[發明專利]一種機器人路徑規劃方法

在審

• 申請號: 202011410005.3
• 申請日: 2020-12-04
• 公開（公告）號: CN112539751A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 馬國軍;段云龍;顧琪偉
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G06N3/00;G06F17/11;G06Q10/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 徐澍

本發明公開了一種機器人路徑規劃方法，包括：步驟1：利用柵格法對機器人的運行路徑進行全局規劃，規劃出柵格化的可通行區域和不可行通行區域；步驟2：設置預規劃路徑，以起點和終點的直線連線作為預規劃路徑；步驟3：在預規劃路徑的兩側設置誘導信息素矩陣；步驟4：沿預規劃路徑方向設置蟻群算法中的螞蟻，運用蟻群算法獲取可到達終點的數個可行路徑；步驟5：根據拐點數目、路徑長度、迭代次數從數個可行路徑中獲取最優可行路徑作為機器人行進路徑。本發明先規劃了一條連接起點和終點的預規劃路徑，并在預規劃路徑兩側分布誘導信息素矩陣，可以在運用蟻群算法時，在蟻群算法中給螞蟻以誘導方向，可以提高蟻群算法的速度。

技術領域

本發明涉及機器人的全局路徑規劃和局部的路徑規劃，特別涉及一種優化蟻群算法的機器人路徑規劃方法。

背景技術

近年來,移動機器人的路徑規劃問題成為研究熱點,其主要思路是根據能耗、路程時間等性能指標,保證在存在障礙物的環境下,規劃出--條從初始位置到目標位置的最優路徑。根據環境信息的完全已知、部分未知和完全未知等不同特點,把移動機器人的路徑規劃分為兩部分:全局路徑規劃和局部路徑規劃。

常見的全局路徑規劃算法有A*算法、Dijkstra算法、粒子群算法、柵格法等,常見的局部路:徑規劃算法有遺傳算法、人工勢場算法和模糊邏輯算法等。

A*算法作為傳統的啟發式算法,由尼爾森提出，廣泛地應用于機器人導航領域。A*算法在啟發函數的引導下可以減少搜索空間,快速搜索路徑,避免了BFS、Dijkstra算法的盲目性,缺點是在對較大場景進行路徑規劃時存在多余冗余點和拐點、計算量大、內存消耗嚴重等問題。

蟻群算法可在機器人的局部路徑規劃中，從任一起始點均由若干個螞蟻共同構造可行路徑，通過在解路徑上遺留并交換信息素，提高解的質量，進而達到優化的目的，已經成功應用于TSP等一系列組合優化問題，但蟻群算法在路徑規劃時會出現螞蟻碰撞，且會出現蟻群擁擠，難以尋找到最優路徑。

發明內容

本發明的目的在于提供一種機器人路徑規劃方法，解決蟻群算法在局部路徑內部規劃中，易出現的螞蟻在某一節點發生碰撞，以及探索路段發生路徑紊亂，導致的無法搜尋最佳最段路徑問題路徑。

為了實現上述目的，本發明采用以下技術方案：

一種機器人路徑規劃方法，包括：

步驟1：利用柵格法對機器人的運行路徑進行全局規劃，規劃出柵格化的可通行區域和不可行通行區域；

步驟2：設置預規劃路徑，以起點和終點的直線連線作為預規劃路徑；

步驟3：在預規劃路徑的兩側設置誘導信息素矩陣；

步驟4：沿預規劃路徑方向設置蟻群算法中的螞蟻，運用蟻群算法獲取可到達終點的數個可行路徑；

步驟5：根據拐點數目、路徑長度、迭代次數從數個可行路徑中獲取最優可行路徑作為機器人行進路徑。

進一步地，所述誘導信息素矩陣中的信息素濃度相同。

進一步地，所述誘導信息素矩陣中的信息素濃度沿預規劃路徑從起點至終點逐漸增加。

進一步地，所述步驟3中在預規劃路徑的兩側設置誘導信息素矩陣，所述誘導信息素矩陣呈等差分布，從起點開始至終點信息素濃度逐漸增加。

進一步地，所述步驟4的運用蟻群算法獲取可到達終點的數個可行路徑過程中還包括對拐角信息素優化過程，具體包括在螞蟻轉向后根據螞蟻轉向角度獲取用于更新的信息素濃度，將當前節點的信息素濃度減去用于更新的信息素濃度，用于更新的信息素濃度的計算公式如下：