一种融合预测的改进Multi-RRT路径规划方法及AGV小车技术

本发明专利技术公开了一种融合预测的改进Multi

【技术实现步骤摘要】
一种融合预测的改进Multi
‑
RRT路径规划方法及AGV小车


[0001]本专利技术涉及路径规划
，特别涉及一种融合预测的改进Multi
‑
RRT路径规划方法及AGV小车。

技术介绍

[0002]RRT是一种多维空间中有效率的规划方法。它以一个初始点作为根节点，通过随机采样增加叶子节点的方式，生成一个随机扩展树，当随机树中的叶子节点包含了目标点或进入了目标区域，便可以在随机树中找到一条由从初始点到目标点的路径。在此基础上，提出基于RRT的多目标路径规范方法即为Multi
‑
RRT方法，但该方法的计算量较大，冗余度较高，效率较为低下。

技术实现思路

[0003]本专利技术的目的在于，提供一种融合预测的改进Multi
‑
RRT路径规划方法及AGV小车。本专利技术提高了多目标路径的计算效率，减少计算冗余，具有高效性的优点。
[0004]本专利技术的技术方案：一种融合预测的改进Multi
‑
RRT路径规划方法,包括如下步骤：
...

【技术保护点】

【技术特征摘要】
1.一种融合预测的改进Multi
‑
RRT路径规划方法,其特征在于：包括如下步骤：步骤A：首先获取多个AGV小车与多个目标点的位置信息，将其转化为位置矩阵P，并将多个AGV小车的位置信息构成出发点集合，从出发点集合中选取出发点生成规划路径；再把不同的位置看作不同节点，AGV小车在某一个位置i会选择下一个节点位置为j的可能性表示为节点间转移概率，遍历所有的节点间转移概率构成转移概率矩阵A；步骤B：转移概率矩阵A为对称矩阵，使用Cholesky算法将转移概率矩阵A解析分解得到环境矩阵L，环境矩阵L中元素代表各个节点之间相互选择的转移概率P
i，j
；步骤C:初始化环境矩阵L中多个AGV小车到各目标点的转移概率P
i，j
，得到初始转移矩阵L1；步骤D:根据任意一个AGV小车当前位置和该AGV小车下一步或若干步后预测的节点对应的路径和概率计算路径期望，通过路径期望最大化得到当前节点到下一个节点的生长方向的参考值步骤E:在生成的规划路径中找到距离步骤D中的AGV小车当前位置最近的节点X
near
，在这两者连线上随机确定一个新节点X
rand
，根据节点X
rand
确定随机方向步骤F:把参考值和随机方向结合，确定下一节点生长方向步骤G:根据总路径代价最小的原则，迭代计算AGV小车每一步需走的步长；步骤H:判断当前AGV小车在生长路径中的当前节点能否连接到目标点，如果不能则进入下一个节点，再重复上述步骤A
‑
G，迭代计算出多个AGV出发点到多个目标点的路径；如果已经连接到终点，则从连接目标点的节点开始不断找出其父节点，直到找到起点，从而确定从起点开始连接目标点的路径；步骤I：判断是否已遍历出发点集合，若否则从步骤A开始选取新出发点，若是则停止计算。2.根据权利要求1所述的融合预测的改进Multi
‑
RRT路径规划方法，其特征在于：步骤D中在某个节点预测下个节点或者若干步后节点对应的概率计算步骤如下：D.1：计算以第i个节点为出发点到达若干步后的第j个节点的概率P
i，j
：P
i，j
＝Prob(X
n+1
＝j|X
n
＝i)；
ꢀꢀꢀꢀ
式(1)；式中：P
i，j
是以第i个节点为出发点到达若干步后的第j个节点的概率，Prob表示根据先验得到的转移概率值；X
n
表示当前位置；D.2：计算第X
n
步，位置为i节点的出发点经下两步X
n+2
能够到达第k个节点的概率，在这之中的中间步X
n+1
会产生多个选择，因此通过条件概率公式求和：D.3：把条件概率公式转化成联合概率和先验概率的比值:
D.4：把式(3)中的求和项构造成两个式子的乘积，两个式子分别代表两个联合概率和先验概率的比值，即两个条件概率值：D.5：根据事件的马尔可夫特性，以从出发点i出发经过节点j为条件到达目标k点概率等于从出发点j出发到达k点概率：Prob(X
n+2
＝k|X
n+1
＝j and X
n
＝i)＝Prob(X
n+2
＝k|X
n+1
＝j)；
ꢀꢀꢀ
式(5)，式中，X
n
表示出发点i，X
n+1
表示中间点j；X
...

【专利技术属性】
技术研发人员：陆文婷，董桂丽，李昊轩，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：