[发明专利]基于启发函数的服务机器人最优路径规划方法

摘要

基于启发函数的服务机器人最优路径规划方法，涉及到移动式服务机器人导航系统中的路径规划方法技术领域。解决目前常用的最优路径规划方法效率低，搜索的准确度差的技术不足，采用改进启发函数的A‑Star算法，鉴于方向角与距离量纲不同的问题，对每一个关联节点相应的距离和方向角度进行归一化处理，避免了对同一节点的重复访问，极大地缩小了搜索空间，从而缩短了算法的运行时间。本发明提出的启发函数包含了方向和距离2个因素，并且针对距离和方向两个量纲不统一的问题，提出将距离和方向归一化处理，提高了搜索效率，规划了最优路径。

主权项

基于启发函数的服务机器人最优路径规划方法，其特征在于所述方法使用的启发函数包含了方向和距离2个因素，根据：$\tilde{H}\left(n\right)={\mathrm{\α}}_1\·\mathrm{\θ}+{\mathrm{\α}}_2\·D$D＝max(|n(x)‑goal(x)|,|n(y)‑goal(y)|)式中，α₁为方向启发因子，其决定方向信息所占的权重；θ为候选节点与起点构成的矢量跟终点与起点构成的矢量之间的夹角，其反映了搜索的方向是否指向终点，θ值越小，搜索越朝着终点进行；α₂为距离启发因子，其决定距离信息所占的权重；D为候选节点与终点间的对角距离；对每一个关联节点相应的距离和方向角度进行归一化处理，改进后的启发函数可表示为：$H\left(n\right)={\mathrm{\α}}_1\·\mathrm{\θ}/\stackrel{\‾}{\mathrm{\θ}}+{\mathrm{\α}}_2\·D/\stackrel{\‾}{D}$$\stackrel{\‾}{\mathrm{\θ}}=\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{\mathrm{\θ}}_i$$\stackrel{\‾}{D}=\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{D}_i$式中，j为关联节点的个数；即先计算当前节点所有关联节点相应的方向角度值，然后求平均值；即先计算当前节点所有关联节点相应的对角线距离值，然后求平均值；所述方法实施步骤如下：1)初始化设置；构造两个链表，分别存储待扩展的节点和已扩展的节点，分别称为Open表和Close表，将起点信息加载到Open表中，Close表赋值为空，令G(n)＝0；2)搜索起点周围的8个节点，求的最小值；将节点1从Open表中删除并加载到Close表中；3)搜索离当前节点最近的节点，求F(n),(n>1)的最小值，将节点n从Open表中删除并加载到Close表中；判断节点n是否为终点，如果是，终点转向步骤5；否则转向步骤4；4)判断节点n的节点信息是否在确定的范围内，如果在范围内，则扩展节点n；否则加载节点n的节点信息并进行扩展，转向步骤3；5)从节点n开始，利用回溯的方法输出起始节点到目标节点的最优路径，以及最短距离，算法终止。