[发明专利]一种室内移动机器人增量式环境信息采样的最优路径规划方法

摘要

本发明公开了一种室内移动机器人增量式环境信息采样的最优路径规划方法，其步骤为：(1)获取周围环境信息，建立基于障碍物碰撞风险的评估概率；(2)利用增量式环境信息采样的最优路径规划算法进行路径规划；(3)室内移动机器人进行路径选择并进入新的路径规划流程。采用的增量式环境信息采样的最优路径规划算法能够根据室内移动机器人的当前状况和机器人固有的非完整约束，实时规划当前最佳路径，同时，搜索树扩展过程中的碰撞检测环境得到优化，提高了规划效率，使室内移动机器人能够快速安全有效的到达指定位置。

主权项

1.一种室内移动机器人增量式环境信息采样的最优路径规划方法，其特征在于，包括以下几个步骤：步骤1：建立已探测区域障碍物碰撞风险的评估概率模型；步骤2：进行基于增量式环境信息采样的最优路径规划；在地图范围内以起点为搜索树第一个点，以步骤1获得的评估概率模型生成的随机采样状态点进行增量式迭代扩展，产生新的树节点，并计算新的树节点的代价函数，以树节点的最小代价函数修改树结构，直到生成的路径数达到设定路径数Path_n，以所有生成路径中路径代价函数最小的路径作为潜在最优路径；步骤3：依据步骤2得到的潜在最优路径和室内移动机器人的当前位置和速度矢量，判断室内移动机器人的偏转角φ_t是否满足轮式机器人不能侧向滑动的非完整约束，从而确定室内移动机器人是否按照最优路径方向移动；若室内移动机器人的偏转角φ_t不满足轮式机器人不能侧向滑动的非完整约束，则返回步骤2；若满足，则沿当前时刻规划出的潜在最优路径方向移动，进入下一时刻的路径规划，t＝t+1，返回步骤1，直到室内移动机器人移动到目标位置，完成路径规划；所述室内移动机器人的偏转角φ_t满足轮式机器人不能侧向滑动的非完整约束是指：φ_t∈[0,60°]∪[120°,180°]；其中，p_t和p_t‑1分别为室内移动机器人当前位置和上一时刻所在位置，为在t时刻，即室内移动机器人在t+1时刻的预抵达位置；p_t‑1由p_t‑1＝p_t‑vt得到，v为设定的室内移动机器人移动速度；所述步骤2中最优路径的规划过程如下：步骤2.1：令k＝1，k表示迭代次数；步骤2.2：依据步骤1建立的障碍物碰撞风险的评估概率模型指导地图中随机采样的过程，获得随机采样状态点p_rand(k)；步骤2.3：遍历已生成树{G＝(p,e)}找出距离随机采样状态点p_rand(k)最近的树上节点p_nearest(k，₎进入步骤2.4；步骤2.4：从树上距离最近的节点p_nearest(k)向随机采样状态节点p_rand(k)方向，以步长为S_e生长出新的节点p_new(k)，将节点p_new(k)添加至已生成树中{G＝(p,e)}，计算节点p_new(k)的代价函数，并记录相应节点之间的父子关系，father(p_new(k))＝p_nearest(t)；其中，树上任意节点的代价函数按以下公式计算：其中，k_a为障碍物影响的放大系数，取值范围为[50,1000]；C为由节点p_G到其父节点father(p_G)的路径点集合；father(p_G)为p_G的父节点；F(X,Y)表示已探测区域障碍物碰撞风险的评估概率；步骤2.5：在已生成树{G＝(p,e)}中找出所有处于以节点p_new(k)为圆心，r_n为半径内的节点集合{p_near}，分别测试p_new(k)若以集合{p_near}中的节点为父节点是否会得到更小的代价函数，若更小，则以最小代价函数对应的节点作为p_new(k)的父节点，并更新节点p_new(k)的代价函数，进入步骤2.6；否则，直接进入步骤2.6；步骤2.6：判断新增节点p_new(k)与目标位置的距离是否小于树的生长步长S_e，若小于该步长且两点之间的线段无碰撞障碍，则直接将目标位置相连，形成新的路径，且以当前新增节点的代价函数作为最新路径的代价函数，路径计数器Path+1，进入步骤2.7；否则，直接进入步骤2.7；步骤2.7：测试集合{p_near}中节点若以p_new(k)为父节点是否会得到更小的代价函数，若更小，则更改该节点的父节点为p_new(k)并更新相应节点的代价函数；步骤2.8：判断路径计数器Path是否达到设定的产生路径数Path_n，若达到，则退出迭代过程，进入步骤2.9，若没达到，则k＝k+1，返回步骤2.2；步骤2.9：在已生成路径中，选择路径代价函数最小的路径作为当前时刻t的潜在最优规划路径。