[发明专利]一种基于动态复杂环境下的移动机器人平滑路径规划方法

摘要

本发明涉及一种基于动态复杂环境下的移动机器人平滑路径规划方法，属于机器人路径规划领域。具体步骤如下：开始；搜索最优路径；对最优路径进行平滑处理；结束。所述搜索最优路径步骤采用加入人工势场引力思想的双向RRT算法进行路径搜索，即由人工势场引力指导随机树朝着目标方向生长，避免RRT算法对全局进行随机采样；或采用改进启发函数后的双向A*算法，在距离因素的基础上增加角度因素，并将距离和角度的单位进行归一化处理，显著减少路径规划时间，提高路径的收敛速度；所述对最优路径进行平滑处理，先采用弗洛伊德平滑算法筛除冗余节点，再用三次B样条法将剩余的节点平滑连接起来，最终得到平滑的最优路径。

主权项

1.一种基于动态复杂环境下的移动机器人平滑路径规划方法，其特征在于，具体步骤为：S1：开始，S2：寻找最优路径，S3：对路径进行平滑处理，S4：结束，所述步骤S2寻找最优路径为采用包含人工势场引力思想的双向RRT算法寻找最优路径，步骤分解如下：S201，初始化起点终点，以起点和终点分别建立两棵树Ts与Tg；S202，以包含人工势场引力思想的新节点计算公式扩展Ts、Tg；S203，判断Ts、Tg是否相交于无障碍的节点，是，继续执行步骤S3，否，跳回步骤S202；所述步骤S202中所述新节点计算公式如下：xnew＝xnear+ρ*[(xrand‑xnear)/||xrand‑xnear||+kp(xgoal‑xnear)/||xgoal‑xnear||]  (1‑3)所述公式(1‑3)中，所述Xnew为要扩展的新节点，所述Xrand表示随机节点，所述Xnear为当前扩展树上距离所述Xrand最近的已知节点，所述Xgoal表示路径终点，所述ρ表示搜索步长，所述Kp为引力系数；所述步骤S203判断Ts、Tg是否相交于无障碍的节点，是指当所述Ts树搜索的新节点Xnew与所述Tg树搜索的新节点X’new距离＜ρ，且中间无障碍物时，认为两棵树相交于无障碍的节点；所述步骤S3对路径进行平滑处理包括如下步骤：S301采用佛洛依德算法对所述步骤S2获得的路径节点序列的多余节点进行筛除；S302对所述步骤S301处理后剩余的路径节点用三次B样条法进行平滑连接。