[发明专利]一种基于蚁群算法的路径规划平滑优化方法

说明书

本发明涉及一种基于蚁群算法的路径规划平滑优化方法，属于智能机器人路径规划领域。本发明在已知的周围环境下，识别获取智能机器人周围的工作环境信息，进行栅格化matlab建模。将智能机器人的初始点、目标点与工作环境作为路径规划的初始参数；判断已知环境中障碍物的覆盖率，采用两种路径平滑优化算法来针对障碍物覆盖率多或少的两种不同状况。能够快速搜索出一条从起点到终点的最优路径，在运行时间、最短距离、迭代次数、转折角度以及平滑度上都有很大的改进，从而生成一条连接智能机器人初始点和目标点的最优路径。本发明在智能机器人路径规划领域能够有效地提高路径搜索效率，加强避障能力。

技术领域

本发明涉及一种基于蚁群算法的路径规划平滑优化方法，属于智能机器人路径规划领域。

背景技术

最近几年，随着科技的飞跃，特别是在传感器、驱动和计算机方面，移动机器人发挥着越来越重要的作用。智能机器人在移动过程中不可避免会遇到各式各样的障碍物，灵活、实时的躲开这些障碍物是衡量其性能的关键指标。具有避障功能的智能机器人拥有相当高的社会价值，被大量应用于航天、军事、制造业、医疗等领域。路径规划技术是智能机器人领域中的核心问题之一，近年来受到外界广泛关注。

蚁群算法是一种受到蚁群觅食行为的启发而来的启发式搜索算法，蚂蚁会在寻找食物的途中留下一种称为信息素的化学物质，信息素的浓度会随着经过此条路径的蚂蚁数量的增加而增强。信息素浓度越大，该条路径被选择的概率越大。基于蚁群算法的路径规划，蚂蚁会根据路径的长短释放信息素，路径较短时释放较多的信息素，路径不好时，释放的信息素会减少。算法可以根据环境的变化动态的调整路径，最终找出最优的路径。蚁群算法在进行路径规划时存在搜索停滞、局部收敛、收敛速度慢，路径生成速度慢等问题。蚁群算法的缺陷是搜索初期存在一定的盲目性，全局搜索能力不强，易陷入局部最优。

发明内容

本发明的目的在于解决当前技术不足之处，提出一种基于蚁群算法的路径规划平滑优化方法，可有效地提高路径搜索效率，加强避障能力。

本发明的技术方案为：一种基于蚁群算法的路径规划平滑优化方法，本发明在可监视区域内，先识别获取智能机器人周围的工作环境信息，将智能机器人的初始点、目标点与工作环境作为路径规划的初始参数；判断障碍物覆盖率的多或少，分别采用不同的路径索搜方法和平滑优化算法进行搜索优化。从而生成一条连接智能机器人初始点和目标点的最优或次优路径。

具体步骤如下：

建立路径规划的初始参数：

首先设置智能机器人所处的状态空间C(工作环境)中的静态障碍物随机分布，大小不一；再确定智能机器人在状态空间C中的初始点x_i和目标点x_g位置。其中，状态空间C指代工作环境；状态空间C由自由空间和障碍空间构成，障碍空间由静态障碍物构成，自由空间表示除障碍空间之外的空间；初始点x_i和目标点x_g位于自由空间。

判断障碍空间占据整个状态空间C的比例，从而进行采用不同的搜索策略以及平滑优化方式。

当判断出障碍物较少时，低于整个状态空降的50%，采用第一种基于改进蚁群算法的路径搜索算法：采用双向蚁群搜索算法，既所有蚂蚁分成数量相同的两组，分别从起始点和终止点同时相向搜索路径。在搜索中，若两组蚂蚁中有蚂蚁相遇，则连接相遇蚂蚁所走的路径即为一条可行路径；或者有蚂蚁自己走完从起始点到终止点的某一条全程路径，则该路径也可作为可行路径。

对于障碍物覆盖率比较低的，为了获得更好的路径规划效果，对蚁群算法得到的最优路径进行平滑处理。将路径中的两个不在同一条直线上的节点连线，判断当前连线是否穿越障碍物，如果不穿越障碍物，则此连线就是新的路径，并将中间节点剔除，否则路径不作更改。按此方法，依次判断路径中所有符合条件的节点，并剔除不必要的连接节点。路径中是否存在障碍物是依据以下步骤判断：