一种基于骨架关键点重规划的Voronoi路径规划方法技术

本发明专利技术提出了一种基于骨架关键点重规划的Voronoi路径规划方法。本发明专利技术机器人构建室内环境栅格地图，将环境栅格地图依次进行二值化、腐蚀、膨胀处理，得到预处理后二值地图，提取出其骨架，得到骨架像素点构成的路径轨迹，搜索路径轨迹中的关键像素点，依据特定的连接关系重规划出新的骨架有效路径轨迹；机器人导航时依据新的骨架有效路径轨迹搜索出起始像素坐标到目标像素坐标之间的导航路径轨迹，进行降梯度采样，得到平滑的导航路径轨迹。本发明专利技术基于骨架关键点重规划出的骨架更加简洁，能够更加快速规划出笔直的路径，具有良好的实时性，规划出的路径长度短，转折次数少，机器人导航过程中能够迅速到达目标点，导航效率高。导航效率高。导航效率高。

【技术实现步骤摘要】
一种基于骨架关键点重规划的Voronoi路径规划方法


[0001]本专利技术属于机器人技术邻域，尤其涉及一种基于骨架关键点重规划的Voronoi 路径规划方法。

技术介绍

[0002]移动机器人路径规划常用全局路径规划算法，其中较为常见的Voronoi图法就是连接机器人的起始点和终点到已经生成的Voronoi图上，由此生成整体路径。每次规划时只需要通过图搜索法找到起点和终点到Voronoi图的最短路径，中间部分路径依据Voronoi图生成。这种路径生成方式与栅格法中对整个栅格图进行搜索计算量减小了很多，实时性较好高，生成的路径比较安全，远离障碍物。近年来一些学者针对Voronoi图法进行了许多改进，目前所提出的构建Voronoi图的方法，虽然生成的路径较为简洁，但是路径弯曲，路径长度冗余，存在较大转角，对机器人导航效率有较大的影响，机器人导航过程中实时性差、转折较多、耗时较长等问题。

技术实现思路

[0003]本专利技术提出一种基于骨架关键点重规划的Voronoi路径规划算法。首先对机器人构建的二维栅格地图进行预处理，去掉地图中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于骨架关键点重规划的Voronoi路径规划方法，其特征在于，包括如下步骤：步骤1：机器人放置于室内环境角落中，机器人沿着室内环境边缘运动一周，将实时采集的点云数据通过gmapping建图算法构建环境栅格地图，将环境栅格地图依次进行二值化处理、腐蚀处理、膨胀处理，得到预处理后二值地图；步骤2：将预处理后二值地图通过骨架提取方法得到多个预处理后二值地图上骨架像素点以及多条预处理后二值地图上骨架像素点路径轨迹；步骤3：构建多个八邻域值判断条件模型，若预处理后二值地图上骨架像素点满足任意八邻域值判断条件模型则将预处理后二值地图上骨架像素点定义为预处理后二值地图上关键点；步骤4：重复执行步骤3多次直至遍历每个预处理后二值地图上骨架像素点，得到多个预处理后二值地图上关键像素点；步骤5：在多个预处理后二值地图上关键像素点中任意选择两个预处理后二值地图上关键像素点，若任意选择的两个预处理后二值地图上关键像素点属于同一条预处理后二值地图上骨架像素点路径轨迹，则将任意选择的两个预处理后二值地图上关键像素点配对为预处理后二值地图上关键路径；步骤6：重复执行步骤5多次，直至遍历每个预处理后二值地图上关键像素点，得到多条预处理后二值地图上关键路径；步骤7：在预处理后二值地图上筛选出每条预处理后二值地图上关键路径的起点像素坐标至每条预处理后二值地图上关键路径的终点像素坐标之间的所有像素点，以构建预处理后二值地图上每条关键路径的像素集合，若预处理后二值地图上每条关键路径的像素集合中任意一个像素点为黑色像素点，将该预处理后二值地图上关键路径定义为预处理后二值地图上失效路径，并跳转至步骤8；步骤8：将预处理后二值地图上失效路径，在多条预处理后二值地图上骨架像素点路径轨迹中搜索预处理后二值地图上失效路径的起点像素坐标、预处理后二值地图上失效路径的终点像素坐标所对应的预处理后二值地图上骨架像素点路径轨迹，进一步定义为预处理后二值地图上骨架像素点失效路径轨迹，将预处理后二值地图上骨架像素点失效路径轨迹的起点像素坐标、预处理后二值地图上骨架像素点失效路径轨迹的终点像素坐标在预处理后二值地图上之间的线段像素均匀多等分得到多个等分点像素坐标，将多个等分点像素坐标映射至预处理后二值地图上骨架像素点失效路径轨迹上多个路径轨迹像素坐标点，计算每个路径轨迹像素坐标到预处理后二值地图上失效路径的直线像素坐标距离，在多个路径轨迹像素坐标点筛选出到预处理后二值地图上失效路径的直线像素坐标距离小于像素距离阈值的点作为多个失效路径中间像素点，通过预处理后二值地图上失效路径的起点像素坐标、多个失效路径中间像素点、预处理后二值地图上失效路径的终点像素坐标构建预处理后二值地图上失效路径轨迹点集合，若预处理后二值地图上失效路径轨迹点集合中存在相邻的两个预处理后二值地图上失效路径轨迹点之间存在黑色像素点，则调整像素距离阈值继续执行步骤8，直到重规划出所有的有效路径轨迹点；步骤9：机器人将重规划出的所有的有效路径轨迹点通过A星算法进行路径规划，得出在预处理后二值地图上的起始像素坐标到在预处理后二值地图上的目标像素坐标之间的路径轨迹像素点集合，将在预处理后二值地图上的起始像素坐标到在预处理后二值地图上
的目标像素坐标之间的路径轨迹像素点集合进行降梯度采样，得到在预处理后二值地图上的起始像素坐标到在预处理后二值地图上的目标像素坐标之间的平滑路径轨迹点集合，机器人根据在预处理后二值地图上的起始像素坐标到在预处理后二值地图上的目标像素坐标之间的平滑路径轨迹点集合进行导航运动。2.根据权利要求1所述的基于骨架关键点重规划的Voronoi路径规划方法，其特征在于，步骤1所述预处理后二值地图：data(i,j)，i∈[1,M]，j∈[1,N]其中，data(i,j)表示预处理后二值地图中第i行第j列的像素，M表示预处理后二值地图的行数，N表示预处理后二值地图的列数。3.根据权利要求1所述的基于骨架关键点重规划的Voronoi路径规划方法，其特征在于，步骤2所述多个预处理后二值地图上骨架像素点，具体定义为：data(u
k
,v
k
)，u
k
∈[1,M]，v
k
∈[1,N]，k∈[1，K]其中，data(u
k
,v
k
)表示第k个预处理后二值地图上骨架像素点，即预处理后二值地图中第u
k
行第v
k
列的像素，M表示预处理后二值地图的行数，N表示预处理后二值地图的列数，K表示预处理后二值地图上骨架像素点的数量；步骤2所述多条预处理后二值地图上骨架像素点路径轨迹为：Path
P
，p∈[1，P]其中Pathp代表第K条预处理后二值地图上骨架像素点路径轨迹；P代表预处理后二值地图上骨架像素点路径轨迹的数量；作为优选，步骤3所述构建多个八邻域值判断条件，具体为：data(u
k
‑
1,v
k
‑
1)+data(u
k
‑
1,v
k
)+data(u
k
‑
1,v
k
+1)+data(u
k
,v
k
+1)+data(u
k
+1,v
k
+1)+data(u
k
+1,v
k
)+data(u
k
+1,v
k
‑
1)+data(u
k
,v
k
‑
1)＝255；data(u
k
‑
1,v
k
‑
1)+data(u
k
‑
1,v
k
+1)+data(u
k
+1,v
k
+1)+data(u
k
+1,v
k
‑
1)＝765；data(u
k
‑
1,v
k
)+data(u
k
,v
k
+1)+data(u
k
+1,v
k
)+data(u
k
,v
k
‑
1)＝765；data(u
k
‑
1,v
k
)+data(u
k
,v
k
+1)+data(u
k
+1,v
k
‑
1)＝765；data(u
k
‑
1,v
k
)+data(u
k
+1,v
k
+1)+data(u
k
,v
k
‑
1)＝765；data(u
k
‑
1,v
k
+1)+data(u
k
+1,v
k
)+data(u
k
,v
k
‑
1)＝765；data(u
k
‑
1,v
k
‑
1)+data(u
k
,v
k
+1)+data(u
k
+1,v
k
)＝765；data(u
k
‑
1,v
k
+1)+data(u
k
+1,v
k
+1)+data(u
k
,v
k
‑
1)＝765；data(u
k
‑
1,v
k
‑
1)+data(u
k
‑
1,v
k
+1)+data(u
k
+1,v
k
)＝765；data(u
k
‑
1,v
k
‑
1)+data(u
k
,v
k
+1)+data(u
k
+1,v
k
‑
1)＝765；data(u
k
‑
1,v
k
)+d...

【专利技术属性】
技术研发人员：蒋林，胡雨欣，张旭阳，万乐，邹汉城，明祥宇，黄韩宇，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：