一种基于工作空间引导的采样运动规划方法技术

本发明专利技术涉及一种基于工作空间引导的采样运动规划方法，该方法提供了一种工作空间预处理技术，通过八叉树/四叉树分解、Watershed算法、多分辨率A*算法获取活跃关键区域和工作空间参考路径；其次，基于所获取的工作空间信息，执行工作空间引导采样和工作空间引导探索，使位形空间中的路径实现快速收敛；最后，通过工作空间与信息空间平衡，保证路径收敛至最优路径。本发明专利技术实现了一种结合工作空间信息和位形空间信息的规划方法，可以与任意采样算法结合，在高维环境运动规划问题上优势突出，能够提高机器人在复杂受限环境中的运动效率和动作质量。

【技术实现步骤摘要】

本专利技术涉及机器人运动规划，具体涉及一种基于工作空间引导的采样运动规划方法。

技术介绍

1、科技的快速发展和自动化、智能化的提升使得机器人技术日渐成熟，已广泛应用于工业制造、服务行业、医疗保健等众多领域。然而，随着应用场景的增多，机器人所面对的环境也越来越复杂和多元化。在这种充满不确定性的环境中，保障机器人的安全和高效运行显得至关重要。因此，运动规划作为机器人在各类复杂环境中实现智能自主操作的核心技术，吸引了众多研究者的目光。无论是在移动机器人、工业机器臂，还是自动驾驶等领域，运动规划都起着关键的作用。运动规划的主要任务是给定的初始状态和目标状态，在位形空间中寻找一条可行的路径，同时生成一组能够避开障碍物的机器人位形序列。

2、在实际应用中，常用的代表性路径规划方法包括基于采样的规划算法，如快速探索随机树(rrt)和概率路线图(prms)等，以及它们的各种变体。虽然基于采样的规划算法在效率和泛用性上都有着出色表现，但在受限的位形空间中，由于狭窄区域会为采样和探索过程带来计算瓶颈，其规划效率会受到严重影响。鉴于许多机器人应用，如交通、医疗保健和本文档来自技高网...

【技术保护点】

1.一种基于工作空间引导的采样运动规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于工作空间引导的采样运动规划方法，其特征在于，所述步骤S6的具体实现方法为：在状态空间知情集Cinf进行均匀采样，如果均匀采样点quni对应的末端执行器位置flocate(quni)位于活跃关键区域内，则根据flocate(quni)对应区域栅格大小设置高斯采样方差δ，以quni为中心，δ为方差进行ngau次高斯采样。

3.根据权利要求1所述的一种基于工作空间引导的采样运动规划方法，其特征在于，所述步骤S7的具体实现方法为：在标准启发函数f(q)＝g(q)+h(q...

【技术特征摘要】

1.一种基于工作空间引导的采样运动规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于工作空间引导的采样运动规划方法，其特征在于，所述步骤s6的具体实现方法为：在状态空间知情集cinf进行均匀采样，如果均匀采样点quni对应的末端执行器位置flocate(quni)位于活跃关键区域内，则根据flocate(quni)对应区域栅格大小设置高斯采样方差δ，以quni为中心，δ为方差进行ngau次高斯采样。

3.根据权利要求1所述的一种基于工作空间引导的采样运动规划方法，其特征在于，所述步骤s7的具体实现方法为：在标准启发函数f(q)＝g(q)+h(q)的基础上加入衰减因子e-αi和工作空间引导项构成工作空间引导启发函数：

4.根据权利要求1所述的一种基于工作空间...

【专利技术属性】
技术研发人员：陈彦杰，张智星，赖镇南，韩峰，范俊炜，江文圣，
申请(专利权)人：福州大学，
类型：发明
国别省市：