[发明专利]路径规划、路径实时优化方法及装置、存储介质

说明书

本发明实施例提供一种路径规划方法，初始化树T_a、T_b，并分别以起点和目标点作为树T_a、T_b的根节点；随机采样，得到第一随机点X_rand；在树T_a中寻找距离第一随机点X_rand最近的点X_nearest；判断第一随机点X_rand与X_nearest之间的路径是否可行，若可行，则将第一随机点X_rand作为X_new；将X_new添加到树T_a中，并在树T_a中获取与X_new距离在预设范围内的点，将计算出预设范围内的点到X_new路径代价最小的点作为X_new的最佳父节点；判断X_new到所述最佳父节点的路径是否可行，若可行，则判断树T_a、T_b是否相连，若相连，则获取可行路径，并利用路径实时优化方法对所述可行路径进行实时优化。本发明实施例还提供一种路径实时优化方法及装置、路径规划装置及存储介质。利用本发明实施例可快速找到一个可行路径，并实时优化路径。

技术领域

本发明涉及数据处理领域，尤其涉及一种路径规划方法及装置、路径实时优化方法及装置、存储介质。

背景技术

本部分旨在为权利要求书及具体实施方式中陈述的本发明实施例的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着机器人行业的不断发展，机器人的运动规划越来越受到人们的广泛关注，并已应用于机器臂操作、移动机器人和自动驾驶汽车等多个领域。基本的运动规划问题就是在起点和终点之间找到一个无碰撞且路径代价最小的路径。路径规划算法已经研究了很长一段时间，人们提出了很多的改进算法来加快路径规划搜索速率、提高算法收敛速率(逼近、找到最优解的速度)以及节省计算所需内存。但是，大多数的算法都是针对静态的环境，在动态环境中不适应。机器人往往会处于较复杂的环境中，障碍物或目标不是一直静止的。有一些算法针对动态环境，但是算法搜索速度和收敛速度较慢。

发明内容

鉴于此，有必要提供一种路径规划方法及装置、路径实时优化方法及装置、存储介质，能够快速找到一个可行路径，并实时优化路径。

本发明实施例一方面提供一种路径规划方法，所述路径规划方法包括：

步骤1，初始化树T_a、T_b，并分别以起点和目标点作为树T_a、T_b的根节点；

步骤2，在预设空间内随机采样，得到第一随机点X_rand；

步骤3，在树T_a中寻找距离第一随机点X_rand最近的点X_nearest；

步骤4，利用贪婪搜索策略，判断第一随机点X_rand与X_nearest之间的路径是否可行，若判断结果为是，则进入步骤5；

步骤5，将第一随机点X_rand作为X_new；

步骤6，将X_new添加到树T_a中，并在树T_a中获取与X_new距离在预设范围内的点，将计算出预设范围内的点到X_new路径代价最小的点作为X_new的最佳父节点；

步骤7，判断X_new到所述最佳父节点的路径是否可行，若判断结果为是，则进入步骤8；