【技术实现步骤摘要】
本专利技术涉及机器人路径规划领域，尤其涉及基于改进bit算法的移动机器人路径规划方法。
技术介绍
1、路径规划是移动机器人导航与控制的基础，是移动机器人的核心问题之一，它研究如何让移动机器人从起始位置无碰撞、安全地移动到目标位置。安全有效的机器人移动需要高效路径规划算法，规划路径的质量对机器人的实际应用效果影响巨大。
2、现有的路径规划方法通常是基于bim*算法，但是该种算法在狭窄环境与障碍物密集的复杂环境中的收敛速度较慢，并且最后生成的路径平滑度不高，虽然能够较为准确地完成路径规划，但是仍然存在一定的优化空间。
技术实现思路
1、本专利技术针对现有技术存在的不足，提供如下技术方案：
2、基于改进bit算法的移动机器人路径规划方法，包括以下步骤：
3、s1：根据环境地图建立移动机器人的起始点与目标点之间的随机扩展的节点树，并对节点树的边队列与节点队列进行初始化。
4、s2：采用随机采样的方式对起始点与目标点之间的目标范围进行采样，并根据节点队列的最小代价值来确定与采样点连接的点以形成当前最优边。
5、s3：采用路径拉伸与曲线拟合的方式对最优边进行处理来使得路径平滑以得到最优路径并输出。
6、作为上述技术方案的改进，所述步骤s1包括以下步骤：
7、s11：获取环境地图。
8、s12：根据移动机器人尺寸对环境地图中的障碍物进行膨化处理。
9、s13：定位处理后环境地图中移动机器人
10、s14：将起始点加入节点树的节点集合，将节点树的边集合初始化，将目标点加入采样点集合，初始化边队列和节点队列，将当前路径的代价值设置为无穷大。
11、作为上述技术方案的改进，所述步骤s2包括以下步骤：
12、s21：采用informedrrt*方法对起始点与目标点之间的目标范围进行采样，将采样点加入到采样点集合中，将节点集合加入到节点队列中。
13、s22：判断节点队列中的最小代价值是否小于边队列的最小代价值，若是则执行步骤s23，若否则执行步骤s24。
14、s23：将具有最小估计代价值的节点从节点队列移除，并将具有最小估计代价值的节点与采样点集合中的节点进行连接。
15、s24：从边队列中得到最优代价值的边并移除。
16、作为上述技术方案的改进，所述步骤s21执行前还需要执行以下步骤：
17、s201判断边队列和节点队列是否都为空，若为空则执行步骤s21，否则执行s22。
18、作为上述技术方案的改进，所述步骤s21中的informedrrt*采样方法具体包括以下步骤：
19、s211：判断当前路径的代价值是否小于无穷大，若是则执行s212，若否则执行s216。
20、s212：计算起始点和目标点之间的欧几里得距离以及中点坐标。
21、s213：在单位圆内采样获得初始采样点，以欧几里得距离以及当前路径的代价值来建立对角矩阵。
22、s214：对m矩阵进行奇异分解，根据分解得到的结果建立旋转矩阵。
23、s215：根据欧几里得距离、对角矩阵、中点坐标以及单位圆内采样获得的初始采样点来确定采样点xsample。
24、s216：在整个地图环境中进行采样，将采样点赋给xsample。
25、作为上述技术方案的改进，所述步骤s3包括以下步骤：
26、s31：将最优代价值的边加入到边集合中并更新当前节点树，将当前节点集合和当前边集合连接形成一条新路径newpath，对新路径进行路径拉伸。
27、s32：计算拉伸后的新路径newpath的代价值。
28、s33：清除节点队列和边队列。
29、s34：判断是否达到最大采样次数，如是则执行s35，否则执行s201。
30、s35：利用b-样条曲线对路径点进行拟合，得到拟合后路径并输出。
31、作为上述技术方案的改进，s301：判断当前最优代价值的边能否改善当前路径，若是则执行31，否则执行s34。
32、作为上述技术方案的改进，所述步骤s31中对新路径的路径拉伸方法包括以下步骤：
33、s311：将初始点xstart加入到新路径newpath中，将xstart作为当前节点xi,，令i＝0，节点集合的个数为num。
34、s312：连接当前节点xi和路径点序列x中第i+2个节点xi+2，判断新生成的边是否与障碍物发生碰撞，如果没有与障碍物碰撞，执行s313，否则执行s314。
35、s313：在新生成的边上添加新的节点xnew,使新的节点xnew满足以下条件：
36、
37、其中，xi为当前节点，xnew为新加入的节点，xi+1表示路径序列x中第i+1个点，xi+2表示路径序列x中第i+2个节点。
38、s314：将节点xi+1与节点xi+2连接所形成的边离散化，并将离散化之后的路径节点赋给路径节点。
39、s315：从路径节点中找到距离xi+2最小的点，赋给xt。
40、s316：判断节点xi与节点xt连线所形成的边是否与障碍物发生碰撞，若是则执行317，否则执行s318。
41、s317：从路径节点中找到距离xt最小的点，赋给xt，执行s316。
42、s318：找出节点xi与节点xt连线所形成的边上距离障碍物最近的点赋给xnew。
43、s319：将新的路径点xnew取代xi+1，并更新节点序列x，将i+1赋给i。
44、s3110：判断i是否小于num-1，若是则执行s312，否则输出新节点序列x。
45、其中基函数定义方式采用b-样条曲线拟合并以递推的形式来表示k阶k-1次的b-样条基函数。
46、作为上述技术方案的改进，所述递推得到的公式如下：
47、
48、
49、其中，bi,k(u)为k阶k-1次的b-样条基函数，u为绘制曲线时的取值。
50、本专利技术的有益效果：
51、本申请通过采用路径拉伸策略与b-样条曲线拟合的方式对生成的路径进行了优化，采用路径拉伸的方式能够降低路径的曲折，优化路径的代价，再结合b-样条曲线来对路径进行拟合，使得路径能更加切合移动机器人的运动特性，使得移动机器人能够更加平滑、高效地完成在规划路径上的运动任务。
本文档来自技高网...【技术保护点】
1.基于改进BIT算法的移动机器人路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述步骤S1包括以下步骤：
3.根据权利要求2所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述步骤S2包括以下步骤：
4.根据权利要求3所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述步骤S21执行前还需要执行以下步骤：
5.根据权利要求4所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述步骤S21中的informedRRT*采样方法具体包括以下步骤：
6.根据权利要求4所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述步骤S3包括以下步骤：
7.根据权利要求6所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述步骤S31执行前还需要执行以下步骤：
8.根据权利要求6所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述步骤S31中对新路径的路径拉伸方法包括以
9.根据权利要求6所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述拟合方法采用B-样条曲线拟合并以递推的形式来表示k阶k-1次的B-样条基函数。
10.根据权利要求9所述的基于改进BIT算法的移动机器人路径规划方法，其特征在于：所述递推得到的公式如下：
...【技术特征摘要】
1.基于改进bit算法的移动机器人路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于改进bit算法的移动机器人路径规划方法，其特征在于：所述步骤s1包括以下步骤：
3.根据权利要求2所述的基于改进bit算法的移动机器人路径规划方法，其特征在于：所述步骤s2包括以下步骤：
4.根据权利要求3所述的基于改进bit算法的移动机器人路径规划方法，其特征在于：所述步骤s21执行前还需要执行以下步骤：
5.根据权利要求4所述的基于改进bit算法的移动机器人路径规划方法，其特征在于：所述步骤s21中的informedrrt*采样方法具体包括以下步骤：
6.根据权利要求4所述的基于改进b...
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。