[发明专利]二维静态环境下的路径规划方法、系统、介质及存储设备

说明书

本发明属于路径规划领域，提供了一种二维静态环境下的路径规划方法、系统、介质及存储设备。其中，该方法包括以给定环境中的起始点作为随机树的根节点向目标的生长；在给定环境中随机采样并随机生成采样概率值，基于采样概率值与采样阈值的比较来对采样点进行约束；在随机树中搜索最近点并生成新节点；所述最近点为距离采样点最近的顶点；判断最近点与新节点之间的路径是否在无障碍区域，根据判断结果寻找新节点的最佳父节点或重新在给定环境中随机采样；更新随机树，判断是否达到目标点，若是，则平滑路径，得到二维静态环境下的规划路径并下发至机器人行走机构进行执行；否则继续在给定环境中随机采样。

技术领域

本发明属于路径规划领域，尤其涉及一种二维静态环境下的路径规划方法、系统、介质及存储设备。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

RRT*(Rapidly-exploring Random Tree Star)算法是快速搜索随机树(Rapidly-exploring Random Tree,RRT)的一种优化算法,简称RRT*。RRT*算法是一种经典的常用路径规划算法，在规划路径时可避免环境进行建模，复杂度低，适用于二维和三维环境。

RRT算法计算复杂度较低，不需要配置空间中障碍物的显式信息即可求解。然而，最初的RRT只关注找到计划解决方案的速度，很少考虑解决方案的最优性。RRT*算法是RRT的典型扩展，为了解决这个问题，RRT*算法引入了为新节点选择最佳父节点的过程和重新布线以优化路径的过程,随着样本数量的增加，为邻域内的新节点。该算法除了具有概率完备性外，还保证了路径搜索的渐近优化。

RRT*算法的基本步骤是：1.起始点作为随机树的根节点向目标点开始生长；2.在给定环境中随机生成一个采样点；3.找到随机树中距离采样点最近的顶点记为最近点；4.在最近点处向随机点方向生长指定步长的距离为随机树的树枝，获得新节点加入随机树；5.在以新节点为圆心指定半径的邻域内寻找到从起点到新节点路径代价最小的父节点；6.为邻域内其他顶点重新布线，使其到达起点的路径代价更低；7.循环以上步骤直到到达目标点。

RRT*算法在障碍物较多的杂乱环境有较高的搜索能力，但发明人发现，其生成的路径拐点较多，不利于移动机器人在物理层面的实现，且路径并非最短或最优路径。RRT*算法生成路径时是在给定环境中随机生成随机点，因此在狭窄环境中很难找到可行路径。虽然RRT*算法在理论上可以得到最优解，但由于有限时间内收敛速度慢，无法完成最优解的计算。此外，RRT*算法还存在收敛速度慢、效率低、代价高等问题。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种二维静态环境下的路径规划方法、系统、介质及存储设备，其能够快速规划出二维静态环境下的路径。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种二维静态环境下的路径规划方法，其包括：

以给定环境中的起始点作为随机树的根节点向目标的生长；

在给定环境中随机采样并随机生成采样概率值，基于采样概率值与采样阈值的比较来对采样点进行约束；

在随机树中搜索最近点并生成新节点；所述最近点为距离采样点最近的顶点；

判断最近点与新节点之间的路径是否在无障碍区域，根据判断结果寻找新节点的最佳父节点或重新在给定环境中随机采样；

更新随机树，判断是否达到目标点，若是，则平滑路径，得到二维静态环境下的规划路径并下发至机器人行走机构进行执行；否则继续在给定环境中随机采样。

本发明的第二个方面提供一种二维静态环境下的路径规划系统，其包括：