[发明专利]融合人工势场和随机树的APF-RRT方法和装置

说明书

本申请涉及一种融合人工势场和随机树的APF‑RRT方法、装置、计算机设备和存储介质。所述方法包括：基于作战态势地图进行路径规划时，在确定起点和目标点之后，首先通过人工势场法控制智能体从起点朝着目标点移动，当检测到智能体陷入死锁状态时，通过RRT算法控制智能体移动，直到找到从起始点到目标点的路径规划数据包。通过本发明的方案，结合人工势场法计算复杂度低、目标性强和实时性高的优点，以及快速扩展随机树法能够有效逃离局部最小值的优势，使得障碍物能够顺利抵达目标点。

技术领域

本申请涉及人工势场中进行路径规划技术领域，特别是涉及一种融合人工势场和随机树的APF-RRT方法、装置、计算机设备和存储介质。

背景技术

传统的人工势场法，虽然有着运算速度快、不需要较多的先验知识的优点，在不发生死锁的情况下，在人工势场中规划的路径通常是最优路线。但正因如此，在动态不完全信息的环境中，人工势场法这“良好的”稳定性却略显颓势，因为动态环境中的随机性和这种稳定性是相悖的。在作战地图上进行路径规划时，作战态势瞬息万变，显然，传统的人工势场法不能满足作战地图上路径规划的需求，存在适应性不佳的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够适应于在动态不完全信息的态势下进行路径规划的融合人工势场和随机树的APF-RRT方法、装置、计算机设备和存储介质。

一种融合人工势场和随机树的APF-RRT方法，所述方法包括：

获取作战态势地图，在所述作战态势地图中确定起点、目标点、障碍物信息；

根据所述目标点和所述障碍物信息，通过人工势场法控制智能体从所述起点朝着所述目标点移动；

当检测到智能体陷入死锁状态时，以智能体当前位置为起始点，通过快速扩展随机树算法构建以所述起始点为根节点的随机树；

根据所述随机树进行遍历查询，直到找到从所述起始点到所述目标点的路径规划数据包。

在其中一个实施例中，还包括：根据所述目标点和所述障碍物信息，通过改进的人工势场法控制智能体从所述起点朝着所述目标点移动；所述改进的人工势场法中排斥势场为修正排斥势场，所述修正排斥势场为：

其中，k_rep为所述修正排斥势场正相关增益因子，X为所述智能体的当前位置，X₀为所述局部最小值点的位置，ρ₀为所述修正排斥势场最大影响距离，ρ(X,X₀)＝||X₀-X||为智能体与阻碍物的距离，ρ(X,X_g)＝||X_g-X||为智能体与目标的距离。

在其中一个实施例中，还包括：当检测到智能体陷入死锁状态时，以智能体当前位置为起始点，通过RRT-GoalBias算法构建以所述起始点为根节点的随机树。

在其中一个实施例中，还包括：所述RRT-GoalBias算法中随机采样点被替换为目标点的概率设置为0.2。

一种融合人工势场和随机树的APF-RRT装置，所述装置包括：

初始化模块，用于获取作战态势地图，在所述作战态势地图中确定起点、目标点、障碍物信息；

人工势场法路径规划模块，用于根据所述目标点和所述障碍物信息，通过人工势场法控制智能体从所述起点朝着所述目标点移动；

RRT法路径规划模块，用于当检测到智能体陷入死锁状态时，以智能体当前位置为起始点，通过快速扩展随机树算法构建以所述起始点为根节点的随机树；根据所述随机树进行遍历查询，直到找到从所述起始点到所述目标点的路径规划数据包。