一种移动机器人新型骨架提取的Voronoi路径规划算法制造技术

本发明专利技术提供一种移动机器人新型骨架提取的Voronoi路径规划算法，包括如下步骤：步骤一、首先对移动机器人已知先验信息的三色栅格地图进行二值化处理，在对其进行腐蚀、膨胀处理；步骤二、对处理后的二值地图经进行骨架提取，得到Voronoi图；步骤三、用原始的三色地图进行机器人定位，在骨架地图上进行全局路径搜索，对得到的全局路径进行改进的三次样条平滑处理，得到优化后的全局路径。根据本发明专利技术提出的算法提取出来的Voronoi骨架没有大量毛边，整体的路径规划更加高效。同时对最后搜索出来的路径进行改进的三次差值优化，去除了路径上尖点，使最终优化的路径更为平滑，使机器人进行更加高效的移动。

Voronoi path planning algorithm for new skeleton extraction of mobile robot

【技术实现步骤摘要】
一种移动机器人新型骨架提取的Voronoi路径规划算法
本专利技术属于移动机器人
，特别涉及一种移动机器人的全局路径规划算法。
技术介绍
移动机器人技术近年来得到快速发展，它在物流仓储、智能巡检、智能家居、商场导购等诸多领域得到了广泛的应用，同时吸引越来越多的学者进行深入研究。路径规划是影响移动机器人性能最为关键的因素之一。路径规划的目的是在已知的机器人环境地图中规划出一条从机器人当前位置到达目标地点的最优路径。机器人的移动效率直接取决于路径规划的质量。移动机器人路劲规划一般分为全局路径规划和局部路径规划，其中常用的全局路径规划算法有A*、Dijkstra、Voronoi图算法。其中A*更适合于解决单个目标问题；Dijkstra为广度优先算法，在时间、空间复杂度高，这会导致路径规划计算成本大；传统Voronoi图算法进行骨架提取后生成的路径过于冗余。其中移动机器人的全局路径规划算法大都是基于栅格地图进行计算的，但是栅格地图存在无法同时满足精度和实时性的要求。因为当栅格划分较精确时，网格数量快速增加，这将导致机器人计算量加大、实时性降低而决策迟钝；当栅格划分粗糙时，每个栅格面积较大，这使机器的导航精度大大降低。
技术实现思路
本专利技术针对现有移动机器人全局路径规划方法存在的上述问题，提供了一种移动机器人新型骨架提取的Voronoi路径规划算法，该算法提取的骨架精简，规划的路径平滑，该算法在保证了路径规划的实时性的同时也保证了路径的精度。本专利技术为解决现有技术中存在的问题采用的技术方案如下：一种移动机器人新型骨架提取的Voronoi路径规划算法，其特征在于，包括如下步骤：步骤一、首先对移动机器人已知先验信息的三色栅格地图进行二值化处理，在对其进行腐蚀、膨胀处理；步骤二、对处理后的二值地图经进行骨架提取，得到Voronoi图；步骤三、用原始的三色地图进行机器人定位，在骨架地图上进行全局路径搜索，对得到的全局路径进行改进的三次样条平滑处理，得到优化后的全局路径。所述步骤一中，机器人首先获得的黑白灰三色栅格地图每个像素值设为S(x,y)，二值化处理后的像素值为D(x,y)，其中(x,y)代表的是像素点的坐标，二值化运算过程为：得到只有黑白两色地图，再进行腐蚀、膨胀处理。所述腐蚀处理的数学表达式为：所述膨胀处理的数学表达式为：所述步骤二包括如下两步：步骤2.1、首先使用八邻域标记图像上的每一个像素点，设某一像素点为P1，其相邻的8个点分别标记为P2～P9，黑色像素值为0，白色像素值为1；步骤2.2、进而设P1的八邻域P2～P9像素值从0到1的变化次数为N，P1点的八邻域之和为M(PX)，将满足以下四个条件的像素点的值设置为0：条件1、P1的八邻域之和满足：2≤P2+P3+P4+P5+P6+P7+P8+P9≤6；条件2、P1的八邻域像素值的变化次数N＝1；条件3、三个像素值的积P2·P4·P8＝0或M(P2)≠1；条件4、三个像素值的积P2·P4·P6＝0或M(P4)≠1；重复进行步骤2.1、步骤2.2两步，最终生成Voronoi骨架图。所述步骤三先通过原始的三色地图对机器人进行定位，得到目标点后，在提取的骨架图中搜索出最优路径；对得到的最优路径进行改进的三次样条处理过程如下：步骤3.1、先将最优路径的像素点坐标排列成点集B1、B2、B3...Bn；步骤3.2、取优化窗口m(m为大于2小于n的正整数)，将路径点集以m为单位截取为多组数据B1～Bm～B2m～Bn，计算每组数据始末的直线方程L，其中L：Ax+By+C＝0(4)；步骤3.3、取距离阈值为Dd，依次计算每组数据中间m–2个点到直线L的距离为D，若最大值Dm＞Dd时，去除中间m–2个点集，连接始末两点，去除路径中的尖点，并计算出该直线上所有像素点坐标作为新的路径点集，反之则不作处理，其中步骤3.4、在对经过上述过程处理后的点集进行三次样条插值处理，设点集起点为(x0，y0)，最后点为(xn，yn)，计算步长hi，带入三次差值的矩阵方程求解，得到曲线方程；其中，步长hi＝xi+1+xi(i＝0，1，...，n-1)(6)，在每个子区间xi≤x≤xi+1中，创建的方程为gi(x)＝ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3(7)。本专利技术具有如下优点：本专利技术提出的算法没有直接在传统栅格地图上进行路径规划，避免了传统栅格地图无法同时满足精度与实时性的缺点，该方法对骨架提取方法进行改进，提取出来的Voronoi骨架没有大量毛边，因此所生成的路径不会出现过于臃肿的情况，整体的路径规划更加高效。同时本专利技术对最后搜索出来的路径进行改进的三次差值优化，去除了路径上尖点，使最终优化的路径更为平滑，使机器人进行更加高效的移动。附图说明图1为本专利技术算法整体流程图；图2为机器人三色环境地图；图3为处理后的二值地图；图4为腐蚀、膨胀示意图；图5为二值地图进行腐蚀处理后得到的地图；图6为二值地图进行膨胀处理后得到的地图；图7为像素点八邻域标记图；图8为提取的Voronoi骨架图；图9为路径搜索三个过程；图10为路径平滑的优化窗口；图11为平滑前的路径；图12为平滑后的路径。具体实施方式下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明，如图1所示，为本专利技术路径规划算法的主要流程图，本专利技术提出了一种移动机器人新型骨架提取的Voronoi路径规划算法，该算法主要的步骤包括以下三步：步骤一、首先对移动机器人已知先验信息的三色栅格地图进行二值化处理，在对其进行腐蚀、膨胀处理；具体来说，步骤一中的过程主要包含以下步骤：首先已知机器人的三色环境地图，如图2所示，它是由黑白灰三色构成的，黑、白像素对应的值分别为255、0，灰色像素对应的值大于0小于255，设地图中每个像素值为S(x,y)，二值化处理后的像素值为D(x,y)，其中(x,y)代表的是像素点的坐标。二值化运算过程为：每个像素经过二值化处理得到的新地图，如图3所示。再对新得到的二值地图进行腐蚀膨胀处理。其中腐蚀数学表达式为：其中膨胀数学表达式为：腐蚀、膨胀过程的图形示意图，如图4所示，M－N为腐蚀过程，M+N为膨胀过程，对二值地图进行腐蚀、膨胀过程后的地图，如图5和图6所示。步骤二、对处理后的二值地图经进行骨架提取，得到Voronoi图；具体来说，步骤二包括以下过程：首先使用八邻域标记图像上的每一个像素点，设某一像素点为P1，其相邻的8个点分别标记为P2～P9，黑色像素值为0，白色像素值为1，如图7所示。对经过步骤一处理后的图片进行骨架提取，设P1的八邻域P2～P9像素值从0到1的变化次数为N，P1点的八邻域之和为M(PX本文档来自技高网...

【技术保护点】
1.一种移动机器人新型骨架提取的Voronoi路径规划算法，其特征在于，包括如下步骤：/n步骤一、首先对移动机器人已知先验信息的三色栅格地图进行二值化处理，在对其进行腐蚀、膨胀处理；/n步骤二、对处理后的二值地图经进行骨架提取，得到Voronoi图；/n步骤三、用原始的三色地图进行机器人定位，在骨架地图上进行全局路径搜索，对得到的全局路径进行改进的三次样条平滑处理，得到优化后的全局路径。/n

【技术特征摘要】
1.一种移动机器人新型骨架提取的Voronoi路径规划算法，其特征在于，包括如下步骤：
步骤一、首先对移动机器人已知先验信息的三色栅格地图进行二值化处理，在对其进行腐蚀、膨胀处理；
步骤二、对处理后的二值地图经进行骨架提取，得到Voronoi图；
步骤三、用原始的三色地图进行机器人定位，在骨架地图上进行全局路径搜索，对得到的全局路径进行改进的三次样条平滑处理，得到优化后的全局路径。


2.如权利要求1所述的一种移动机器人新型骨架提取的Voronoi路径规划算法，其特征在于：所述步骤一中，机器人首先获得的黑白灰三色栅格地图每个像素值设为S(x,y)，二值化处理后的像素值为D(x,y)，其中(x,y)代表像素点坐标，二值化运算过程为：



得到只有黑白两色地图，再进行腐蚀、膨胀处理。


3.如权利要求2所述的一种移动机器人新型骨架提取的Voronoi路径规划算法，其特征在于：所述腐蚀处理的数学表达式为：





4.如权利要求2所述的一种移动机器人新型骨架提取的Voronoi路径规划算法，其特征在于：所述膨胀处理的数学表达式为：





5.如权利要求1所述的一种移动机器人新型骨架提取的Voronoi路径规划算法，其特征在于，所述步骤二包括如下两步：
步骤2.1、首先使用八邻域标记图像上的每一个像素点，设某一像素点为P1，其相邻的8个点分别标记为P2～P9，黑色像素值为0，白色像素值为1；
步骤2.2、进而设P1的八邻域P2～P9像素值从0到1的变化次数为N，P1点的八邻域之和为M(PX)，将满足以下四个条件的像素点的值设置...

【专利技术属性】
技术研发人员：蒋林，潘锋，李峻，马先重，聂文康，朱建阳，雷斌，侯宇，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42