面向拓扑-栅格-度量混合地图的分层路径规划方法技术

本发明专利技术涉及一种面向拓扑

Hierarchical path planning method for topology grid metric Hybrid Map

【技术实现步骤摘要】
面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法


[0001]本专利技术涉及路径规划领域，具体涉及一种面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法。

技术介绍

[0002]路径规划是导航的基础，其目的是依据一个或多个性能指标如安全性、距离最短、时间最优等，搜索一条从起点到终点的无碰撞最优或次优路径。对于已知环境地图的路径规划至今已有大量较为成熟的研究成果，但实际应用中大多数场景较为复杂，随机性比较强，属于部分未知环境。现有大部分路径规划方法较为依赖确切环境，对于部分未知环境下的路径规划，避障安全性和实时性难以得到保证。此外，移动机器人的任务越来越复杂，要求其工作范围也不断扩大，例如扫地机器人需具备清扫整屋的每个角落的能力，工厂中AGV涉及到跨车间配送等。工作范围的扩大不仅对室内定位技术带来了挑战，广泛应用的智能搜索方法也因为搜索空间增大花费较长时间才能求得解，甚至无法搜索到最优解。
[0003]现有技术公开了一种基于改进的A*算法的路径规划方法(公开号：CN本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法，其特征在于，包括步骤：步骤1：根据拓扑
‑
栅格
‑
度量混合地图构造方法，创建移动机器人作业环境的混合地图，包括抽象化表示的拓扑地图、具体化表示的栅格地图、精细化表示的度量地图；步骤2：在移动机器人运行前，根据拓扑
‑
栅格分层规划方法生成一条整体优化的全局预设路径；步骤3：当移动机器人沿全局预设路径运行时，实时探测周围环境，判断离机器人最近障碍物的距离是否小于避障阈值，若是，进入步骤4，若否，则进入步骤5；步骤4：在度量地图上利用改进深度确定性策略梯度(Deep Deterministic Policy Gradient，DDPG)算法进行局部路径规划，完成避障后重新回到全局预设路径；步骤5：判断移动机器人是否到达目标位置，若是，算法结束，若否，则进入步骤3。2.根据权利要求1所述的面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法，其特征在于，所述拓扑
‑
栅格
‑
度量混合地图构造方法包括以下步骤：步骤1.1：对整体作业环境进行栅格化表示，构造全局栅格地图；步骤1.2：将全局栅格地图划分为若干个子栅格地图，每个子栅格地图均设置关键节点，利用层次图将工作环境描述为以子地图为树形节点的分层地图表示，在第k层地图中，第k+1层子地图以关键节点表示，同一层次的关键节点间通过离线先验路径连接；步骤1.3：在栅格地图上采用细化算法生成安全度较高的离线先验路径，通过拓扑特征提取方法，构建各层次子栅格地图对应的拓扑地图；步骤1.4：移动机器人在运行过程中利用其所携带的机载传感器信息来维护和更新局部度量地图。3.根据权利要求2所述的面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法，其特征在于，所述拓扑特征提取方法将栅格地图上离线先验路径的分岔点作为拓扑地图中的普通节点，人工选取区域入口栅格或其他具有代表性的栅格作为子栅格地图的关键节点，统计关键节点之间的离线先验路径长度作为边的权重，所述路径长度为路径包含的栅格数。4.根据权利要求1所述的面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法，其特征在于，所述拓扑
‑
栅格分层规划方法，包含以下步骤：步骤2.1：判断起始栅格S和目标栅格D是否在同一子地图中，若是，进入步骤2.2，若否，则进入步骤2.3；步骤2.2：针对起点S到终点D，采用改进A*算法规划一条整体优化的全局预设路径，算法结束；步骤2.3：分别获取起点S和终点D在层次图架构中的深度L
s
、L
D
及其所在子栅格地图的关键节点C
S
、C
D
，若L
s
＜L
D
，则从C
D
开始，在层次图架构中自下而上逐层搜索直至在L
s
‑1层对应的拓扑图中找到C
S
。；否则，从C
S
开始向上搜索，直至L
D
‑1层对应的拓扑图中找到C
D
停止；搜索过程中，在各层次拓扑地图上，利用Floyd算法规划出最优节点序列，并保存节点之间的离线先验路径作为中段预设路径；步骤2.4：以S为起点，关键节点C
S
为终点，利用改进A*算法在起点S所在子栅格地图上搜索一条局部路径并保存为前段预设路径。同理，将关键节点C
D
设为起点，终点D设为终点，利用改进A*算法在起点S所在子栅格地图上搜索另一条局部路径并保存后段预设路径。若无法搜索出可行解，则路径规划失败，算法结束；
步骤2.5：将步骤2.3生成的中段预设路径与步骤2.4搜索的前段预设路径、后段预设路径合并，得到整体优化的全局预设路径，算法结束。5.根据权利要求1所述的面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法，其特征在于，所述改进A*算法在标准A*算法中引入扩展点筛选策略，具有一定概率忽略方向性不强的节点，具体步骤如下：利用当前扩展点m与起点S、终点D所围成的矩形面积来反映m与预期路径的符合程度：式(1)中，(x
s
，y
S
)、(x
D
，y
D
)、(x
m
，y
m
)分别是起点S、终点D和当前扩展点m的栅格坐标；设置面积阈值当时，将m加入专门存放已经探测到但还未访问节点的Open列表，等待进一步扩展；当时，生成一个[0，1]之间的随机数p(m)，并判断是否大于信任阈值概率p0，若p(m)大于＞p0，则忽略节点m，若否则加入Open表。6.根据权利要求1所述的面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法，其特征在于，所述改进A*算法在标准A*算法中引入双向搜索机制，同时从起点和终点开始进行正向搜索和反向搜索，包括以下步骤：步骤3.1：初始化Open1、Open2、Close1、Close2列表，并在Open1中加入起点S，Open2加入终点D；步骤3.2：从Open1和Open2列表中分别取出代价值最小的节点n1、n2，并分别移入Close1和Close2；步骤3.3：判断n1、n2是否是相对搜索方向上的当前搜索节点，若是，则算法结束，将正向和反向生成的路径拼合即为最终优化路径，若否，则进入步骤3.4；步骤3.4：正向搜索以S为起点，n2为终点，n1为中心向周围8邻域扩展，并根据筛选扩展点的规则更新Open1；步骤3.5：反向搜索以D为起点，n1为终点，n2为中心向周围8邻域扩展，并根据筛选扩展点的规则更新Open2；步骤3.6：判断Open1和Open2是否为空，若是则算法结束，无法找到有效路径，若否则进入步骤3.2。7.根据权利要求1所述的面向拓扑
‑
栅格
‑
度量混合地图的分层路径规划方法，其特征在于，所述改进A*算法在标准A*算法中引入路径冗余点剔除技术，具体包括以下步骤：步骤4.1：在原始路径的每对相邻节点之间距离二等分处插入新节点；步骤4.2：记起始节点为P...

【专利技术属性】
技术研发人员：武星，杨俊杰，王超超，楼佩煌，余文康，翟晶晶，胡子寒，汤凯，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：