一种清扫机器人的全覆盖路径规划方法技术

一种清扫机器人的全覆盖路径规划方法，首先生成障碍物膨胀处理并对栅格编号的栅格环境图像，然后使用深度优先搜索算法得到初始化路径种群，然后分别计算路径种群中每个路径个体的适应度，然后通过轮盘赌法和锦标赛法从初始化路径种群中选出预选子代种群，然后计算交叉概率和变异概率，对预选子代种群进行交叉操作和变异操作，得到新一代路径种群，重复多次后得到多代路径种群，直到连续多代的路径种群的平均适应度的标准差小于设定的阈值时，将最后一代路径种群作为清扫机器人的全覆盖路径规划结果

【技术实现步骤摘要】
一种清扫机器人的全覆盖路径规划方法


[0001]本专利技术涉及清扫机器人路径规划领域，尤其涉及一种清扫机器人的全覆盖路径规划方法
。

技术介绍

[0002]随着人工智能的快速发展，越来越多的机器人出现在我们生产生活的各个方面，无人清扫机器人作为其中的一员，极大的提高了人们的生活水平，加快了生产力的发展
。
路径规划作为无人清扫机器人的核心技术之一，其目的是规划出一条能够遍历整个工作区域并且无碰撞的最优路径
。
常见的全覆盖路径规划算法有随机遍历法
、
单元分解法以及生物激励神经网络法，单元分解法将目标区域分解为多个不含障碍物的子区域，其相对于随机遍历法提高了覆盖效率，但当障碍物较多时，会增加机器人覆盖的重复率
。
生物激励神经网络算法的鲁棒性强，能够适应不同的环境和任务需求，但容易陷入局部最优
。
因此，现有的全覆盖路径规划技术仍然存在规划效率低
、
重复率高以及转弯次数过多的问题
。

技术实现思路

>[0003]为解决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种清扫机器人的全覆盖路径规划方法，其特征在于，包括以下步骤：步骤一
、
获取清扫机器人的俯视视角的工作环境图像，然后对工作环境图像进行栅格化处理，在工作环境图像上划分出正方形栅格，栅格的面积不小于清扫机器人的俯视面积；然后对包含障碍物的栅格进行膨胀化处理，保证包含障碍物的栅格都被障碍物充满，并对所有栅格依次进行编号，得到矩形或正方形的栅格环境图像；步骤二
、
使用深度优先搜索算法得到初始化路径种群，将机器人当前所在的栅格作为搜索起点，选取搜索起点的一个未被搜索且不包含障碍物的相邻栅格作为新的搜索节点，然后根据每一个新的搜索节点依次进行相邻栅格的搜索，直到某个搜索节点不存在未被搜索且不包含障碍物的相邻栅格时，将该搜索节点作为搜索终点，并将从搜索起点延伸至搜索终点的栅格编号依次排列，作为一个路径个体；然后从搜索终点回溯至上一个搜索节点，继续选取上一个搜索节点的一个未被搜索且不包含障碍物的相邻栅格作为新的搜索节点，直到得到新的搜索终点，并将从搜索起点延伸至新的搜索终点的栅格编号依次排列，作为另一个路径个体；重复进行回溯搜索，直到所有搜索节点都不存在未被搜索且不包含障碍物的相邻栅格时，停止搜索，并将所得的所有路径个体的集合作为路径种群；步骤三
、
分别计算路径种群中每个路径个体的适应度
F
，计算公式为：式（1）；式（1）中，
F1为路径长度，
F2为转弯因数，
F3为路径平滑度，
F4为重复覆盖栅格数，
ω1、
ω2、
ω3和
ω4均为权重系数，
ω1+
ω2+
ω3+
ω4=1
；路径长度
F1的计算公式为：式（2）；以位于栅格环境图像的其中一个拐角位置的栅格的中心点作为原点，建立坐标系，坐标系的
x
轴包含了与该拐角位置的栅格相邻的一个栅格的中心点，坐标系的
y
轴包含了与该拐角位置的栅格相邻的另一个栅格的中心点，式（2）中，
x
和
y
分别为栅格在坐标系中的
x
方向坐标和
y
方向坐标，
n
为路径中的节点数量；转弯因数
F2的计算公式为：式（3）；式（3）中，
u
为大于0的常数，
α
为小于1的直行参数，
t
为当前迭代次数，
dir
z
，
i
表示从
z
号栅格转移至
i
号栅格，
card
（
A
）表示对可搜索栅格集合求集合元素数目，
visited
为已搜索的栅格集合；路径平滑度
F3的计算公式为：
式（4）；式（4）中，
P
代表栅格的中心点，
θ
(P
i
P
i+1
，
P
i+1
P
i+2
)
为
P
i

【专利技术属性】
技术研发人员：程广伟，张永博，张辉，门清毅，徐立友，张娟娟，王东，
申请(专利权)人：洛阳理工学院，
类型：发明
国别省市：