[发明专利]一种能耗约束下多策略融合的移动机器人路径平滑方法

权利要求书

1.一种能耗约束下多策略融合的移动机器人路径平滑方法，包括open表中存储待被搜索的节点，close表中存储已被搜索过的节点，cacu表为临时存储表，f(n)为估价函数，有f(n)＝g(n)+h(n)，g(n)为从起始节点到当前节点n的实际代价，有g(n)＝Ep+Eh+Ef+Ek，其中Ep表示移动机器人在作业过程中能耗受约于电机效率损失的能量，Eh表示移动机器人在作业过程中能耗受约于地面起伏时的势能，Ef表示移动机器人在作业过程中能耗受约于滚动摩擦阻力消耗的能量，Ek表示移动机器人在作业过程中能耗受约于速度变化和转弯消耗的能量；h(n)为从当前节点n到目标节点的预估代价；改进lazy theta*算法第一次规划路径平滑模块，最优节点A*算法模块，三次均匀B样条曲线法第二次规划路径平滑；仿真实验验证，路径长度表示移动机器人在作业过程中经历的路径距离，能量消耗表示移动机器人在作业过程中所消耗的总能量，单位距离能耗表示移动机器人在作业过程中能量消耗和路径长度的比值，单位距离能耗数值小表示移动机器人在作业过程路径优化综合效果优，其特征在于，一种能耗约束下多策略融合的移动机器人路径平滑方法，具体流程步骤如下：

步骤1.1：开始，如果是首次循环，则起点作为当前节点n，跳转至步骤1.4，否则继续往下执行；

步骤1.2：执行改进lazy theta*算法第一次规划路径平滑模块，具体步骤如下：

步骤2.1：如果cacu表是空表，从open表找到离目标点最近的f(n)值最小的节点作为当前节点n，跳转至步骤1.3，否则继续往下执行；

步骤2.2：找到cacu表中f(n)值最小的节点，将该f(n)值最小的节点作为当前节点n；

步骤2.3：判断当前节点n是否有祖父节点，若当前节点n有祖父节点，继续往下执行，否则跳转至步骤1.3；

步骤2.4：搜索当前节点n与其祖父节点径直方向上所有栅格，计算当前节点n与其祖父节点两点直线距离上经过的栅格坐标；

步骤2.5：判断这些栅格中是否存在障碍物，若存在障碍物，则重选祖父节点，返回步骤2.4，否则继续往下执行；

步骤2.6：计算当前节点n的祖父节点到当前节点n的实际代价g1(n)值；

步骤2.7：对比当前节点n的实际代价g(n)与g1(n)比较，若g(n)＞g1(n)，继续往下执行，否则，跳转至步骤1.3；

步骤2.8：更新节点n的实际代价g(n)与评估函数f(n)值，当前节点n的父节点替换为其祖父节点，完成改进lazy theta*算法第一次规划路径平滑模块，跳转至步骤1.3；

步骤1.3：将当前节点n放入close表中，之后的循环中，该节点将不会再被当作当前节点；

步骤1.4：设置空表cacu表；

步骤1.5：若open表已为空表，则寻路失败，跳转至步骤1.9，算法结束，否则继续往下执行；

步骤1.6：若当前节点n是目标节点，则寻路成功，回溯父节点，得到最终路径点，跳转至步骤1.8；否则继续往下执行；

步骤1.7：执行最优节点A*算法模块，具体步骤如下：

步骤3.1：搜寻点当前节点n的8个邻节点，如有不可越过的节点，放入close表中，否则继续往下执行；

步骤3.2：计算出该邻节点的f(n)值，更新f(n)值，设父节点为当前节点n；将f(n)值更新的邻节点放入cacu表中，更新前继节点的坐标；

步骤3.3：8邻节点查看完毕后，完成最优节点A*算法模块，跳回步骤1.1；

步骤1.8：应用三次均匀B样条曲线法第二次规划路径平滑；

步骤1.9：算法结束。

2.根据权利要求1所述的一种能耗约束下多策略融合的移动机器人路径平滑方法，其特征在于，所述仿真实验验证是在构建xoy水平面机器人作业区域在竖直方向有高度差三维地形中，启用一种能耗约束下多策略融合的移动机器人路径平滑方法，获得构建地形中机器人作业路径平滑轨迹，仿真实验的结果是在实现移动机器人路径平滑同时，在单位距离能耗实现减小，移动机器人在作业过程路径优化综合效果优。