本发明专利技术公布了一种存在混合地形和区域不确定障碍物环境的机器人全局路径规划方法，旨在保障机器人在混合地形环境下以最低风险程度完成任务。步骤如下：(1)探测并构建机器人工作环境模型，包括运动起始点和目标点、静态障碍物位置和形状、不确定障碍物的可能覆盖区域、涵盖的地形类型和区域；(2)采用包含地形可通行程度的加权可通行长度作为路径评价性能指标一；(3)采用描述不确定障碍物区域覆盖度的路径包容度作为路径评价性能指标二；(4)根据与静态障碍物之间的穿越程度构建路径可行区间，实现高效的路径可行性判断和修复；(5)提取优势路径公共片段，并用于自动生成可行性路径；(6)针对(3)和(4)给出的两个性能指标，采用多目标文化算法实现路径进化优化。
【技术实现步骤摘要】
本专利技术涉及一种机器人全局路径规划方法，尤其是。
技术介绍
机器人路径规划是指在分布有障碍物的环境中，找到从起始点到目标点的最合理、高效的避障路径。该路径往往在某一性能方面最优，如距离最短、运动时间最短等。一个好的路径规划方案是保障机器人高效完成任务的前提。根据机器人对所处环境的掌握状况，已有规划方法可分为基于模型的全局路径规划方法和基于检测信息的局部路径规划方法。局部路径规划方法具有很好的实时性，但是无法保证机器人最終到达目标点。 研究可以保证机器人到达目标点的全局路径规划方法，已有技术包括2006年I月出版的《中国工程科学》第I期杂志“移动机器人运动规划研究综述” 一文提到的可视图法、拓扑法和栅格法等传统方法，以及中国专利说明书CN1883887(2006年12月27日公布)公开的基于虚拟场景的机器人避障路径规划方法、中国专利说明书CN101769754A(2010年7月7日公布)公开的基于类三维地图的移动机器人全局路径规划方法、中国专利说明书CN201110046641. 7(2011年2月26日公布)公开的大范围环境下基于模糊拓扑地图的全局路径规划方法等新型方法；以及利用智能优化算法来处理传统路径规划问题的方法，包括中国专利说明书CN101604166(2009年12月16日公布)公开的基于粒子群优化算法的移动机器人路径规划方法，以及中国专利说明书CN101387888(2009年3月18日公布)公开的基于ニ进制量子粒子群算法的移动机器人路径规划方法、中国专利说明书CN201110004882. 5(2011年I月10日公布)公开的ー种危险源环境下的机器人全局路径规划方法。上述全局路径规划问题具有如下特点机器人的工作环境中只存在静态障碍物，并且运行环境是单一地形，如水泥或浙青地面。针对机器人运行的地形条件而言，传统全局路径规划方法通常是在环境的路况(运行地形)一致性条件下展开，然而在机器人运行的实际工作环境中一方面，不同区域的路况往往不同，如实际运行地面存在草地、沙地、水坑等；另ー方面，各种地形的路况往往覆盖范围不同。在这种具有混合地形运行环境的机器人全局路径规划问题中，具有如下特点综合考虑地形信息，采用加权路径长度作为路径评价指标。不同类型地形及其覆盖范围会直接影响到机器人全局路径规划中的路径寻优与避障效率，该问题也是机器人在实际推广应用中可能遇到的现实问题。其次，传统全局路径规划方法在处理避障问题时，存在如下局限性对于具有区域不确定性的障碍物和固定位置及形状的障碍物不加以区分，采用传统处理障碍物的方法处理这类区域不确定障碍物时，会导致路径对此类障碍物的过渡避让，影响路径优化效果。经查相关文献，目前还没有适用于混合地形区域不确定障碍物环境的机器人全局路径规划方法。再次，现有全局路径规划方法中，大都通过在适应度函数中増加惩罚项来降低不可行路径的适应度，从而减小其被选择的概率，并通过插入可行点来对不可行路径进行修复。然而，由于插入的可行点是随机选取，可能导致修复后的路径仍然不可行，所以往往需要经过反复迭代修复，才能满足可行条件。显然，这种路径修复策略会消耗大量的计算时间，并降低路径规划效率。另外，现有方法中缺乏ー种能将路径的可行性判断和不可行路径的修复策略有机融合的一体化判断和修复机制，从而导致计算复杂度增高。
技术实现思路
本专利技术的目的是要提供一种，克服现有技术的不足，基于多目标文化算法的适于存在混合地形和区域不确定障碍物环境的高效机器人全局路径规划方法，使机器人快捷获得满意的最佳路径。本专利技术的技术解决方案一种基于多目标文化算法的移动机器人全局路径规划方法，具体步骤如下步骤I :探測并确定机器人的工作环境信息，包括机器人的起始点和目标点、静态障碍 物的位置和形状、区域不确定障碍物的可能覆盖区域，以及不同地面状况的类型和区域；步骤2:对机器人工作环境进行建摸。根据静态障碍物的位置和形状，确定工作环境中的不可行区域；构建区域不确定障碍物的可能覆盖区域概率模型；根据各类地形(地面状況)的粗糙度和覆盖度，采用模糊规则确定各类地形的摩擦系数；采用点序列(4，名，…，0丨，…0Iレ)表示第i条路径各转折点的相应坐标； 步骤3 :确定用于评价路径优劣的两个性能指标，即该路径规划问题的目标函数为包含地形信息的路径加权可通行长度和规避区域不确定障碍物的路径包容度； (3. I)标记机器人的起始点和目标点分别为,,丨和;采用3(44+;)表示路径Pi中相邻转折点oj.与4+1之间的子路径长度(或距离)，取 .+1)表示子路径 +1所处地形的摩擦系数，则权利要求1.一种，其特征是具体步骤如下步骤I:探测并确定机器人的工作环境信息，包括机器人的起始点和目标点、静态障碍物的位置和形状、区域不确定障碍物的可能覆盖区域，以及不同地面状况的类型和区域；步骤2 :对机器人工作环境进行建模，根据静态障碍物的位置和形状，确定工作环境中的不可行区域；构建区域不确定障碍物的可能覆盖区域概率模型；根据各类地形(地面状况)的粗糙度和覆盖度，采用模糊规则确定各类地形的摩擦系数；采用点序列(心4「. .4--'0I/,)表示第i条路径各转折点的相应坐标； 步骤3 :确定用于评价路径优劣的两个性能指标，即该路径规划问题的目标函数为包含地形信息的路径加权可通行长度和规避区域不确定障碍物的路径包容度； (3. I)标记机器人的起始点和目标点分别为4和,;采用d (OijO^l)表示路径-中相邻转折点与<+1之间的子路径长度(或距离)，5(0 )表示子路径 +1所处地形的摩擦系数，则夕=(^1^2的路径加权可通行长度计算为2.根据权利要求I所述的一种，其特征在于所述的步骤(3. 2)中根据步骤(2. 3)给出的区域不确定障碍物的可能覆盖区域概率模型确定路径的包容度； ①计算路径Y中任意路段, 与不确定障碍物之间的距离； ②针对不确定障碍物拍;，确定路径中距离该障碍物最近的路段，得到二者的最短距离为3.根据权利要求I所述的一种，其特征在于所述的步骤(2. 4)中基于模糊规则确定各类地形摩擦系数，具体方法如下 ①根据机器人运行环境，确定不同地形的粗糙度对机器人运行的影响程度，定义其隶属函数4.根据权利要求I所述的一种，其特征在于所述的步骤(4.2)中基于障碍物与路径之间穿越程度的路径可行性判断及修复，具体方法如下 ①确定路径Y (I)和静态障碍物之间覆盖程度的角度关系描述；若路段起点<·的切线与障碍物交于切点4./，则该切线与X轴之间的夹角构成切线角5.根据权利要求I所述的一种，其特征在于所述的步骤(4. 5)中提取公共优势路段的方式，具体方法如下 采用统计学习方法从优势路径样本库中提取获得公共优势路段，并更新公共优势路段保留集；设样本库规模为I，则公共优势路段满足6.根据权利要求I所述的一种，其特征在于所述的步骤(4.6)中的单点交叉实现路径信息交换的同时改变路径长度，具体方法如下 任意选取两条路径夕(O和1^(0构成父代；记两条路径长度分别为IPiWI和IV (O I ’ 则 ①依交叉概率在Pi(t) LI Pj'( ) I}]范围内随机确定一个交叉占； ②生成一个长度为max{|Pi (i) \,\pJ本文档来自技高网...
【技术保护点】
一种面向混合地形区域不确定环境的机器人全局路径规划方法，其特征是：具体步骤如下：步骤1：探测并确定机器人的工作环境信息，包括机器人的起始点和目标点、静态障碍物的位置和形状、区域不确定障碍物的可能覆盖区域，以及不同地面状况的类型和区域；步骤2：对机器人工作环境进行建模，根据静态障碍物的位置和形状，确定工作环境中的不可行区域；构建区域不确定障碍物的可能覆盖区域概率模型；根据各类地形（地面状况）的粗糙度和覆盖度，采用模糊规则确定各类地形的摩擦系数；采用点序列？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？表示第i条路径各转折点的相应坐标；步骤3：确定用于评价路径优劣的两个性能指标，即该路径规划问题的目标函数为：包含地形信息的路径加权可通行长度和规避区域不确定障碍物的路径包容度；（3.1）标记机器人的起始点和目标点分别为和；采用表示路径中相邻转折点与之间的子路径长度（或距离），表示子路径所处地形的摩擦系数，则的路径加权可通行长度计算为；（3.2）采用表示子路径与区域不确定障碍物之间的距离；根据不确定障碍物概率模型，采用计算路径的包容度；步骤4：采用多目标文化算法对步骤3所确定的多目标函数优化问题进行全局优化，以得到一条最优路径，具体方法如下：（4.1）初始化种群、优势路径样本库，以及公共优势路段保留集；？（4.2）对种群中的每一条路径执行以下操作：（4.2.1）判断路径与静态障碍物是否存在碰撞，即路径是否可行；如果路径不可行，则根据静态障碍物与路径之间的穿越程度，确定该路径的可行区域；对该不可行路径进行修复；（4.2.2）针对步骤3给出的路径加权可通行长度和包容度两个目标函数，分别计算每条路径的相应适应值；（4.3）对种群中所有路径按照其适应值进行非支配排序，得到其非支配序和拥挤度；（4.4）保留具有最小非支配序且最小拥挤度的路径；从种群规模为的种群中随机选取条路径，比较其非支配序；重复上述比较过程次，由比较获得的条非占优路径与最优保留路径构成种群；（4.5）将种群中的路径按非支配序和拥挤度升序排列；从排序后种群中选取前条路径作为优势路径保存到优势路径样本库；提取样本库中所有路径的公共优势路段集合；更新公共优势路段保留集；（4.6）任意选取两条路径和构成父代；记两条路径长度为和，依交叉概率随机确定一个路径转折点所在位置作为交叉点；交换父代路径和在该交叉点之后所对应路段，从而生成两条子代路径和；（4.7）任意选取一条路径作为父代；依变异概率随机确定一个路径转折点所在位置作为变异点；采用一致变异生成子代路径；（4.8）判断进化代数t是否满足知识影响间隔；若满足，则根据公共优势路段生成一条新路径，按照知识影响比例替代种群中的不可行个体或较差个体，实现在公共优势路段附近的局部搜索；式中，和分别代表路径的起始点和终止点，和代表公共优势路段的起始和终止转折点；（4.9）判断是否满足终止准则；若满足，则终止算法，并输出最优路径；否则，返回步骤(4.2)；步骤5：根据路径加权可通行长度和包容度两个目标的侧重程度，选择（4.9）获得的最优路径中的一条作为机器人移动的最终路径。728551dest_path_image001.jpg,744917dest_path_image002.jpg,554872dest_path_image003.jpg,341651dest_path_image004.jpg,888039dest_path_image005.jpg,107930dest_path_image006.jpg,608443dest_path_image007.jpg,968886dest_path_image008.jpg,340087dest_path_image009.jpg,279616dest_path_image008.jpg,234803dest_path_image010.jpg,369243dest_path_image011.jpg,624644dest_path_image012.jpg,389600dest_path_image008.jpg,661443dest_path_image013.jpg,35793dest_path_image014.jpg,703623dest_path_image015.jpg,403594dest_path_image016.jpg,897155dest_path_image005.jpg,842239dest_path_image005.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：郭一楠，程健，朱元顺，杨梅，
申请(专利权)人：中国矿业大学，
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。