一种自动清洁机器人的最短路径规划方法技术

本发明专利技术公开了一种自动清洁机器人的最短路径规划方法，该方法通过把环境地图构造成包含孔的多边形几何特征，其中多边形边界为清扫区域的边界，多边形内部的孔代表环境内部的障碍物边界线，如此把最短路径问题描述为给定一组由顶点、起点和终点定义的多边形，找到从起点到终点的最短路径，而不经过任何多边形，与传统的基于搜索和采样的最短路径规划方法相比，该方法的计算效率高，计算的时间和空间复杂度低且能保证路径是严格最短的。杂度低且能保证路径是严格最短的。杂度低且能保证路径是严格最短的。

【技术实现步骤摘要】
一种自动清洁机器人的最短路径规划方法


[0001]本专利技术属于机器人
，具体涉及一种自动清洁机器人的最短路径规划方法。

技术介绍

[0002]最短路径规划问题是在具有障碍物的环境中，规划一条从起点位置到达目标点位置的最优的无碰撞路径。最短路径规划是机器人应用中的一项重要技术，例如，在执行装配、焊接以及抢险救灾的任务时，采用先进的机器人路径规划技术可以节省大量机器人作业时间，这对于本身电池能量有限的机器人来说是至关重要的，另外，机器人在执行最短路径可以减少机器人磨损，同时可以节约人力资源，减少资金投入，为机器人在多种行业的应用奠定理论基础。随着机器人技术的发展，在上世纪七十年代就提出了最短路径规划问题，
[0003]由于路径规划问题的复杂性，不同的研究者从不同的角度研究某一方面的问题，对具体问题的提法也不完全相同，最短路径规划典型的描述是：在有障碍物的环境中，如何寻找从起始点开始到目标点的运动最短路径且无碰撞地通过多有障碍物。路径规划问题涉及环境表达、规划方法和路径搜索策略。环境表达研究如何将环境信息有效地表达出来；规划方法关心的是在环境表达的基础上而进行的数学模型的抽象；路径搜索策略指的是求解路径函数的方法技术。
[0004]路径规划属于组合优化的范畴，在一定的环境表达和规划方法的基础上，仅从路径搜索策略上来分析，可将搜索策略区分为三大类。第一类是局部优化算法，做法是牺牲解的搜索空间来获取解的搜索时间，典型的方法有：最速下降法、部分贪婪算法(如凸点法)等；第二类是全局优化算法，它以获取全局最优解为目的，主要的算法有：单源最短路径的Dijkstra算法、任意两点间最短路径的Floyed动态规划算法、A
*
搜索算法等；最后一类是计算智能方法。
[0005]由于路径规划问题具有系统的复杂性、描述的不确定性、环境变化的随机性以及优化的多约束和多目标性的要求，常常使得传统的数学优化方法显得无能为力。近年来，人们从不同的角度出发对生物系统及其行为特征进行了模拟，产生了一些对现代科技发展有重大影响的新兴学科，开发出了具有较强通用性的计算、优化模式和方法。这些方法包括：遗传算法、禁忌搜索、模拟退火和人工神经网络等算法及与模糊逻辑相结合的快速高效地追求计算结果的思想。这些新的优化方法和思想目前在理论上还远不如传统方法完善，往往也不能确保解的最优性，因而常常被视为只是一些启发式方法。但从观念上看，它们突破了传统化思维的束缚，例如遗传算法模拟生物种群繁殖中的竞争思想，以及不以数学上的精确解为目标函数和约束的连续性与凸性，甚至连有没有解析表达式都不要求；对计算中数据的不确定性也有很强的适应能力，计算速度快，这些宝贵的优点使这类算法在很短的时间内得到了广泛的应用，展现出方兴未艾的强劲发展势头。
[0006]在避障路径规划(特别是机器人路径规划)中，由于某种原因，对周围环境和障碍物的信息把握常常是局部的，在这种情形下，路径规划的结果就是局部优化的结果。

技术实现思路

[0007]本专利技术提供一种自动清洁机器人的最短路径规划方法，是将障碍物用多边形来表达，构造可视图，利用搜索算法规划出从起始点至目标点的最优路径。
[0008]本专利技术为解决上述技术问题采用以下技术方案：
[0009]一种自动清洁机器人的最短路径规划方法，包括以下步骤：
[0010]步骤S1，将环境地图抽象为计算机可操作的点Point、边Edge、多边形Polygon和图Graph；
[0011]步骤S2，对多边形进行膨胀处理，膨胀处理的目的是保证机器人在运行的过程中不会碰到障碍物，膨胀处理的参数为机器人的宽度；
[0012]步骤S3，合并重叠多边形，在进行完膨胀处理步骤二后有些距离较近的多边形在膨胀之后的边界线会发生相交的情况，这时需要识别相交的多边形进行合并操作。
[0013]步骤S4，对初始的图Graph使用可见点算法进行可见性图Visibility Graph的计算；
[0014]步骤S5，设置最短路径规划的起点和目标点；
[0015]步骤S6，使用Dijkstra算法寻找最短路径。。
[0016]进一步地，步骤S1具体如下：
[0017]将环境地图抽象为计算机可操作的点Point、边Edge、多边形Polygon和图Graph，其中点Point有x，y两个属性，分别为x和y方向的坐标。边Edge包含两个点P1和P2，分别为边的第一个端点和第二个端点，多边形Polygon包含n个点Point，点Point是按照顺时针/逆时针进行排序，图Graph包含有m条边Edge，并按边中的点对对边进行检索。
[0018]进一步地，步骤S2具体如下：
[0019]从环境地图中提取多边形Polygon，通过提取环境地图的外轮廓、内轮廓上的关键点；将关键点按所在轮廓分组，每组内按照顺时针/逆时针的顺序进行排序，当轮廓包含曲线时，将曲线用多段线进行近似，在提取关键点，得到多边形后，对多边形进行膨胀处理，膨胀参数为机器人的宽度，膨胀处理的操作为按一定距离将多边形进行向外偏移得到一个面积比原多边形大的近似多边形。
[0020]进一步地，步骤S3具体如下：在进行完膨胀处理步骤二后有些距离较近的多边形在膨胀之后的边界线会发生相交的情况，如果未进行合并操作，会产生非简单多边形导致算法出错，合并的处理主要是判断多边形是否相交，若相交，则把相交的复杂多边形转化成能够包络两相交多边形的简单多边形。
[0021]进一步地,步骤S4具体如下：
[0022]从多边形Polygon到图Graph，计算可见性图Visibility Graph，使用可见点算法进行可见性图Visibility Graph的计算，在现有图的基础上，建立初始化的可见性图，具体通过使用可见点算法，找出图中每个点所能看见的其它点，并将每个点及其对应的可见点所组成的边，添加至可见性图中，完成基本的可见性图。
[0023]进一步地，步骤S4具体如下：设置最短路径规划的起点和目标点，首先判断起始点和目标点是否设置在障碍物内部，如果在其内部，机器人无法到达，需要把点映射得到最近的不在障碍物内部点上，保证路径规划的合理性。
[0024]本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
[0025]1.本专利技术提供的一种自动清洁机器人的最短路径规划方法，降低了时间复杂度，提高了自动清洁机器人的清洁效率。
[0026]2.本专利技术提供的一种自动清洁机器人的最短路径规划方法，减缓了存储空间消耗较大的问题，节约了自动清洁机器人的存储空间，延长了自动清洁机器人的使用时间。
[0027]3.本专利技术提供的一种自动清洁机器人的最短路径规划方法，减少了时间耗费过多的情况，进一步提高了自动清洁机器人的工作效率。
附图说明
[0028]图1是本专利技术实施例提供的最短路径规划方法流程图。
[0029]图2是本专利技术实施例提供的环境地图示意图。
[0030]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动清洁机器人的最短路径规划方法，其特征在于，包括以下步骤：步骤S1，将环境地图抽象为计算机可操作的点Point、边Edge、多边形Polygon和图Graph；步骤S2，对多边形进行膨胀处理，膨胀处理的目的是保证机器人在运行的过程中不会碰到障碍物，膨胀处理的参数为机器人的宽度；步骤S3，合并重叠多边形，在进行完膨胀处理步骤二后有些距离较近的多边形在膨胀之后的边界线会发生相交的情况，这时需要识别相交的多边形进行合并操作。步骤S4，对初始的图Graph使用可见点算法进行可见性图VisibilityGraph的计算；步骤S5，设置最短路径规划的起点和目标点；步骤S6，使用Dijkstra算法寻找最短路径。。2.根据权利要求1所述的一种自动清洁机器人的最短路径规划方法，其特征在于，步骤S1具体如下：将环境地图作为计算机可操作的点Point、边Edge、多边形Polygon和图Graph，其中点Point有x，y两个属性，分别为x和y方向的坐标，边Edge包含两个点P1和P2，分别为边的第一个端点和第二个端点，多边形Polygon包含n个点Point，点Point是按照顺时针/逆时针进行排序，图Graph包含有m条边Edge，并按边中的点对对边进行检索。3.根据权利要求1所述的一种自动清洁机器人的最短路径规划方法，其特征在于，步骤S2具体如下：从环境地图中提取多边形Polygon，通过提取环境地图的外轮廓、内轮廓上...

【专利技术属性】
技术研发人员：孙强，闫瑞君，
申请(专利权)人：霞智科技有限公司，
类型：发明
国别省市：