一种未知环境下用于特定目标搜索的路径规划方法技术

本发明专利技术公开了一种未知环境下用于特定目标搜索的路径规划方法，具体步骤包括构建待搜索未知区域的全局占据栅格地图，并投影当前位置周围的障碍物；将地图划分为若干个区域，并构建之间的映射关系；根据就近原则、未访问优先原则和远离障碍物原则确定当前车辆位置下一次的目标位置；利用人工势场引导的RRT路径规划算法规划出自主无人车辆当前位置到目标位置的路径；自主无人车辆根据规划路径进行路径跟踪，同时进行激光SLAM建图并更新全局占据栅格地图；若搜索到特定目标则搜索结束，否则确定下一个目标位置。本发明专利技术划分若干个区域并计算访问代价，优先搜索代价最小的区域，能够最大化发现特定目标的概率，并有效避免重复搜索，提高目标搜索效率。提高目标搜索效率。提高目标搜索效率。

【技术实现步骤摘要】
一种未知环境下用于特定目标搜索的路径规划方法


[0001]本专利技术涉及目标搜索的路径规划
，特别涉及一种未知环境下用于特定目标搜索的路径规划方法。

技术介绍

[0002]自主无人车辆在军事、农业、消防、运输等领域有着重要的意义。当自主无人车辆在野外执行搜索任务时，由于野外环境是未知的，且具有高度不确定性，为了有效进行路径规划，需要准确构建任务环境的全局栅格地图。另外在执行任务前通常只能得到特定目标的外形、种类等信息，而目标的位置信息往往是未知的，需要自主无人车辆自动的规划路径去搜寻目标。现有的自主无人车辆在执行特定目标搜索任务时存在着搜索效率低、规划路径不合理和重复搜索等现象。
[0003]路径规划作为自主无人车辆从起始位置安全抵达目标位置的关键技术，是自主无人车辆自主性的重要体现。路径规划算法主要包括Astar算法、RRT算法、人工势场算法、遗传算法、蚁群算法等。这些方法都存在着各自相应的弊端。

技术实现思路

[0004]本专利技术的目的克服现有技术存在的不足，为实现以上目的，采用一种未知环境下用于特定目标搜索的路径规划方法，以解决上述
技术介绍
中提出的问题。
[0005]一种未知环境下用于特定目标搜索的路径规划方法，具体步骤包括：
[0006]构建待搜索未知区域的全局占据栅格地图，并投影自主无人车辆的当前位置周围的障碍物；
[0007]将全局占据栅格地图划分为若干个区域，并构建区域到全局占据栅格地图之间的映射关系；
[0008]根据就近原则、未访问优先原则和远离障碍物原则确定当前车辆位置下一次的目标位置；
[0009]利用人工势场引导的RRT路径规划算法规划出自主无人车辆当前位置到目标位置的路径；
[0010]自主无人车辆根据规划路径进行路径跟踪，同时进行激光SLAM建图并更新全局占据栅格地图；
[0011]判断是否搜寻到特定目标，若搜索到特定目标则搜索结束，否则确定下一个目标位置。
[0012]作为本专利技术的进一步的方案：所述构建待搜索未知区域的全局占据栅格地图，并投影自主无人车辆的当前位置周围的障碍物的具体步骤包括：
[0013]根据待搜索未知区域构建全局占据栅格地图，该区域的目标中心作为地图中心，并建立坐标系；
[0014]通过自主无人车辆的环境感知系统获取车辆当前位置周围的障碍物，构建局部占
据栅格地图；
[0015]将局部占据栅格地图进行匹配校正，通过坐标转换映射到全局占据栅格地图。
[0016]作为本专利技术的进一步的方案：所述将全局占据栅格地图划分为若干个区域，并构建区域到全局占据栅格地图之间的映射关系的具体步骤包括：
[0017]将全局占据栅格图平均划分为若干个矩形区域，每个矩形区域π
i
具有规定数量的占据栅格，其中当边缘部分的区域π
i
中的栅格数量少于规定数量时，表示剩余的栅格被障碍物占据；
[0018]所述每个矩形区域π
i
设置有区域属性，其中包括区域位置坐标(π
x
,π
y
)、障碍物数量未访问栅格数量和未访问栅格坐标集合
[0019]作为本专利技术的进一步的方案：所述根据就近原则、未访问优先原则和远离障碍物原则确定当前车辆位置下一次的目标位置的具体步骤包括：
[0020]首先根据就近原则，确定车辆当前所在区域与待搜索区域之间的欧几里得距离作为距离代价C
d
；
[0021]根据未访问优先原则，确定待搜索区域的未访问栅格数量作为未访问栅格数量代价C
nvg
；
[0022]根据远离障碍物原则，确定待搜索区域的障碍物数量作为障碍物代价C
ob
；
[0023]根据上述距离代价C
d
，未访问栅格数量代价C
nvg
和障碍物代价C
ob
建立代价函数，并选择代价最小的区域π
i
作为下一次访问的目标区域，所述代价函数为：
[0024]J
cost
＝ω
d
C
d
+ω
nvg
C
nvg
+ω
ob
C
ob
；
[0025]其中，ω
d
为距离代价C
d
的权重系数，ω
nvg
为未访问栅格数量代价C
nvg
的权重系数，ω
ob
为障碍物代价C
ob
的权重系数；
[0026]在目标区域π
i
内将所有的障碍物向外膨胀距离ρ，再在该目标区域π
i
内随机选择一个未被障碍物占据且未被访问的栅格作为下一次规划的位置。
[0027]作为本专利技术的进一步的方案：所述利用人工势场引导的RRT路径规划算法规划出自主无人车辆当前位置到目标位置的路径的具体步骤包括：
[0028]初始化随机树T及其参数，所述参数包括初始位置q
init
，目标位置q
goal
，随机树T的生长步长λ；
[0029]构建目标节点q
goal
对随机树T中的节点q的引力；
[0030]首先建立目标节点的引力势场，引力势场为：
[0031][0032]则目标节点q
goal
与当前节点q之间的目标引力F
goal
为：
[0033]F
goal
＝k
goal
||q
goal
‑
q||；
[0034]其中k
goal
是引力系数；
[0035]构造随机树新节点：以特定概率在全局占据栅格地图中随机采样得到随机点q
rand
，选择随机节点q
rand
的最近节点q
near
，在目标引力F
goal
的作用下，新节点q
new
的位置会向目标点方向偏转，q
new
的计算公式为：
[0036][0037]判断若q
near
与q
new
之间的连线没有障碍物，将q
near
作为q
new
的父节点，q
new
作为q
near
的子节点，再继续随机采样扩展随机树T，否则舍弃当前新节点q
new
，重新随机采样；
[0038]循环搜索，当随机树T新的叶节点q
new
扩展达到目标节点附近时，从目标节点q
goal
通过对应的父节点反向追溯到根节点q
init
，得到连接q
init
到q
goal
的无碰撞路径；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种未知环境下用于特定目标搜索的路径规划方法，其特征在于，包括：构建待搜索未知区域的全局占据栅格地图，并投影自主无人车辆的当前位置周围的障碍物；将全局占据栅格地图划分为若干个区域，并构建区域到全局占据栅格地图之间的映射关系；根据就近原则、未访问优先原则和远离障碍物原则确定当前车辆位置下一次的目标位置；利用人工势场引导的RRT路径规划算法规划出自主无人车辆当前位置到目标位置的路径；自主无人车辆根据规划路径进行路径跟踪，同时进行激光SLAM建图并更新全局占据栅格地图；判断是否搜寻到特定目标，若搜索到特定目标则搜索结束，否则确定下一个目标位置。2.根据权利要求1所述一种未知环境下用于特定目标搜索的路径规划方法，其特征在于，所述构建待搜索未知区域的全局占据栅格地图，并投影自主无人车辆的当前位置周围的障碍物的具体步骤包括：根据待搜索未知区域构建全局占据栅格地图，该区域的目标中心作为地图中心，并建立坐标系；通过自主无人车辆的环境感知系统获取车辆当前位置周围的障碍物，构建局部占据栅格地图；将局部占据栅格地图进行匹配校正，通过坐标转换映射到全局占据栅格地图。3.根据权利要求1所述一种未知环境下用于特定目标搜索的路径规划方法，其特征在于，所述将全局占据栅格地图划分为若干个区域，并构建区域到全局占据栅格地图之间的映射关系的具体步骤包括：将全局占据栅格图平均划分为若干个矩形区域，每个矩形区域π
i
具有规定数量的占据栅格，其中当边缘部分的区域π
i
中的栅格数量少于规定数量时，表示剩余的栅格被障碍物占据；所述每个矩形区域π
i
设置有区域属性，其中包括区域位置坐标(π
x
,π
y
)、障碍物数量未访问栅格数量和未访问栅格坐标集合4.根据权利要求1所述一种未知环境下用于特定目标搜索的路径规划方法，其特征在于，所述根据就近原则、未访问优先原则和远离障碍物原则确定当前车辆位置下一次的目标位置的具体步骤包括：首先根据就近原则，确定车辆当前所在区域与待搜索区域之间的欧几里得距离作为距离代价C
d
；根据未访问优先原则，确定待搜索区域的未访问栅格数量作为未访问栅格数量代价C
nvg
；根据远离障碍物原则，确定待搜索区域的障碍物数量作为障碍物代价C
ob
；根据上述距离代价C
d
，未访问栅格数量代价C
nvg
和障碍物代价C
ob
建立代价函数，并选择代价最小的区域π
i
作为下一次访问的目标区域，所述代价函数为：
J
cost
＝ω
d
C
d
+ω
nvg
C
nvg
+ω
ob
C
ob
；其中，ω
d
为距离代价C
d
的权重系数，ω
nvg
为未访问栅格数量代价C
nvg
的权重系数，ω
ob
为障碍物代价C
ob
的权重系数；在目标区域π
i
内将所有的障碍物向外膨胀距离ρ，再在该目标区域π
i
内随机选择一个未被障碍物占据且未被访问的栅格作为下一次规划的位置。5.根据权利要求1所述一种未知环境下用于特定目标搜索的路径规划方法，其特征在于，所述利用人工势场引导的RRT路径规划算法规划出自主无人车辆当前位置到目标位置的路径的具体步骤包...

【专利技术属性】
技术研发人员：梁华为，李志远，赵盼，周鹏飞，祝辉，余彪，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：