一种用于移动机器人自主避障的动态路径规划方法技术

本发明专利技术公开了一种用于移动机器人自主避障的动态路径规划方法，包括以下步骤：环境建模；通过改进的A

【技术实现步骤摘要】
一种用于移动机器人自主避障的动态路径规划方法


[0001]本专利技术涉及机器人路径规划领域，特别涉及一种用于移动机器人自主避障的动态路径规划方法。

技术介绍

[0002]随着人类生产生活进入智能化阶段，移动机器人技术在越来越多的领域得到了广泛应用，例如无人作战系统、无人物流配送、无人搜救、医疗服务机器人以及自动驾驶等领域。路径规划作为移动机器人领域复杂且重要的核心问题，成为近几年来机器人领域研究的热点。移动机器人路径规划是在通过传感器进行同步定位与建图(SLAM)获得移动机器人运行环境的栅格地图后，依据一定的算法规则，在环境空间中找到一条从起点状态到终点状态的无碰撞最优路径。
[0003]现有技术中路径规划方法可分为需要地图信息作为先验知识的全局路径规划以及利用传感器探测环境避开障碍物的局部路径规划，其中前者对于在移动机器人运动状态下出现的未知障碍物无法进行有效避让，后者由于没有对环境信息进行预处理，对传感器要求较高且在未知环境下的路径搜索时间过长，效率低下。因此采用单一的全局或者局部路径规划算法都无法实现移动机器人在使用过程中的路径规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于移动机器人自主避障的动态路径规划方法，其特征在于，包括以下步骤：步骤1：基于移动机器人的真实工作环境，进行环境建模获得二维坐标系，并确定起点和终点；步骤2：通过改进的A
‑
Star算法进行移动机器人全局路径的预规划；步骤3：判断是否存在预规划路径，如果是，进入步骤4；如果否，则说明该环境地图下起始点到终点没有全局路径；步骤4：对预规划的路径中代价函数大的节点通过改进的麻雀搜索算法进行局部的二次规划；步骤5：规划的全局参考路径输入到改进DWA算法的局部路径规划模块，给出实际移动机器人的避障轨迹，并将实时的速度、几何信息、转向信息的输入到移动机器人的底层控制器端进行移动机器人的实时控制。2.根据权利要求1所述的用于移动机器人自主避障的动态路径规划方法，其特征在于，所述步骤1中，采用栅格法来建立移动机器人的环境模型，将环境分割成若干栅格，栅格中的数值表示是否存在障碍物，判断障碍物是否存在的依据就是根据激光雷达以及摄像头的点云分布情况。3.根据权利要求1所述的用于移动机器人自主避障的动态路径规划方法，其特征在于，所述步骤2的具体过程为：首先引入障碍率P，抽象地表达地图环境的复杂度，定义障碍率P为当前点与目的地组成的矩形局部环境中，障碍物栅格单元的个数N与此局部地图中整个栅格单元的个数之比，即：P∈(0,1)，x
s
为起点位置横坐标，x
g
为终点位置横坐标，y
s
为起点位置的纵坐标，y
g
为终点位置的纵坐标；同时将障碍率P引入评价函数，根据障碍率改变代价函数g
(n)
和启发函数h
(n)
的权重，实现评价函数f
(n)
的自适应调整，由此产生不同的有效搜索空间；改进后的评价函数为：f
(n)
＝g
(n)
+(1
‑
lnP)h
(n)
，其中n为当前栅格节点，f
(n)
为节点n的实际评价函数。4.根据权利要求3所述的用于移动机器人自主避障的动态路径规划方法，其特征在于，所述步骤2中，采用优化子节点选择方式，增加子节点选择规则，避免出现风险路径；子节点选择优化方式具体为：以父节点为中心，选择其上、下、左、右、左上、左下、右上、右下8个方向的8个子节点共同组成九宫格，将此8个子节点分类，其中上、下方向的子节点为第
①
类，左、右方向的子节点的第
②
类，左上、左下、右上、右下方向的子节点为第
③
类，则：当障碍物子节点为第
①
类时，则删除该障碍物节点的左右两个可选子节点；当障碍物子节点为第
②
类位置时，则删除该障碍子节点的上下两个可选择子节点；当障碍物为第
③
类位置时，则不做处理。5.根据权利要求4所述的用于移动机器人自主避障的动态路径规划方法，其特征在于，所述步骤4具体过程为：(4
‑
1)设置参数、利用改进的Logistics混沌映射初始化麻雀种群；(4
‑
2)根据代价函数确定算法中的麻雀个体的适应度值f
i
，通过排序确定最优和最差适应度值f
g
、f
w
及其位置X
best
、X
worst
；(4
‑
3)根据发现者位置更新公式、跟随者位置更新公式、警戒者位置更新公式进行发现
者、跟随者、警戒者的位置更新；(4
‑
4)融合对位差分进化策略和柯西变异算子对当前最优解进行扰动，产生新解；(4
‑
5)判断是否达到算法设置的最大迭代次数，若是，则输出最优适应度值f
g
和麻雀最优个体位置X
best
；否则返回(4
‑
3)继续更新迭代。6.根据权利要求5所述的用于移动机器人自主避障的动态路径规划方法，其特征在于，所述步骤(4
‑
3)中，发现者、跟随者和警戒者的位置更新公式如下所示：发现者位置更新公式：跟随者位置更新公式：警戒者位置更新公式：其中，为步骤3预规划路径中代价函数大的节点对应的适应度值，即为路径的代价函数；t为当前迭代次数，表示在t+1次迭代次数时第i只麻雀的适应度值；iter
max
是最大迭代次数，ξ∈(0,1)是一个随机数，R2表示警戒值，ST表示安全阈值，q是一个服从正态分布的随机数，L是一个一行多维的全为一的矩阵；X
P
表示目前发现者所处的最优位置，X
worst
则表示当前全局最差位置；A表示一个1
×
d的矩阵...

【专利技术属性】
技术研发人员：孟步敏，胡新杰，皮钒，彭新元，李龙，刘宁杰，周正钊，杨佳爽，邓璇，王惠敏，
申请(专利权)人：湖南摩高智驾科技有限公司，
类型：发明
国别省市：