[发明专利]一种基于改进双向RRT机器人路径规划方法

说明书

本发明的目的是提供一种基于改进双向RRT机器人路径规划方法，针对RRT算法的不足，提出了一种中心圆采样策略，降低了双向RRT算法采样随机性；融入了障碍物膨胀策略，使得规划的路径和障碍物保持一定的间距，更加符合实际机器人运行路径；引入了目标偏向策略，提升算法的搜索效率；最后将规划的路径进行样条插值，使得规划的路径更加的平稳与光滑；最后将本文算法与其它算法相比较，验证了本文提出算法的有效性，本文提出的CC_BRRT算法，一定程度上减少了采样的盲目性，缩短了路径长度，减少了采样节点的数量，提升了路径的光滑性。

技术领域

本发明属于RRT算法规划路径技术领域，具体涉及一种基于改进双向RRT机器人路径规划方法。

背景技术

路径规划是移动机器人如何在多约束条件下从起始位置安全到达目标位置的关键技术，根据环境已知信息，路径规划分为局部路径规划、全局路径规划。局部路径规划是机器人在环境未知的环境下，机器人利用传感器提取周围环境信息，及时、有效的规划出从当前路径节点到下一个路径节点的安全路径。全局路径规划是机器人在环境已知的前提下，在机器人移动前规划出一条从起始位置到目标位置的无碰撞路径。

在复杂环境中，移动机器人如何高效、实时的从起始位置移动到目标位置，一直备受研究者的关注，经过多年的发展，路径规划方法已经成熟，许多方法被提出，主要分为基于图论的方法和采样的方法。基于图论的方法以Dijkstra’s算法和A*算法为代表，该类方法需要对状态空间进行离散化处理，然后再进行路径搜索，基于采样的方法以PRM算法和RRT算法为主,在状态空间中随机采样构建图形来搜索路径，基本采样的算法RRT算法与其它算法相比，收敛速度较快，而且高效的解决在未知复杂环境和高维环境下的路径规划问题；RRT算法也存在一些缺陷，由于该算法路径规划的随机性，需要在整个状态空间中进行采样，探索无效区域代价较大，而且生成的路径拐角多，甚至有的会出现小范围内直角变化，不能满足机器人的运动学模型，最邻近点的选择传统RRT算法采用欧式距离，一定程度上影响路径搜索的结果，生成的路径比较曲折，不易于机器人实际的行驶。

发明内容

本发明的目的是提供一种基于改进双向RRT机器人路径规划方法，用于提高双向RRT算法的路径搜索时间、减少采样点、生成的路径比较光滑符合实际机器人的运动。

如图1所示，本发明解决其技术问题的技术方案为：一种基于改进双向RRT机器人路径规划方法，包括以下步骤，

S1：利用障碍物膨胀技术对障碍物进行膨胀，建立地图模型，同时在地图中确定机器人的起始位置和目标位置；

对2D状态空间的机器人来说，障碍物虚拟膨胀技术，是障碍物根据机器人中心到机器人的边缘距离进行膨胀.障碍物的初始状态如图2所示，图中的圆为原始障碍物模型，膨胀后的状态为正方形，其中p为机器人中心到机体边缘的距离，本文设置为(p＝1.5),障碍物初始状态和膨胀后的空间共同构成不可通过区域。通过障碍物膨胀技术，使得规划的路径和障碍物之间保持一定的安全距离，更符合实际的机器人运行状态，而不是和传统规划的路径紧贴障碍物，不符合实际的运动状况.

S2：两个快速探索随机树T_a，T_b分别从机器人的起始位置X_start和目标位置X_goal扩展到状态空间中利用中心圆采样策略进行采样，得到随机采样点X_rand-a、X_rand-b；如图3所示以起始点和目标点连线为中心，以中心点作为圆心生成随机圆，在生成的圆上生成采样点X_rand(为便于描述，这里用X_rand指代X_rand-a和X_rand-b)，具体计算公式如下，

n∈(0,1)，