基于Angle-PropagationTheta*算法改进的JPS路径优化方法技术

本发明专利技术公开了一种基于Angle

【技术实现步骤摘要】
基于Angle
‑
Propagation Theta＊算法改进的JPS路径优化方法


[0001]本专利技术属于机器人路径规划领域，特别是一种基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法。

技术介绍

[0002]移动机器人的路径规划作为智能机器人自主导航技术的关键性技术之一，逐渐成为了机器人领域研究的热点。其目的在于实现智能机器人在复杂的工作场景中快速规划出一条从初始位置到目标区域的路径短、效率高、安全性强的行走路线。目前常用的路径规划算法有几何模型栅格法、智能搜索算法、人工智能算法等方法。其中因为几何模型栅格法具有简单，高效，适应性强等优点而被广泛使用。
[0003]在几何栅格法中A*算法作为一种利用估价函数遍历当前节点的非障碍邻居来寻找最短路径的启发式算法，具有简单、易操作、准确度高等优点。但A*算法在寻找最短路径的过程中，因为其对于大量无用邻居节点的搜索和计算导致算法的运行时间过长。其次A*算法计算所得到的路径实际上是所给地图模型下离散单元的最短路径，与实际最优路径存在较大差异。2011年由Daniel Harabor等人提出的JPS算法在保留了原始A*算法框架的同时，进一步优化了A*算法寻找后续节点的操作。JPS算法在其占用内存数小于A*的同时，其运算效率要远远高于A*算法。2016年Jason Traish等人提出了一种基于边界查找的JPS改进型算法，通过记录障碍物的位置信息，并直接通过查找的这些位置的方式消除JPS搜索过程中的迭代次数。2019年Xue Zheng等人基于机器人在复杂环境情况下可能发生的碰撞问题，提出了一种基于节点域矩阵的安全距离跳跃点搜索算法，提高机器人运动的灵活性。2021年Ben Zhang等人提出了一种基于跳跃点搜索和贝塞尔曲线的路径规划算法，通过改进JPS算法的启发式函数来降低算法成本的同时，利用贝塞尔曲线优化了JPS算法的生成路径。JPS算法及其上述优化算法与A*算法相比，减少了需要遍历搜索的节点数量，提高了检索效率，但其获得的路径与实际空间的最优路径相比仍然存在差距。

技术实现思路

[0004]为了解决上述问题，本专利技术提出了一种基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法。首先对于JPS算法的强迫邻居和邻居剪枝规则进行修改，使其在以栅格顶点为路径的离散化地图上可以更好的运行和适配；其次基于JPS算法，本专利技术提出了一种视野三角形判断法，通过选取继任搜索点的方式对生成路径进一步优化，并引入Angle
‑
Propagation Theta*算法中节点可视角的思想，对两节点之间的视线可达性检测进行修改；最后为进一步减少基于Angle
‑
Propagation Theta*的路径优化算法所产生的大量迭代计算和复杂度，提出了一种不断更新继任搜索点和离散函数的双向优化算法。本专利技术所提出的双向优化方法能在保持路径搜索效率的基础上使整体路径长度缩短。
[0005]鉴于此，本专利技术采用的技术方案是，基于Angle
‑
Propagation Theta*算法改进的
JPS路径优化方法，包括以下步骤：
[0006]S1，对JPS算法进行栅格顶点地图适配，改进JPS算法的剪枝邻居法则和强迫邻居的判断标准，修改JPS算法的寻路过程，使其在以栅格顶点为路径的离散化地图上可以更好的运行和适配。针对栅格顶点地图中障碍物的位置和数量，改进机器人移动路径规则。
[0007]S2，通过引入视野三角形与离散函数Route，对传统JPS路径优化策略进行改进。
[0008]S3，利用Angle
‑
Propagation Theta*算法，计算需优化路段的可视角范围，并通过此可视角范围来直接判断新的节点与父节点之间是否存在可达路径，减少优化过程中的视野线的探测计算量。
[0009]S4，采用双向优化算法从路径的起始点和目标点同时进行基于Angle
‑
Propagation Theta*的可视角检索，根据继任搜索点的位置信息，不断更新双方的Route离散函数，以此进一步降低优化算法的迭代次数和时间消耗。
[0010]进一步，上述对JPS算法进行栅格顶点地图适配具体为，对于JPS算法的邻居剪枝法则与强迫邻居进行栅格顶点地图适配。将移动机器人看作沿栅格顶点移动的质点。将路径起始点与目标点置于栅格顶点处进行寻路。
[0011]具体地，所述栅格顶点地图适配包括：
[0012]S11，路径起始点与目标点位置由栅格中心变更为栅格顶点。
[0013]S12，在算法寻路的过程中将邻居栅格变更为邻居节点，节点邻居域由8栅格变为4栅格与8顶点。
[0014]S13，JPS算法的强迫邻居和邻居剪枝法则由栅格化变更为节点化，其中剪枝路径由连续栅格变更为连续节点。
[0015]具体地，所述机器人移动路径规则为：
[0016](1)若存在单一栅格障碍物情况，允许移动机器人沿障碍物边界行走，但不允许斜向跨越障碍物。
[0017](2)若存在多联合栅格障碍物情况，允许移动机器人沿障碍物整体边界行走，但不允许跨越单栅格障碍物之间的交界边和斜向跨越障碍物。
[0018](3)若存在障碍物与地图边界相接的情况，则不允许出现跨越障碍物与地图边界的交互边。
[0019]进一步，上述引入视野三角形与离散函数Route，对JPS路径优化策略进行改进具体为，通过引入视野三角形来判断是否存在转折节点位于此三角形所覆盖范围之内，并通过计算得到转折点与当前节点的父节点之间的代价值G(x)进行比较，选择出最优转折点，以实现最短路径优化。其中离散函数为两节点之间离散化的路径点位信息，视野三角形为按照离散路径顺序进行视野线检测的第一条不可达路径与前一条可达路径和原路径组成。
[0020]进一步，基于Angle
‑
Propagation Theta*算法可视角的视线可达性优化具体为，将节点之间的可达性检测替换成可视角检测。通过当前节点的位置信息，对可视角的大小进行约束和调整。对角度约束完成后，从当前节点到任意相邻节点的扩展只需要检测当前节点、相邻节点与父节点组成三角形的角度是否包含在可视角的范围之内即可。通过计算需优化路段的可视角范围，并通过此角度范围来直接判断新的节点与父节点之间是否存在可达路径。由于计算角度的时间基本上是常量，所以Angle
‑
Propagation Theta*在扩展顶点时的消耗不再与栅格数量成线性关系，而是变成常量级。
[0021]进一步，上述双向优化算法具体为，在进行JPS路径优化的过程中。从路径的起始点和目标点同时进行基于Angle
‑
Propagation Theta*的可视角检索，根据继任搜索点的位置信息，不断更新双方的Route离散函数，进一步提升双方的检索本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法，其特征在于，包括以下步骤：S1，对JPS算法进行栅格顶点地图适配，改进JPS算法的剪枝邻居法则和强迫邻居的判断标准，修改JPS算法的寻路过程，针对栅格顶点地图中障碍物的位置和数量，改进机器人移动路径规则；S2，通过引入视野三角形与离散函数Route，对传统JPS路径优化策略进行改进；S3，利用Angle
‑
Propagation Theta*算法，计算需优化路段的可视角范围，并通过此可视角范围来直接判断新的节点与父节点之间是否存在可达路径；S4，采用双向优化算法从路径的起始点和目标点同时进行基于Angle
‑
Propagation Theta*的可视角检索，根据继任搜索点的位置信息，不断更新双方的Route离散函数。2.根据权利要求1所述基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法，其特征在于：所述栅格顶点地图适配包括：S11，路径起始点与目标点位置由栅格中心变更为栅格顶点；S12，在算法寻路的过程中将邻居栅格变更为邻居节点，节点邻居域由8栅格变为4栅格与8顶点；S13，JPS算法的强迫邻居和邻居剪枝法则由栅格化变更为节点化，其中剪枝路径由连续栅格变更为连续节点。3.根据权利要求2所述基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法，其特征在于：所述机器人移动路径规则为：(1)若存在单一栅格障碍物情况，允许移动机器人沿障碍物边界行走，但不允许斜向跨越障碍物；(2)若存在多联合栅格障碍物情况，允许移动机器人沿障碍物整体边界行走，但不允许跨越单栅格障碍物之间的交界边和斜向跨越障碍物；(3)若存在障碍物与地图边界相接的情况，则不允许出现跨越障碍物与地图边界的交互边。4.根据权利要求1所述基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法，其特征在于：所述改进的JPS算法剪枝邻居法则和强迫邻居分别为：所述剪枝邻居法则为：(1)若当前节点x为起始点，x节点不存在父节点，则不存在邻居剪枝规则，搜索方向为相邻节点的八个方向；(2)当前节点x为非起始节点，且x节点的父节点parent(x)到x为直线搜索方向，n为x节点的邻居节点，若存在parent(x)到n不经过x的路径，且此路径小于或等于parent(x)经过x到达n的路径，则n节点被剪枝；(3)当前节点x为非起始节点，且x节点的父节点parent(x)到x为对角线搜索方向，n为x节点的邻居节点，若存在parent(x)到n不经过x的路径，且此路径小于parent(x)经过x到达n的路径，则n节点被剪枝；所述强迫邻居判断规则为：当前节点x的8个邻居中存在障碍物，n为当前节点的非障碍物、非搜索方向上的邻居节点，则x的父节点parent(x)经过x到达n的距离代价比不经过x到达n的任意路径的距离代价要小，则称n为x的强迫邻居。
5.根据权利要求1所述基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法，其特征在于：所述步骤S2具体包括，引入视野三角形判断是否存在转折节点位于此视野三角形所覆盖范围之内，并计算转折点与当前节点的父节点之间的代价值G(x)，进行比较，选择最小代价值对应的转折点作为最优转折点。6.根据权利要求5所述基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法，其特征在于：所述视野三角形由按照离散路径顺序进行视野线检测的第一条不可达路径与前一条可达路径和原路径组成。7.根据权利要求6所述基于Angle
‑
Propagation Theta*算法改进的JPS路径优化方法，其特征在于：所述视野三角形具体通过以下方法确定：S21，设当前跳点为s点，s的父节点为p(s)点，s的路径子跳点为e点；S22，检测p(s)点与e点之间的可达性，若可达，则丢弃s节点，将e节点的父节点由s变为p(s)，路径由原来的p(s)
‑
＞s
‑
＞e改变为p(s)
‑
＞e完成优化；若不可达，则将s节点与e节点之间的路径按照栅格顶点离散化为Route(＜s,1,2,3,...,e＞)，从s节点算起，分别按照顺序计算p(s)与Route(＜s,1,2,3,...,e＞)内节点的可达性，若遇到第一条不可达路径将其设置为L
m
，对应的Route(＜s,1,2,3,...,e＞)中的节点R
m
，L
m
‑1为前一离散点可达路径，对应Route(＜s,1,2,3,...,e＞)中节点R
m
...

【专利技术属性】
技术研发人员：罗元，路嘉锴，秦琼，张毅，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：