【技术实现步骤摘要】
本专利技术涉及移动机器人路径规划，特别是涉及基于可视图与d*lite算法的路径规划方法及系统。
技术介绍
1、本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、近年来，伴随着移动机器人的发展，在面对搜索救援、未知环境构建与探索等复杂任务时，机器人的自主性显得尤为重要。对于自主移动机器人，路径规划是一项重要的技术，合适的路径规划算法可以使得机器人在起点与目标点之间快速的找到一条无碰撞的可行路径，这其中路径长度、时间效率、安全性、可行性以及实时性等是衡量一个路径规划算法的重要评价指标。
3、关于路径规划问题，已经有了许多的主流方法如基于采样的rrt算法、基于搜索的d*算法和基于学习的算法等。然而，在面对未知环境或者较大的复杂环境时，以上算法有着不可避免的缺点，比如基于采样的算法面临采样效率低下、遗漏潜在可行路径、树和图的维护计算成本高等问题；基于搜索的算法则常常依赖于栅格地图，而路径规划的精度会因为网格的低分辨率而变差，并且面对大环境时此类地图会占用大量的内存空间；基于学习的方法则需要大...
【技术保护点】
1.基于可视图与D*Lite算法的路径规划方法，其特征是，包括：
2.如权利要求1所述的基于可视图与D*Lite算法的路径规划方法，其特征是，将过滤后的地图点云数据映射到图像中，并对图像依次进行模糊处理、边缘检测和膨胀处理，具体包括：
3.如权利要求1所述的基于可视图与D*Lite算法的路径规划方法，其特征是，对膨胀处理后的图像提取出障碍物轮廓，对障碍物轮廓进行多边形近似，对多边形近似的障碍物轮廓提取凸包，对凸包上的每个凸点进行外扩处理得到可视图的顶点，具体包括：
4.如权利要求1所述的基于可视图与D*Lite算法的路径规划方法，其...
【技术特征摘要】
1.基于可视图与d*lite算法的路径规划方法，其特征是，包括：
2.如权利要求1所述的基于可视图与d*lite算法的路径规划方法，其特征是，将过滤后的地图点云数据映射到图像中，并对图像依次进行模糊处理、边缘检测和膨胀处理，具体包括：
3.如权利要求1所述的基于可视图与d*lite算法的路径规划方法，其特征是，对膨胀处理后的图像提取出障碍物轮廓，对障碍物轮廓进行多边形近似，对多边形近似的障碍物轮廓提取凸包，对凸包上的每个凸点进行外扩处理得到可视图的顶点，具体包括：
4.如权利要求1所述的基于可视图与d*lite算法的路径规划方法，其特征是，对相邻两轮提取到的两组可视图的顶点，使用最近邻搜索算法，提取出更新点，基于更新点对哈希表进行更新，基于更新的哈希表对可视图进行维护，具体包括：
5.如权利要求4所述的基于可视图与d*lite算法的路径规划方法，其特征是，在机器人第一轮路径规划时，直接使用增加的点集合difindicesadd中的点，创建哈希表，维护可视图信息，哈希表的键设为可视图的顶点s的坐标，哈希表的值包括顶点s的rhs(s)和g...
【专利技术属性】
技术研发人员：周乐来，曹路阳，李贻斌，马昕，田新诚，宋锐，
申请(专利权)人：山东大学，
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。