[发明专利]一种基于ACO的ROS机器人全局路径优化方法

说明书

本发明公开了一种于ACO的ROS机器人全局路径优化方法，包括，设置蚁群算法初始参数；利用栅格策略对环境地图进行建模，根据起始点和目标点选取优选区域增加信息素初始值，结合节点与所述起始点和所述目标点的距离之和、距离比例对所述信息素进行差异化增量设置；寻找最优路径，对禁忌表进行初始化并加入所述起点，利用状态转移概率寻找下一可达节点，直至蚂蚁选取的所述节点为目标点时停止搜索；判断循环迭代次数是的达到设定值，若是，则保存信息，若否，则继续进行路径搜索；直至找到最优路径时结束。本发明大大提高算法的收敛速度和寻优效果，并通过MATLAB仿真实验，验证了改进蚁群算法对解决机器人路径规划问题的有效性和可行性。

技术领域

本发明涉及机器人全局路径优化、蚁群算法的技术领域，尤其涉及一种基于ACO的ROS机器人全局路径优化方法。

背景技术

在智能机器人发展的过程中，机器人自主避障规划在智能机器人研究领域有着举足轻重的作用，路径规划和自主避障能力是衡量机器人智能化的一个重要指标，机器人避障能力强弱和路径规划优劣直接决定着机器人智能化水平，拥有自主避障和路径规划能力就意味着机器人具有了自由移动的能力，这将大大提高机器人的工作效率和机动性，有利于机器人应用到更多的领域，而要实现机器人较好的自主避障和路径规划，优化路径规划和避障算法是重要的实现途径。因此目前对机器人路径规划和自主避障问题的研究有主要是对其算法的研究。虽然机器人经过多年的研究发展，但早期生产的机器人都没有统一的标准，很多软件难以移植使用，不同公司生产的机器人不能通用，不利于机器人的发展，而ROS(Robot operation system)机器人操作系统的出现，克服了传统服务机器人软件移植性差,不可扩展、模块化程度差等缺点，具有统一的编程、编译和执行环境，还配备可视化的调试和仿真工具，并且拥有着大量可以调用的库资源。模块化的设计思想使得原本较为复杂的机器人系统变得简单易操作，大大降低了机器人研究者的研发工作量，提升了代码复用率，如今已经在机器人领域开拓出一片新的天地，正因为ROS机器人操作系统有着众多优点和广阔的发展前景，受到机器人研究人员的追捧，已经成为广大科研人员不可或缺的研究平台。因此，对基于ROS的移动机器人的自主避障及路径规划的研究有着重要的现实意义。

随着科技的快速发展以及机器人的大量应用，人们对机器人的要求也越来越高，尤其表现在对机器人的智能化方面的要求，而机器人自主路径规划是实现机器人智能化的重要一步，全局路径规划是指在已知环境下，规划出一条从起点位置出发，无碰撞、安全到达指定目标位置的最优路径，至今为止，国内外很多学者围绕机器人路径规划开展了大量研究，如传统方法有迪杰斯特拉算法、A算法、人工势场法等，随着研究的深入，传统算法已经无法很好地解决问题，对此许多学者提出了一系列的智能算法，如遗传算法、花朵授粉算法、粒子群算法、萤火虫算法，不同的算法在不同的限定条件下有着其特有的优势，但是也存在不足之处。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于ACO的ROS机器人全局路径优化方法，能够解决传统蚁群算法寻优效果差、机器人路径规划有效性和可行性不高的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，设置蚁群算法初始参数；利用栅格策略对环境地图进行建模，根据起始点和目标点选取优选区域增加信息素初始值，结合节点与所述起始点和所述目标点的距离之和、距离比例对所述信息素进行差异化增量设置；寻找最优路径，对禁忌表进行初始化并加入所述起点，利用状态转移概率寻找下一可达节点，直至蚂蚁选取的所述节点为目标点时停止搜索；判断循环迭代次数是的达到设定值，若是，则保存信息，若否，则继续进行路径搜索；直至找到最优路径时结束。