[发明专利]面向混合地形区域不确定环境的机器人全局路径规划方法

摘要

本发明公布了一种存在混合地形和区域不确定障碍物环境的机器人全局路径规划方法，旨在保障机器人在混合地形环境下以最低风险程度完成任务。步骤如下：(1)探测并构建机器人工作环境模型，包括运动起始点和目标点、静态障碍物位置和形状、不确定障碍物的可能覆盖区域、涵盖的地形类型和区域；(2)采用包含地形可通行程度的加权可通行长度作为路径评价性能指标一；(3)采用描述不确定障碍物区域覆盖度的路径包容度作为路径评价性能指标二；(4)根据与静态障碍物之间的穿越程度构建路径可行区间，实现高效的路径可行性判断和修复；(5)提取优势路径公共片段，并用于自动生成可行性路径；(6)针对(3)和(4)给出的两个性能指标，采用多目标文化算法实现路径进化优化。

主权项

1.一种面向混合地形区域不确定环境的机器人全局路径规划方法，其特征是：具体步骤如下：步骤1：探测并确定机器人的工作环境信息，包括机器人的起始点和目标点、静态障碍物的位置和形状、区域不确定障碍物的可能覆盖区域，以及不同地面状况的类型和区域；步骤2：对机器人工作环境进行建模，根据静态障碍物的位置和形状，确定工作环境中的不可行区域；构建区域不确定障碍物的可能覆盖区域概率模型；根据各类地形（地面状况）的粗糙度和覆盖度，采用模糊规则确定各类地形的摩擦系数；采用点序列表示第i条路径各转折点的相应坐标；步骤3：确定用于评价路径优劣的两个性能指标，即该路径规划问题的目标函数为：包含地形信息的路径加权可通行长度和规避区域不确定障碍物的路径包容度；（3.1）标记机器人的起始点和目标点分别为和；采用表示路径中相邻转折点与之间的子路径长度（或距离），表示子路径所处地形的摩擦系数，则的路径加权可通行长度计算为；（3.2）采用表示子路径与区域不确定障碍物之间的距离；根据不确定障碍物概率模型，采用计算路径的包容度；步骤4：采用多目标文化算法对步骤3所确定的多目标函数优化问题进行全局优化，以得到一条最优路径，具体方法如下：（4.1）初始化种群、优势路径样本库，以及公共优势路段保留集；（4.2）对种群中的每一条路径执行以下操作：（4.2.1）判断路径与静态障碍物是否存在碰撞，即路径是否可行；如果路径不可行，则根据静态障碍物与路径之间的穿越程度，确定该路径的可行区域；对该不可行路径进行修复；（4.2.2）针对步骤3给出的路径加权可通行长度和包容度两个目标函数，分别计算每条路径的相应适应值；（4.3）对种群中所有路径按照其适应值进行非支配排序，得到其非支配序和拥挤度；（4.4）保留具有最小非支配序且最小拥挤度的路径；从种群规模为的种群中随机选取条路径，比较其非支配序；重复上述比较过程次，由比较获得的条非占优路径与最优保留路径构成种群；（4.5）将种群中的路径按非支配序和拥挤度升序排列；从排序后种群中选取前条路径作为优势路径保存到优势路径样本库；提取样本库中所有路径的公共优势路段集合；更新公共优势路段保留集；（4.6）任意选取两条路径和构成父代；记两条路径长度为和，依交叉概率随机确定一个路径转折点所在位置作为交叉点；交换父代路径和在该交叉点之后所对应路段，从而生成两条子代路径和；（4.7）任意选取一条路径作为父代；依变异概率随机确定一个路径转折点所在位置作为变异点；采用一致变异生成子代路径；（4.8）判断进化代数t是否满足知识影响间隔；若满足，则根据公共优势路段生成一条新路径，按照知识影响比例替代种群中的不可行个体或较差个体，实现在公共优势路段附近的局部搜索；式中，和分别代表路径的起始点和终止点，和代表公共优势路段的起始和终止转折点；（4.9）判断是否满足终止准则；若满足，则终止算法，并输出最优路径；否则，返回步骤(4.2)；步骤5：根据路径加权可通行长度和包容度两个目标的侧重程度，选择（4.9）获得的最优路径中的一条作为机器人移动的最终路径。