[发明专利]基于改进粒子群算法的机器人路径优化方法及系统

说明书

本发明公开了一种基于改进粒子群算法的机器人路径优化方法，包括：对机器人活动空间以及所述活动空间中的障碍物构建格栅化地图；将所述格栅化地图划分为障碍物区域和自由区域；根据机器人的第一路径以及优化目标构建路径优化函数；采用改进粒子群算法在所述自由区域中迭代出最优位置值，根据所述最优位置值计算机器人在所述自由区域中的最优绕行路径；其中，所述改进粒子群算法具体包括：将所述路径优化函数作为粒子的适度值函数；将动态惯性权值作为所述粒子群算法的惯性权值。本发明能够在复杂环境中进行路径优化，并提高路径优化的全局性。本发明还公开了一种基于改进粒子群算法的机器人路径优化系统和存储介质。

技术领域

本发明涉及路径优化技术领域，尤其涉及一种基于改进粒子群算法的机器人路径优化方法、系统及存储介质。

背景技术

变电站智能化建设前期主要是引入机器人取代人工进行设备巡视，巡检机器人在巡检过程中需要解决避开障碍、到达目的点位、规划路线等问题，通常采用激光、超声波雷达、视觉传感器等技术事先对变电站环境进行扫描然后再分析最优路径。

现有技术中，常见的基于改进粒子群算法的机器人路径优化方法有图搜索法、人工势场法以及粒子群算法等。然而，图搜索法和人工势场法在简单环境中可以快速收敛，但在复杂环境模型中表现不好。粒子群算法能够对含有多种复杂结构的环境进行最优路径的生成，但缺点是迭代次数较多，且起始点或权重选择不好时容易陷入局部最优解，生成的路径比较长。

因此，需要一种能够在复杂环境中进行路径优化的方法。

发明内容

本发明实施例提供一种基于改进粒子群算法的机器人路径优化方法，能够在复杂环境中进行路径优化，并提高路径优化的全局性。

本发明实施例一提供一种基于改进粒子群算法的机器人路径优化方法，包括：

对机器人活动空间以及所述活动空间中的障碍物构建格栅化地图；

将所述格栅化地图划分为障碍物区域和自由区域；

根据机器人的第一路径以及优化目标构建路径优化函数；

采用改进粒子群算法在所述自由区域中迭代出最优位置值，根据所述最优位置值计算机器人在所述自由区域中的最优绕行路径；其中，所述改进粒子群算法具体包括：将所述路径优化函数作为粒子的适度值函数；将动态惯性权值作为所述粒子群算法的惯性权值。

作为上述方案的改进，所述优化目标包括如下的至少一种：

第一路径的碰撞惩罚度、期望路径的路径长度、期望路径的路径平滑度。

作为上述方案的改进，所述将所述格栅化地图划分为障碍物区域和自由区域，具体包括：

对所述活动空间中的障碍物进行几何化处理，得到障碍物几何模块；

将所述障碍物几何模块所占据的格栅区域划分为所述障碍物区域，将除所述障碍物区域以外的格栅区域划分为所述自由区域。

作为上述方案的改进，所述在所述自由区域中构建机器人的第一路径，根据优化目标构建路径优化函数，具体包括：

设机器人按照所述第一路径与障碍物发生碰撞的次数为N_collison，计算所述第一路径的碰撞惩罚项F₁，计算方法如下式所示：

式中，m_i为所述第一路径在障碍物区域的总距离，M_i为常数；

计算期望路径的总长度F₂，计算方法如下式所示：

计算期望路径的总平滑度F₃，计算方法如下式所示：