。路径规划技术的研究有很长的历史,现有的技术大致可分为三类:一种是基于图搜索的路径规划算法,比如Dijistra算法,A*算法等;另一种是基于种群的优化算法,比如遗传算法、粒子群算法等;最新的一种是基于采样的路径规划算法,比如随机路径图算法(ProbabilisticRoadmaps,PRM)和快速随机搜索树算法(RapidlyRandom-exploringTree,RRT)。所谓的多目标点路径规划就是一种全局的路径规划任务,机器人需要从一个规定的起点出发,每次到达一个不同的目标点,直到最后到达终点。这个过程中要求机器人符合一些不同的要求,比如路径最短、能耗最低等,并且在规划的路径中不能碰撞到任何障碍物。这是一种在机器人自由空间中的旅行商问题(TravellingSalesmanProblem,TSP)。针对多目标点路径规划问题,更多的是通过进化算法来解决。进化算法是一种群体进化的随机优化技术,每一代都继承上一代的优秀种群,并能够利用不同种群之间的相似性来寻找全局最优的解。常见的进化算法有蚁群算法,遗传算法,粒子群算法等。这些算法都可以用来解决多目标点的路径规划问题,但是这些算法也存在弊端。比如陷入局部最优的问题,而且进化算法很难应用到高维空间中,无法解决高维空间中的多目标点路径规划问题。快速随机搜索树算法是Lavalle提 ...
【技术保护点】
1.一种基于快速随机搜索树的多目标点路径规划的方法,其特征在于:使用两层树的结构,底层树负责探索未知空间,顶层树负责规划出能够遍历多个目标点的最短路径;1)底层树的探索过程包含以下步骤:步骤一:每个目标点、起点和终点均初始化一棵树,配合在全局地图的信息,确定出感知距离;步骤二:由步骤一确定的感知距离,及每棵树周围的障碍物环境,计算出每棵树在整体树集合中的扩展权重,由扩展权重来决定每棵树的扩展概率;步骤三:每棵树独立地使用快速随机搜索树算法进行空间探索,并且扩展步长统一为Δ;在每次迭代中只扩展一棵树,由步骤二中的扩展概率来选择一棵树进行扩展,扩展后得到一个新结点;步骤四:如果两棵树的距离小于2×Δ,产生一条有效的无碰撞路径及一组构成该有效路径的节点;2)顶层树的规划过程包含以下步骤:步骤五:初始化距离探索方阵;步骤六:根据步骤四中的有效路径及节点,更新距离探索方阵的距离信息,并将有效路径及构成该路径的节点添加到顶层树;步骤七:重新规划多个目标点的访问顺序,获得能够遍历多个目标点的最短路径;步骤八:在步骤七的最短路径上选取多个关键节点,使机器人可以在各个关键节点之间按顺序进行导航。
【技术特征摘要】
1.一种基于快速随机搜索树的多目标点路径规划的方法,其特征在于:使用两层树的结构,底层树负责探索未知空间,顶层树负责规划出能够遍历多个目标点的最短路径;1)底层树的探索过程包含以下步骤:步骤一:每个目标点、起点和终点均初始化一棵树,配合在全局地图的信息,确定出感知距离;步骤二:由步骤一确定的感知距离,及每棵树周围的障碍物环境,计算出每棵树在整体树集合中的扩展权重,由扩展权重来决定每棵树的扩展概率;步骤三:每棵树独立地使用快速随机搜索树算法进行空间探索,并且扩展步长统一为Δ;在每次迭代中只扩展一棵树,由步骤二中的扩展概率来选择一棵树进行扩展,扩展后得到一个新结点;步骤四:如果两棵树的距离小于2×Δ,产生一条有效的无碰撞路径及一组构成该有效路径的节点;2)顶层树的规划过程包含以下步骤:步骤五:初始化距离探索方阵;步骤六:根据步骤四中的有效路径及节点,更新距离探索方阵的距离信息,并将有效路径及构成该路径的节点添加到顶层树;步骤七:重新规划多个目标点的访问顺序,获得能够遍历多个目标点的最短路径;步骤八:在步骤七的最短路径上选取多个关键节点,使机器人可以在各个关键节点之间按顺序进行导航。2.如权利要求1所述的基于快速随机搜索树的多目标点路径规划的方法,其特征在于所述的步骤一中,每个目标点、起点和终点均初始化一棵树,根据全局地图信息计算出感知距离,计算方法如下:R=min{Dij},1≤i,j≤n其中R代表感知距离,Dij代表第i棵树的根结点与第j棵数的根结点之间的无视障碍物的欧式空间距离,n表示树木总数。3.如权利要求1所述的基于快速随机搜索树的多目标点路径规划的方法,其特征在于:所述的步骤二中,根据感知距离R及每棵树周围的环境,计算每棵树在整体树集合的扩展权重,由权重来决定每棵树的扩展概率;计算方法如下:其中Wi代表第i棵树的权重,Ci,obs代表第i棵数周围由R定义的正方形环境空间中障碍物的大小,正方形环境空间的边长为2×R,中心点为第i棵数的根结点;计算出的每棵树权重Wi是每棵树的扩展概率,周围环境相对空旷的树木得到的扩展机会少,反之,周围环境相对拥挤的树木得到的扩展机会多。4.如权利要求1所述的基于快速随机搜索树的多目标点路径规划的方法,其特征在于:所述的步骤三中,每棵树使用快速随机搜索树算法进行扩展,并且扩展步长统一为Δ;在每次迭代中只扩展一棵树,由所述的步骤二中的扩展概率来选择一棵树进行扩展,扩展后得到一个新结点。5.如权利要求1所述的基于快速随机搜索树的多目标点路径规划的方法,其特征在于所述的步骤四具体为:当两棵树小于2×Δ时,产生一条无碰撞的路径,...
【专利技术属性】
技术研发人员:樊臻,白天,刘妹琴,张森林,何衍,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
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。