基于蚁群算法和单元分解法融合的全覆盖路径规划方法技术

本发明专利技术提供一种基于蚁群算法和单元分解法融合的全覆盖路径规划方法，应用于园区内完成清扫任务的无人扫地车，步骤如下：首先将激光雷达扫描到的点云转换成二维栅格地图，接着基于改进的单元分解法把栅格地图划分成若干子区域，接着在子区域内部往返遍历时引入一种转弯成本函数确定最优遍历路径，然后使用深度优先算法确定区域间的遍历顺序，最后用改进后的蚁群算法按照确定好的顺序连接子区域完成全部遍历，并进行相关实验的比较验证。实验结果表明：改进后的全覆盖遍历方法能够大幅减少重复率和转弯次数，提高收敛速度和搜索能力，缩短路径长度和能源消耗，使无人扫地车能够更节能高效地完成清扫工作。

【技术实现步骤摘要】

本专利技术属于自动驾驶全覆盖路径规划领域，具体为一种基于蚁群算法和单元分解法融合的全覆盖路径规划方法。

技术介绍

1、路径规划技术是近年来在移动机器人和车辆技术发展的背景下备受关注的研究领域，它在提高移动机器人作业效率方面发挥着至关重要的作用，并且逐渐渗透到各行各业。路径规划技术可以根据所需路径的特征分为两种类型：点到点规划和全覆盖规划。传统点对点之间的全局路径规划方法只能适用于汽车间的自动驾驶和物流运输等，无法对一个园区内道路或广场进行覆盖遍历清扫，只能实现两点之间的最优规划，而作为遍历经典方法之一的单元分解法也存在凹形区域划分过于细致而造成重复清扫率高和转弯频繁，而在实际应用当中自动驾驶车辆过多的转弯次数会影响其移动速度，需要额外的能耗和时间。因此本文提出了一种改进蚁群算法、深度优先搜索(dfs)算法和单元分解法相结合的全覆盖遍历方法。

技术实现思路

1、针对上述现有技术的不足，本专利技术提出一种基于蚁群算法和单元分解法融合的全覆盖路径规划方法，包括如下步骤：

2、步骤1)首先将无人扫地车上激本文档来自技高网...

【技术保护点】

1.一种基于蚁群算法和单元分解法融合的全覆盖路径规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于蚁群算法和单元分解法的全覆盖路径规划方法，其特征在于，所述步骤1)中对激光雷达采样的点云数据进行栅格化后，对栅格地图做出如下的假设：障碍物由黑色网格表示，将其与可用部分区分开来，把这些网格从上到下和从左到右编号，并用集合B＝{1，2，......}来表示；黑色网格单元格用1表示，白色网格单元格用0表示，其工作环境由M*N二进制矩阵表示，无人扫地车路径表示为L＝{(x1,y1),…,(xi,yi),...,(xt-1,yt-1),(xt,yt)}，起点为(x1,...

【技术特征摘要】

1.一种基于蚁群算法和单元分解法融合的全覆盖路径规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于蚁群算法和单元分解法的全覆盖路径规划方法，其特征在于，所述步骤1)中对激光雷达采样的点云数据进行栅格化后，对栅格地图做出如下的假设：障碍物由黑色网格表示，将其与可用部分区分开来，把这些网格从上到下和从左到右编号，并用集合b＝{1，2，......}来表示；黑色网格单元格用1表示，白色网格单元格用0表示，其工作环境由m*n二进制矩阵表示，无人扫地车路径表示为l＝{(x1,y1),…,(xi,yi),...,(xt-1,yt-1),(xt,yt)}，起点为(x1,y1)，终点坐标为(xt,yt)；将(xi,yi)替换为li，i＝1,...,t-1,t，则无人扫地车路径表示为l＝{l1,...,li,...,lt-1,lt}。

3.根据权利要求1所述的一种基于蚁群算法和单元分解法的全覆盖路径规划方法，其特征在于，所述步骤2)中，用改进后的单元分解法将二维栅格地图划分成若干子区域，具体步骤包括：根据二维栅格地图的边界和障碍物选取待分解的凹多边形，待分解的凹多边形不包括具有一组可以完全覆盖的平行线路径的凹多边形；将待分解的凹多边形分解为多个凸多边形，分...

【专利技术属性】
技术研发人员：施佺，彭俊祥，平鹏，陈海龙，
申请(专利权)人：南通大学，
类型：发明
国别省市：