本发明专利技术提供了一种改进室内移动机器人全局和局部路径协调优化方法，属于移动机器人路径规划技术领域。解决了室内移动机器人的全局路径规划靠障碍物过近、路径规划拐点过多、局部路径缺少引导以及室内移动机器人行进时速度不平稳的问题。其技术方案为：包括以下步骤：S1、载入已经建好的栅格地图；S2、使用改进后的A*算法在栅格地图上进行全局路径规划；S3、采用Bezier曲线路径平滑策略对全局规划路径进行平滑处理；S4、通过改进的DWA算法选择实体机器人的具体行进路线。本发明专利技术的有益效果为：通过改进室内移动机器人全局和局部路径协调优化方法，提高机器人行进路线的安全性和平滑度、保证行进速度的同时提高其平稳性。保证行进速度的同时提高其平稳性。保证行进速度的同时提高其平稳性。
【技术实现步骤摘要】
一种改进室内移动机器人全局和局部路径协调优化方法
[0001]本专利技术涉及移动机器人路径规划
，尤其涉及一种改进室内移动机器人全局和局部路径协调优化方法。
技术介绍
[0002]在智能机器人领域，路径规划问题占据着重要地位。路径规划问题指在有障碍物的环境中，寻找从机器人初始位置到期望位置的安全路径。它要求机器人根据给予的指令及环境信息自主的决定路径，避开障碍物，实现任务目标。路径规划是移动机器人完成任务的安全保障，同时也是移动机器人智能化程度的重要标志。
[0003]目前，A*算法全局路径规划算法与DWA局部路径规划算法相配合是智能机器人常用的路径规划算法。传统A*算法只为在静态地图中找到一条最短的安全路径，这样就存在路径与障碍物过近、路径转折点较多和面对随机出现的障碍物无法实现动态路径规划的问题。在实际环境中全局路径的可信度不够，大部分的路线需要DWA局部路径规划算法进行重新的规划，这样不仅花费更多的时间，而且会使机器人行走出现卡顿，甚至会导致机器人过于靠边而进入死路无法避障的情况。
[0004]传统DWA算法主要是在速度(v，w)空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹，在得到多组轨迹后对这些轨迹进行评价，选取最优轨迹来驱动机器人运动。传统的DWA算法存在着一定的局限性。首先，当机器人处于相对比较复杂的环境时，无法有效的进行路径规划，容易导致机器人陷入局部最小问题。此外，该算法由于速度经常变化，导致机器人行进速度不平滑。
技术实现思路
[0005]本专利技术的目的在于提供一种改进室内移动机器人全局和局部路径协调优化方法，主要解决现有路径规划方法中移动机器人规划路径效率低、拐点频繁、路径过于靠边和机器人行驶不流畅的问题；同时改进全局路径规划和局部路径规划，提高路径规划的安全系数和路径平滑程度，优化的全局路径给局部路径做引导，稳定机器人行进速度，从而使机器人有更好的行进路线。
[0006]为了实现上述专利技术目的，本专利技术采用技术方案具体为：一种改进室内移动机器人全局和局部路径协调优化方法，包括以下步骤：
[0007]S1、载入已经建好的栅格地图；
[0008]S2、使用改进后的A*算法在栅格地图上进行全局路径规划；
[0009](1)确定起始点和目标点，定义open列表和close列表，open列表中存放待处理的节点，closed列表中存放已经处理好的节点；
[0010](3)把起点加入open列表；
[0011](3)遍历open列表，查找F值最小的节点，把它作为当前要处理的节点，F的计算公
[0012]式如下：
[0013]F(n)＝G(n)+H(n)
[0014]上述为传统A*算法F值的计算公式，其中，
[0015]H(n)＝|x
n
‑
x
goal
|+|y
n
‑
y
goal
|
[0016]其中F(n)为节点n的评价函数，G(n)是在状态空间中从初始节点到节点n的移动代价，H(n)是从节点n到目标节点的最佳路径的估计代价，以下是改进后的A*算法F值计算公式；
[0017]F(n)＝G(n)+H(n)+U(n)
[0018]其中，
[0019][0020]U(n)是斥力函数，离障碍物距离较近时会产生斥力，D(n)是点n与其最近障碍物的距离，η为斥力增益，Q*为障碍物的作用距离阈值，大于此距离的障碍物不会产生斥力影响。
[0021](4)把这个节点放入close列表。
[0022](5)对当前节点的8个相邻方格分别进行处理：
[0023]如果它是不可抵达的或者它在close列表中则忽略它。否则，做如下操作：
[0024]如果它不在open列表中，把它加入open列表，并且把当前方格设置为它的父亲，记录该方格的F、G、H和U值。如果它已经在open列表中，检查这条经由当前方格的路径是否更好，用G值作参考。更小的G值表示这是更好的路径。如果是这样，把它的父亲设置为当前方格，并重新计算它的G和F值。
[0025](6)循环步骤(3)
‑
(5)当终点加入了open列表则路径查找成功，若查找终点失败，并且open列表是空的，则表明没有路径。
[0026](7)保存路径。
[0027]S3、采用Bezier曲线路径平滑策略对全局规划路径进行平滑处理。
[0028]S4、通过改进的DWA算法选择实体机器人的具体行进路线。
[0029](4)推导机器人的运动模型。
[0030](5)在有限制的空间进行机器人速度组合(v，w)采样并对每一个速度组合模拟生成机器人的运动轨迹。
[0031](6)对模拟生成的所有运动轨迹进行评估，选出最为安全和可靠的局部路径，并将该条轨迹对应的采样速度值作为机器人的运动控制速度。传统的DWA评估函数如下：
[0032]G(v，w)＝σ(α
·
heading(v，w)+β
·
dist(v，w)+γ
·
vel(v，w))
[0033]其中，
[0034][0035]式中，heading(v，w)代表的是方位角评价函数，该参数表示的是机器人使用当前采样速度运动至模拟运动轨迹终点时，机器人的朝向与目标点之间的夹角θ，计算得到的该夹角值越小，评价函数最终的计算值则就越大；当θ的取值为0时，heading(v，w)取最大值，此时代表机器人直接向目标点前进，dist(v，w)表示机器人在当前采样速度模拟出的运动轨迹上，与其最近的障碍物之间的距离值；如果机器人当前模拟生成的运动轨迹上不存在
任何障碍物，则dist(v，w)值为恒定的常数，vel(v，w)表示当前模拟生成运动轨迹上的采样线速度和角速度。
[0036]a，β，γ分别为方位角、机器人与障碍物的距离以及当前轨迹采样速度评价因子的加权系数值，其取值范围为[0，1]，三者之间的关系为：a+β+γ＝1；σ表示对以上三个评价因子进行归一化处理，归一化处理可以有效避免评价函数中的某一个评价因子数值太大而占优势的情况。
[0037]以下为改进后的DWA评估函数：
[0038]G(v，w)＝α
·
gdist(v，w)+β
·
dist(v，w)+γ
·
vel(v，w)+δ
·
svel(v，w)
[0039]其中gdist(v，w)为模拟生成运动轨迹终点到全局路径的距离，dist(v，w)表示机器人在当前采样速度模拟出的运动轨迹上，与其最近的障碍物之间的距离值，vel(v，w)代表机器人当前的线速度和角速度，svel(v，w)是平滑速度评价函数。
[0040]与现有技术相比，本专利技术的有益效果为：
[0041]1、全局路径部分，本专利技术优化了传统全局路径规划算法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种改进室内移动机器人全局和局部路径协调优化方法，其特征在于，包括以下步骤：S1、载入已经建好的栅格地图；S2、使用改进后的A*算法在栅格地图上进行全局路径规划；(1)确定起始点和目标点，定义open列表和close列表，open列表中存放待处理的节点，closed列表中存放已经处理好的节点；(2)把起点加入open列表；(3)遍历open列表，查找F值最小的节点，把它作为当前要处理的节点，F的计算公式如下：F(n)＝G(n)+H(n)上述为传统A*算法F值的计算公式，其中，H(n)＝|x
n
‑
x
goal
|+|y
n
‑
y
goal
|其中F(n)为节点n的评价函数，G(n)是在状态空间中从初始节点到节点n的移动代价，H(n)是从节点n到目标节点的最佳路径的估计代价，以下是改进后的A*算法F值计算公式；F(n)＝G(n)+H(n)+U(n)其中，U(n)是斥力函数，离障碍物距离较近时会产生斥力，D(n)是点n与其最近障碍物的距离，η为斥力增益，Q*为障碍物的作用距离阈值，大于此距离的障碍物不会产生斥力影响；(4)把这个节点放入close列表；(5)对当前节点的8个相邻方格分别进行处理：如果它是不可抵达的或者它在close列表中则忽略它，否则，做如下操作：如果它不在open列表中，把它加入open列表，并且把当前方格设置为它的父亲，记录该方格的F、G、H和U值，如果它已经在open列表中，检查这条经由当前方格的路径是否更好，用G值作参考，更小的G值表示这是更好的路径，如果是这样，把它的父亲设置为当前方格，并重新计算它的G和F值；(6)循环步骤(3)
‑
(5)，当终点加入了open列表则路径查找成功，若查找终点失败，并且open列表是空的，则表明没有路径；(7)保存路径；S3、采用Bezier曲线路径平滑策略对全局规划路径进行平滑处理；S4、通过改进的...
【专利技术属性】
技术研发人员：李跃华，顾铭岑，朱泽同，石顾鹏，曹博文，石子信，陈阔，顾煜洋，
申请(专利权)人：南通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。