【技术实现步骤摘要】
一种与图像骨架结合的最优路径规划方法
[0001]本专利技术属于机器人
,涉及一种与图像骨架结合的最优路径规划方法。
技术介绍
[0002]目前,给定地图和定位下的路径规划,是机器人实现自主移动与避障功能的关键技术。一般而言,传统的路径规划方法及基于其变种的各种方法,多数把
″
路径最短
″
作为最优条件。目前的方法多数集中在如何快速的寻找到这一
″
最短路径
″
上。相关的专利主要有:
[0003]专利CN201911206405.X公开了一种用于最短路径的规划方法和系统。其中,根据环境信息建立初始栅格地图,并分别将栅格地图的栅格点标记为起点、候选点和障碍点;遍历候选点以计算候选点到起点的最小步长,从而形成最小步长矩阵图;以及选定候选点之一作为终点,通过反向深度优先算法进行递归遍历,以获得终点到起点的最短路径规划。该方案基于栅格地图全局扩算算法,不仅解决了最终路径为最短距离路径,而且大幅度降低了运算的时间复杂度和空间复杂度。
[0004]专利CN202010677271.6公开一种路径规划方法、装置以及计算机存储介质,该方法包括:获取起始路径点和终止路径点;在区域连接树上确定起始路径点和终止路径点的公共父路径点以及与起始路径点和终止路径点之间路径规划相关的相关路径点集合;根据起始路径点、终止路径点、公共父路径点从多层次拓扑图中确定与起始路径点和终止路径点之间路径规划相关的相关路径集合;以相关路径点集合和相关路径集合为基础对起始路径 ...
【技术保护点】
【技术特征摘要】
1.一种与图像骨架结合的最优路径规划方法,其特征在于:具体包括如下步骤:步骤1,对2D格栅地图进行转化与处理;步骤2,基于步骤1的处理结果生成代价地图;步骤3,根据步骤2生成的代价地图求最优路径。2.根据权利要求1所述的一种与图像骨架结合的最优路径规划方法,其特征在于:所述步骤1的具体过程为:步骤1.1,基于给定的2D栅格地图M,将栅格地图中的障碍区域和未知区域对应设置为0;将栅格地图中的可通行区域对应位置设置为1,得到二值图像I;步骤1.2,运用膨胀和腐蚀的形态学算法,去除对二值图像I中的细碎区域;步骤1.3,对于经步骤1.2处理后的二值图像I,采用骨架提取算法,提取二值图像I中可通行区域的骨架。3.根据权利要求2所述的一种与图像骨架结合的最优路径规划方法,其特征在于:所述步骤1.3中骨架是线状结构。4.根据权利要求3所述的一种与图像骨架结合的最优路径规划方法,其特征在于:所述步骤1.3中,从一个骨架点到另一个骨架点的方向可作为推荐方向。5.根据权利要求4所述的一种与图像骨架结合的最优路径规划方法,其特征在于:所述步骤1.3中根据所述推荐方向得到的一系列推荐点的集合S,如下所示:S={(x1,y1,α1,β1),(x2,y2,α2,β2),...,(xn,yn,αn,βn)}其中,x
i
、y
i
表示某骨架点的坐标,α
i
、β
i
表示该骨架点的推荐方向,其中i=1,2,
……
,n。6.根据权利要求5所述的一种与图像骨架结合的最优路径规划方法,其特征在于:所述推荐点可人为编辑,包括门口位置、充电桩正前方位置。7.根据权利要求1所述的一种与图像骨架结合的最优路径规划方法,其特征在于:所述步骤2的具体步骤为:步骤2.1,将代价地图中对应于障碍区域的方格位置,代价值设置为最高,表示机器人在规划中,不允许通过此区域;步骤2.2,将代价地图中,按照方格到最近障碍物的远近,设置代价的数值,具体采用如下公式:其中,C表示最高的代价值,设为255;d表示该方格到最近障碍方格的距离,r1表示机器人的半径,r2为预设值,表示机器人应该到障碍物的控制距离;步骤2.3,将推荐区域的点的集合对应到代价地图对应的方格中,对每一个推荐点对应方格,按照如下的方式重新设置其附近的cost值:A:当该方格到最近的障碍方格的距离小于r2时,保持原cost值不变;B:当该方格到最近障碍方格的距离大于r2时,取该方格周边半径r3范围内的方格,设其到该方格距离d3,采用如下新的cost值:
8.根据权利要求7所述的一种与图像骨架结合的最优路径规划方法,其特征在于:所述代价地图中的方格被分为如下四类:一类是代价值为255的方格,表示机器人规划绝对不能经过;一类是代价值在50到255之间的方格,表示此处靠近障碍,机器人规划应当避免,路过会受到“惩罚”;一类是代价值等于50的方格,表示机器人可通行;一类是小于50的方格...
【专利技术属性】
技术研发人员:欧勇盛,江国来,马鑫波,陈凯,彭远哲,刘超,冯伟,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:
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。