【技术实现步骤摘要】
本专利技术涉及路径规划，特别是涉及一种无人驾驶挖掘机的路径规划方法、电子设备及介质。
技术介绍
1、无人驾驶挖掘机的导航系统是支撑无人挖掘机高效完成各项任务的基础，导航系统的关键技术就在于路径规划。无人挖掘机在复杂的空间中，利用自身的传感器对周围环境进行探测，构建环境地图信息。而无人驾驶挖掘机的路径规划是无人挖掘机领域中的关键环节，最终目的就是找到一条由起始点到目标点的无障碍路径，并在此基础上，使得花费的时间尽可能少，走过的路径尽可能短。
2、bi-rrt*算法是在rrt*算法的基础上改进的算法。该算法在起点和终点处同时生成两棵树，并利用这两棵树的信息来提高路径的质量。当这两棵树在某个节点相遇时，算法将返回连接起点和终点的路径。与 rrt*算法相比，bi-rrt* 算法可以更快地找到一条可行路径，bi-rrt*算法具有较快的搜索速度，因为它同时从起点和目标点开始搜索，避免搜索大量无用区域。但是bi-rrt*算法由于缺乏环境信息的引导，存在生成节点较多、路径较曲折、转向角度过大的问题，进而导致路径规划质量低，无法实现快速收敛。
技术实现思路
1、鉴于上述问题，本申请提供了一种无人驾驶挖掘机的路径规划方法、电子设备及介质，为了提高算法的规划效率和生成路径的质量，在 bi-rrt*算法的基础上进行改进，提出了改进的rrt算法，该算法引入动态步长、双向目标偏向、最大转角限制以及路径轨迹优化，保证了随机采样的概率完备性，并具有一定的目标方向性。当向目标点进行拓展时，它可以利用动态
2、第一方面，本申请实施例提供了一种无人驾驶挖掘机的路径规划方法，包括：
3、获取无人驾驶挖掘机的起始点、目标点、障碍物信息及局部环境图像；
4、基于预设的动态步长策略、预设的目标偏向策略和预设的无人驾驶挖掘机运动碰撞检测策略，采用双向快速拓展随机树算法交替进行两个随机树节点拓展得到两个随机树对应的拓展节点；
5、基于预设的无人驾驶挖掘机运动约束策略和最小路径代价策略，对两个随机树对应的拓展节点重新选择父节点和重新布线得到更新后的两个随机树；
6、响应于两个随机树得到的对应的拓展节点之间的距离小于设定值，将两棵随机树连通得到无人驾驶挖掘机的第一移动路径；
7、对第一移动路径基于预设的路径剪枝算法进行剪枝优化处理得到无人驾驶挖掘机的第二移动路径；
8、对第二移动路径进行平滑处理得到无人驾驶挖掘机的最终移动路径。
9、在一种可能的实现方式中，基于预设的动态步长策略、预设的目标偏向策略和预设的无人驾驶挖掘机运动碰撞检测策略，采用双向快速拓展随机树算法交替进行两个随机树节点拓展得到两个随机树对应的拓展节点，包括：
10、分别以起始点位置和目标点位置为两个随机树的根节点，利用随机采样分别从两个随机树的根节点进行节点拓展，得到两个随机树对应的随机采样点；
11、获取两个随机树上距离两个随机采样点对应的两个最近的节点，基于预设的动态步长策略、预设的目标偏向策略和预设的无人驾驶挖掘机运动碰撞检测策略交替进行两个随机树对应拓展节点的生成，其中，对于任一随机树，包括以下步骤：
12、s1：按照任一随机树上距离随机采样点最近的节点到对应的随机采样点的方向，得到第一拓展节点，其中第一拓展节点的计算公式为:其中，为任一随机树对应的拓展节点，为任一随机树对应的随机采样点，为任一随机树上距离对应随机采样点最近的一个节点，为随机采样点与对应随机采样点最近的一个节点之间的欧氏距离，为拓展步长；
13、对节点和进行碰撞检测，若与障碍物不存在碰撞时，将所述第一拓展节点添加到对应的随机树中；若与障碍物存在碰撞时，对拓展步长和目标偏向进行调整，得到第二拓展节点，其中所述第二拓展节点的计算公式为:其中，为任一随机树对应的拓展节点，为任一随机树对应的随机采样点，为任一随机树上距离对应随机采样点最近的一个节点，为任一随机树对应的目标点，为随机采样点与对应随机采样点最近的一个节点之间的欧氏距离，为目标点与与对应随机采样点最近的一个节点之间的欧氏距离，为对应随机采样点最近的节点到随机采样点方向的拓展步长，为对应随机采样点最近的节点到目标点方向的拓展步长，；
14、s2：对节点和 进行碰撞检测，若与障碍物不存在碰撞时，将所述第二拓展节点添加到对应的随机树中；若与障碍物存在碰撞时，对拓展步长和进行交换调整，得到第三拓展节点，其中所述第三拓展节点的计算公式为:
15、s3：对节点和进行碰撞检测，若与障碍物不存在碰撞时，将所述第三拓展节点添加到对应的随机树中；若与障碍物存在碰撞时，返回对应随机树一个空的拓展节点。
16、在一种可能的实现方式中，的计算公式为:其中，为障碍物的密度指数，，其中和分别表示采集的局部环境图像二值化处理后得到的二值化图像中障碍物像素点个数和总像素点个数，障碍物像素点灰度值为255，表示碰撞检测中与障碍物存在碰撞的次数，表示碰撞检测的总次数，为常数。在一种可能的实现方式中，预设的无人驾驶挖掘机运动碰撞检测策略包括：
17、通过两个节点之间的连线与障碍物是否存在相交判断两个节点间是否存在障碍物，若存在相交，确定两个节点间存在障碍物。
18、在一种可能的实现方式中，基于预设的无人驾驶挖掘机运动约束策略和最小路径代价策略，对两个随机树对应的拓展节点重新选择父节点得到更新后的两个随机树，包括：
19、获取任一随机树上以拓展节点为中心，半径为的范围内的待选父节点集合，其中待选父节点集合不包含拓展节点；
20、遍历待选父节点集合中的所有待选父节点，寻找同时满足待选父节点的父节点、待选父节点和拓展节点所形成的转向角度小于无人驾驶挖掘机的最大转向角度、待选父节点与拓展节点之间的连线与障碍物不存在碰撞且从无人驾驶挖掘机的起始点经待选父节点到拓展节点的路径代价最小的待选父节点作为拓展节点的父节点，如果未寻找到，将任一随机树上距离对应随机采样点最近的一个节点作为拓展节点的父节点；
21、将拓展节点的父节点与拓展节点之间路径以及拓展节点添加到对应的随机树中以更新对应的随机树。
22、在一种可能的实现方式中，重新布线的步骤包括：
23、获取任一随机树上以拓展节点为中心，半径为的范围内的待选子节点集合，其中待选子节点集合不包含拓展节点的父节点；
24、遍历待选子节点集合中的所有待选子节点，寻找同时满足拓展节点的父节点、拓展节点和待选子节点所形成的转向角度小于无人驾驶挖掘机的最大转向角度、待选子节点与拓展节点之间的连线与障碍物不存在碰撞且从无人驾驶挖掘机的起始点到待选子节点的路径代价最小的本文档来自技高网...
【技术保护点】
1.一种无人驾驶挖掘机的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的无人驾驶挖掘机的路径规划方法，其特征在于，基于预设的动态步长策略、预设的目标偏向策略和预设的无人驾驶挖掘机运动碰撞检测策略，采用双向快速拓展随机树算法交替进行两个随机树节点拓展得到两个随机树对应的拓展节点，包括：
3.根据权利要求2所述的无人驾驶挖掘机的路径规划方法，其特征在于，所述拓展步长的计算公式为：
4.根据权利要求2所述的无人驾驶挖掘机的路径规划方法，其特征在于，所述预设的无人驾驶挖掘机运动碰撞检测策略包括：
5.根据权利要求1所述的无人驾驶挖掘机的路径规划方法，其特征在于，基于预设的无人驾驶挖掘机运动约束策略和最小路径代价策略，对两个随机树对应的所述拓展节点重新选择父节点得到更新后的两个随机树，包括：
6.根据权利要求5所述的无人驾驶挖掘机的路径规划方法，其特征在于，所述重新布线的步骤包括：
7.根据权利要求6所述的无人驾驶挖掘机的路径规划方法，其特征在于，所述路径代价的计算公式为：
8.根据权利要求1所述
9.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-8任一项所述的无人驾驶挖掘机的路径规划方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的无人驾驶挖掘机的路径规划方法的步骤。
...【技术特征摘要】
1.一种无人驾驶挖掘机的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的无人驾驶挖掘机的路径规划方法，其特征在于，基于预设的动态步长策略、预设的目标偏向策略和预设的无人驾驶挖掘机运动碰撞检测策略，采用双向快速拓展随机树算法交替进行两个随机树节点拓展得到两个随机树对应的拓展节点，包括：
3.根据权利要求2所述的无人驾驶挖掘机的路径规划方法，其特征在于，所述拓展步长的计算公式为：
4.根据权利要求2所述的无人驾驶挖掘机的路径规划方法，其特征在于，所述预设的无人驾驶挖掘机运动碰撞检测策略包括：
5.根据权利要求1所述的无人驾驶挖掘机的路径规划方法，其特征在于，基于预设的无人驾驶挖掘机运动约束策略和最小路径代价策略，对两个随机树对应的所述拓展节点重新选择父节点得到更新后的两个随机树，包括：
6.根据...
【专利技术属性】
技术研发人员：王经聪，叶桂友，李高伟，房兴玉，秦仕君，
申请(专利权)人：山东常林智能装备科技有限公司，
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。