一种基于变概率约束采样的机器人路径规划方法技术

本发明专利技术属于机器人路径选择技术领域，具体地说，是一种基于变概率约束采样的机器人路径规划方法，首先，通过将目标偏置机制引入采样过程，减少首条路径形成时间，从而快速生成椭球采样集，其作用可以减少搜索路径数；采用可变步长策略，减少机器人难以搜索到路径的概率；对所生成的近优路径进行回溯处理，弱化较为生硬的路径线条。藉此确保算法可以有效的提升搜索效率、减少搜索时间，并保证搜索到的路径是近优路径。径是近优路径。

【技术实现步骤摘要】
一种基于变概率约束采样的机器人路径规划方法


[0001]本专利技术属于机器人路径选择
，具体地说，是一种基于变概率约束采样的机器人路径规划方法。

技术介绍

[0002]近些年来，路径规划在机器人技术的发展过程中占据着重要的地位，其主要原因是使机器人能够在当前工作环境中有效的规划出一条链接起始点和目标点的可行路径，该路径不仅需要满足一定的约束条件同时也需要达到一定的性能指标。
[0003]目前路径规划方法在机器人领域中主要分为以下几类：(1)基于搜索的路径规划，例如A*和Dijkstra算法，这类算法通过比较当前格栅图的8个近邻启发值来确定下一步的位置，当存在多个极小近邻启发值时，则不能保证下一步位置的解是最优的。与此同时这类算法难以在多维的环境中达到令人满意的规划效果。(2)基于智能算法的路径规划，例如遗传算法和蚁群算法，遗传算法的效率通常较低且具有较差的局部搜索能力。蚁群算法收敛速度慢，容易出现局部最优的情况，且具有较差的环境适应能力。(3)基于采样的路径规划，例如扩展空间树ESTs(Expansive Space Trees)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变概率约束采样的机器人路径规划方法，其特征在于，包括以下步骤：步骤1、生成地图及障碍物信息，给定机器人的起始位置Q
s
和目标位置Q
g
；步骤2、将Q
s
、Q
g
分别作为两棵树的初始起点，相向扩展随机树，根据随机生成的概率p来控制采样方向；步骤3、当p大于设定的可变值ε时，将采样节点从一单位的n维超球面转变成n维椭圆子集x
ellipse
‑
μ(X
ellipse
)，从而在椭圆子集内完成采样；步骤4、在树中选取最近邻点Q
nest
，根据最近邻点Q
nest
以及障碍物的位置判断得到动态步长L，从而生成新节点；步骤5、判断最近邻点Qnest与新节点Qnew之间的路径有无障碍物；步骤6、随机树生成新节点后，判断两树的最新节点是否小于阈值，若满足条件则路径已被找到，进行回溯处理。2.根据权利要求1所述的基于变概率约束采样的机器人路径规划方法，其特征在于，在所述步骤2中，设置一个范围在0
‑
100之间的随机概率p以及可变值ε，若p小于ε，则以目标点为采样点，否则进行椭圆约束采样，若周围判定有障碍物，则改变ε的值，使得采样方式更倾向于椭圆约束采样。3.根据权利要求2所述的基于变概率约束采样的机器人路径规划方法，其特征在于，在所述步骤3中，起点Q
s
和终点Q
g
分别为椭圆的两个焦点，椭圆的共轭直径为d
i
，其中d
i
被定义为：使用欧几里得距离得到两个焦点的距离c
min
.椭圆的横向直径为c
best
，它代表当前所记录的最优路径椭圆约束采样通过将均匀分布的样本从一单位的n维超球面转变成n维椭圆子集x
ellipse
‑
μ(X
ellipse
)，从而在椭圆子集内完成均匀分布采样，即x
ellipse
＝Lx
ball
+x
center
，x
center
＝(x
f1
+x
f2
)/2，x
ball
＝{x∈X|||x||2≤1}，其中x
center
为椭圆的中心，x
f1
，x
f2
分别为椭圆的两个焦点，x
ball
为随机采样点；之后通过椭圆矩阵S的Cholesky分解来计算上述变换，S∈Rn
×
n，有LL
T
≡S，(x
‑
x
center
)
T
S(x
‑
...

【专利技术属性】
技术研发人员：王卫东，岳亮，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：