【技术实现步骤摘要】
本专利技术涉及机器人导航规划领域，特别是涉及一种基于优化a*算法的路径规划方法、设备及介质。
技术介绍
1、自动导引车(automatedguidedvehicle，agv)是一种无人驾驶物流搬运车，属于智能型移动机器人。可以按照上位机下达的指令，通过车载传感器确定位置与环境信息，并根据事先设计的程序，沿着规划的路线自动行驶并且在指定位置停靠，具有自动避障导航等功能，极大程度解放了劳动力，提高了运输效率。同时其较为完善的安全防护及导航避障功能搭配智能化的调度管理，使得工业物流运输的安全性和可靠性得到大大提高，而其中的路径规划功能是移动机器人在复杂环境下完成任务实现自主导航的核心支撑。
2、通常认为路径规划方法分为基于搜索的路径规划方法、基于采样的路径规划算法以及智能算法。基于搜索的路径规划，如dijkstra、a*及其经典的变体算法，如ara*、weighteda*、theta*、lazytheta*等，其本质都是在已经构建好的地图上，首先定义成本函数，然后搜索每个节点和边以找到成本最小路径，其核心在于启发式函数的设计，该类算法容易扩展许多具有相同代价的节点。而基于采样的路径规划算法，rrt、rrt*等，适合解决多自由度机器人在复杂环境下和动态环境中的路径规划。通过对状态空间进行采样，可以保证得到连接起始点与终点的可行解，但是由于采样过程是对整个空间进行不稳定采样，因此效率较低，在复杂场景下很难实时求解并且保证解的最优性。智能算法如禁忌搜索算法，粒子群优化、灰狼算法等往往需要大量时间进行迭代技术，实时性较差，通常与其
3、但是现有基于a*算法属于启发式搜索算法，其受到搜索邻域的限制，搜索节点较少，导致最终规划的路径转折点较多、路径过长，不满足全局最优性的问题。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于优化a*算法的路径规划方法、电子设备及计算机可读存储介质，基于优化后的a*算法，规划出全局最优性的路径，并且减少路径上的拐点，在避免agv小车在搬运过程中与场地上的障碍物发生碰撞的同时大幅度提升运输效率。
2、本公开第一方面提供一种基于优化a*算法的路径规划方法，包括以下步骤：将agv小车作业环境的平面地图划分为若干相同大小的栅格，标记障碍物节点和可通行的自由节点，并建立栅格地图；基于作业要求，在所述栅格化地图中确定起始节点、目标节点；基于优化的a*算法、所述起始节点、所述目标节点以及所述障碍物节点，生成所述agv小车的运动路径；其中，基于所述起始节点到所述自由节点的代价值、所述自由节点到目标节点的代价值以及随所述自由节点到目标节点的代价值动态变化的权重系数确定所述优化的a*算法的代价值计算公式。
3、在第一方面的实施例中，所述基于优化的a*算法、所述起始节点、所述目标节点以及所述障碍物节点，生成所述agv小车的运动路径包括：s1、分别建立子节点列表和父节点列表；其中，所述子节点列表初始化时为空列表，所述父节点列表初始化时存放起始节点，并将所述起始节点作为当前父节点；s2、获取当前父节点周围邻域的若干子节点，将各所述子节点放入所述子节点列表并计算各所述子节点的代价值；其中，舍弃邻域子节点为障碍节点的子节点；s3、获取代价值最小的所述子节点，将该子节点更新为当前父节点，并放入所述父节点列表；s4、判断所述父节点列表中是否包含目标节点，若否，则返回步骤s2；若是，则基于所述父节点列表中的父节点生成所述agv小车的运动路径。
4、在第一方面的实施例中，所述基于所述父节点列表中的父节点生成所述agv小车的运动路径，具体包括：获取所述父节点列表中各父节点；获取各父节点中形成从所述起始节点到所述目标节点的最短路径的各父节点；基于所述最短路径的各父节点生成所述agv小车的运动路径。
5、在第一方面的实施例中，基于所述最短路径的各父节点生成所述agv小车的运动路径，具体包括：基于所述最短路径的各父节点按照父节点生成顺序形成路径节点集合；沿最短路径的起始节点向目标节点方向，以所述起始节点作为当前节点，且沿最短路径的目标节点向起始节点方向，以所述目标节点作为当前节点，同时执行除转折点路径算法，并分别基于执行所述除转折点路径算法的父节点形成第一节点集合和第二节点集合；判断所述第一节点集合和所述第二节点集合中是否存在相同的父节点，若否，则继续执行除转折点路径算法，若是，则根据当前的所述路径节点集合中的各父节点生成所述agv小车的运动路径；所述除转折点路径算法，具体包括：所述除转折点路径算法，具体包括：步骤(1)，判断所述当前节点与同所述当前节点间隔一个节点的第一顺延节点之间的连线是否有障碍物；若无，则至步骤(2)：将所述当前节点更新为所述当前节点的下一节点，并返回步骤(1)；若有，则至步骤(3)：继续判断所述当前节点与同所述当前节点间隔两个节点的第二顺延节点之间的连线是否有障碍物：若无，则至步骤(4)：从所述路径节点集合中删除所述当前节点的下一节点和所述第一顺延节点，并将所述当前节点更新为所述第二顺延节点，并返回步骤(1)；若有，则返回步骤(1)：将所述当前节点更新为所述当前节点的下一节点。
6、在第一方面的实施例中，所述优化的a*算法的代价值计算公式，具体为：f(n)＝g(n)+w(n)h(n)，式中，f(n)为从起始节点经过自由节点n到达目标节点的总代价值，g(n)表示从起始节点到达自由节点n的代价值，h(n)表示从自由节点n到达目标节点的代价值，w(n)为权重系数。
7、在第一方面的实施例中，所述随所述自由节点到目标节点的代价值动态变化的权重系数w(n)具体为：w(n)＝1+2arctan(h(n))，式中，h(n)表示从自由节点n到达目标节点的代价值。
8、在第一方面的实施例中，所述获取当前父节点周围邻域的若干子节点中：所述子节点包括与所述前父节点相邻的各邻域节点和与各所述邻域节点相邻的各拓展邻域节点；其中，去除各所述拓展邻域节点中包含预设方向的节点。
9、在第一方面的实施例中，所述代价值为曼哈顿距离、对角距离、欧几里得距离中的任意一种。
10、本公开第二方面提供一种电子设备，包括：处理器及存储器；所述存储器存储有程序指令；所述处理器，用于运行所述程序指令，以执行如第一方面中所述的方法。
11、本公开第三方面提供一种计算机可读存储介质，存储有程序指令，所述程序指令被运行执行如第一方面中所述的于优化a*算法的路径规划方法。
12、如上所述，本专利技术的一种基于优化a*算法的路径规划方法、电子设备及计算机可读存储介质，具有以下有益效果：
13、(1)扩展了传统a*算法的搜索邻域，使最终规划的路径具有全局最优性；
14、(2)通过在启发函数前增加权重系数的方式，提高了a*算法的运算效率；
1本文档来自技高网...
【技术保护点】
1.一种基于优化A*算法的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于优化A*算法的路径规划方法，其特征在于，所述基于优化的A*算法、所述起始节点、所述目标节点以及所述障碍物节点，生成所述AGV小车的运动路径包括：
3.根据权利要求2所述的基于优化A*算法的路径规划方法，其特征在于，所述基于所述父节点列表中的父节点生成所述AGV小车的运动路径，具体包括：
4.根据权利要求3所述的基于优化A*算法的路径规划方法，其特征在于，基于所述最短路径的各父节点生成所述AGV小车的运动路径，具体包括：
5.根据权利要求1所述的基于优化A*算法的路径规划方法，其特征在于，所述优化的A*算法的代价值计算公式，具体为：
6.根据权利要求5所述的基于优化A*算法的路径规划方法，其特征在于，所述随所述自由节点到目标节点的代价值动态变化的权重系数w(n)具体为：
7.根据权利要求2所述的基于优化A*算法的路径规划方法，其特征在于，所述获取当前父节点周围邻域的若干子节点中：所述子节点包括与所述前父节点相邻的各邻域节点和
8.根据权利要求1所述的基于优化A*算法的路径规划方法，其特征在于，所述代价值为曼哈顿距离、对角距离、欧几里得距离中的任意一种。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，存储有程序指令，所述程序指令被运行执行权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种基于优化a*算法的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于优化a*算法的路径规划方法，其特征在于，所述基于优化的a*算法、所述起始节点、所述目标节点以及所述障碍物节点，生成所述agv小车的运动路径包括：
3.根据权利要求2所述的基于优化a*算法的路径规划方法，其特征在于，所述基于所述父节点列表中的父节点生成所述agv小车的运动路径，具体包括：
4.根据权利要求3所述的基于优化a*算法的路径规划方法，其特征在于，基于所述最短路径的各父节点生成所述agv小车的运动路径，具体包括：
5.根据权利要求1所述的基于优化a*算法的路径规划方法，其特征在于，所述优化的a*算法的代价值计算公式，具体为：
6.根据权利要求...
【专利技术属性】
技术研发人员：刘珩元，马立云，江龙跃，周祥，黄宁，王志中，
申请(专利权)人：中国建材国际工程集团有限公司，
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。