[发明专利]一种融合预测的改进Multi-RRT路径规划方法及AGV小车

说明书

本发明公开了一种融合预测的改进Multi‑RRT路径规划方法及AGV小车，本发明通过改进Multi‑RRT与稀疏矩阵的多目标路径规划算法生成实时最优路径指令，同时将该运行指令发送给智能物流车，由智能物流车进行执行。本发明可应用于智能物流仓储或智能工厂等多机器人多目标点协同工作路径规划场景中。在保留路径选择随机性的同时能够加快算法收敛速度，尤其适应于大型空旷环境下多传感器节点的场景。

技术领域

本发明涉及路径规划技术领域，特别涉及一种融合预测的改进Multi-RRT路径规划方法及AGV小车。

背景技术

RRT是一种多维空间中有效率的规划方法。它以一个初始点作为根节点，通过随机采样增加叶子节点的方式，生成一个随机扩展树，当随机树中的叶子节点包含了目标点或进入了目标区域，便可以在随机树中找到一条由从初始点到目标点的路径。在此基础上，提出基于RRT的多目标路径规范方法即为Multi-RRT方法，但该方法的计算量较大，冗余度较高，效率较为低下。

发明内容

本发明的目的在于，提供一种融合预测的改进Multi-RRT路径规划方法及AGV小车。本发明提高了多目标路径的计算效率，减少计算冗余，具有高效性的优点。

本发明的技术方案：一种融合预测的改进Multi-RRT路径规划方法,包括如下步骤：

步骤A：首先获取多个AGV小车与多个目标点的位置信息，将其转化为位置矩阵P，并将多个AGV小车的位置信息构成出发点集合，从出发点集合中选取出发点生成规划路径；再把不同的位置看作不同节点，AGV小车在某一个位置i会选择下一个节点位置为j的可能性表示为节点间转移概率，遍历所有的节点间转移概率构成转移概率矩阵A；

步骤B：转移概率矩阵A为对称矩阵，使用Cholesky算法将转移概率矩阵A解析分解得到环境矩阵L，环境矩阵L中元素代表各个节点之间相互选择的转移概率P_i，j；

步骤C:初始化环境矩阵L中多个AGV小车到各目标点的转移概率P_i，j，得到初始转移矩阵L¹；

步骤D:根据任意一个AGV小车当前位置和该AGV小车下一步或若干步后选择的节点对应的路径和概率计算路径期望，通过路径期望最大化得到当前节点到下一个节点的生长方向的参考值

步骤E:在生成的规划路径中找到距离步骤D中的AGV小车当前位置最近的节点X_near，在这两者连线上随机确定一个新节点X_rand，根据节点X_rand确定随机方向

步骤F:把参考值和随机方向结合，确定下一节点生长方向

步骤G:根据总路径代价最小的原则，迭代计算AGV小车每一步需走的步长；

步骤H:判断当前AGV小车在生长路径中的当前节点能否连接到目标点，如果不能则进入下一个节点，再重复上述步骤A-G，迭代计算出多个AGV出发点到多个目标点的路径；如果已经连接到终点，则从连接目标点的节点开始不断找出其父节点，直到找到起点，从而确定从起点开始连接目标点的路径；

步骤I：判断是否已遍历出发点集合，若否则从步骤A开始选取新出发点，若是则停止计算。

上述的融合预测的改进Multi-RRT路径规划方法，步骤D中在某个节点预测下个节点或者若干步后节点对应的概率计算步骤如下：

D.1：计算以第i个节点为出发点到达若干步后的第j个节点的概率P_i，j：

P_i，j＝Prob(X_n+1＝j|X_n＝i)；式(1)；