[发明专利]机器人三维路径规划方法

说明书

技术领域

本发明涉及机器人三维路径规划，特别涉及一种基于神经网络能量函数的自主移动的机器人三维路径规划方法。

背景技术

自主移动机器人路径规划是指机器人在有障碍物的工作环境中，寻找一条从给定起点到终点的运动路径，使机器人能无碰撞地绕过所有的障碍物。机器人路径规划问题可以分为两种，一种是基于环境先验完全信息的全局路径规划，另一种是基于传感器信息的局部路径规划，后者环境是未知或者部分未知的。全局路径规划已提出的典型方法有可视图法、图搜索法、人工势场法等。可视图法的优点是可以求得最短路径，但缺乏灵活性，并且存在组合爆炸问题。图搜索法比较灵活，机器人的起始点和目标点的改变不会造成连通图的重新构造，但不是任何时候都可以获得最短路径。可视图法和图搜索法适用于多边形障碍物的避障路径规划问题，但不适用解决圆形障碍物的避障路径规划问题。人工势场法的基本思想是通过寻找路径点的能量函数的极小值点而使路径避开障碍物，但存在局部极小值问题且不适于寻求最短路径。文献[1]给出的基于神经网络结构能量函数的路径规划算法(称为NA算法)，引入神经网络结构和模拟退火等方法，计算简单，能避免某些局部极值情况，对人工势场法给予了较大的改进。但NA算法仅适用于二维空间，本发明提出一种适用于三维空间的基于神经网络能量函数的路径规划算法。

发明内容

本发明有4点假设：(1)障碍物是三维环境中的多面体。(2)障碍物为静止的。(3)计算时障碍物的尺寸按机器人的半径作适当的扩展。

本发明的目的在于将NA路径规划算法推广到三维空间，使机器人能够在三维空间环境中规划出避障路径，并且使规划的无碰路径达到最短无碰路径。

为实现上述目的，本发明所采用的技术方案是：

定义路径总能量函数为碰撞罚函数与相应于路径长度部分能量函数的加权和，它是各个路径点的函数，通过移动路径点的位置，使其朝着使总能量函数的函数值减小方向运动，最终规划出避障的最短路径。

路径的碰撞罚函数定义为各路径点的碰撞罚函数之和，而一个点的碰撞罚函数是通过它对各个障碍物的神经网络表示得到的，其中模拟退火温度的初始温度，可根据障碍物的形状，设定相应于障碍物各边的不同的初始温度。

设置一个检测路径点位置的检测器：一个神经网络分类器，在路径规划的过程中检测路径点的位置P(x，y，z)，判断该点是否在障碍物内，即是否与障碍物相碰。

输入出发点P(x₁，y₁，z₁)及目标点P(x_N，y_N，z_N)的坐标，对于t＝0，初始路径一般取为出发点到目标点的直线上均匀分布的点列。通过检测器检测路径点P(x_i，y_i，z_i)在障碍物内或者在障碍物外，按照不同的动态运动方程，计算出相应路径点的移动位置。

附图说明

图1是一个点到一个障碍物的罚函数的神经网络。

图2是用本发明的基于神经网络能量函数的三维路径规划算法进行路径规划的仿真实验结果图。

图3是用本发明的基于神经网络能量函数的三维路径规划算法进行路径规划的仿真实验过程。

具体实施方式

本发明的基于神经网络能量函数的三维路径规划算法的路径规划具体实施方法分为如下几个步骤进行：

步骤1：定义路径总能量函数。

一条路径的碰撞罚函数定义为各路径点的碰撞罚函数之和，而一个点的碰撞罚函数是通过它对各个障碍物的三层前向神经网络表示得到的。图1表示了一个点到一个障碍物的罚函数的神经网络。输入层三个结点的输入值分别是路径点的横坐标、纵坐标和竖坐标x、y、z，中间层的每个结点相应于障碍物的一个面的不等式限制条件，输入层和中间层的连接权系数等于不等式中x、y、z前面的系数，中间层每个结点的阈值等于相应不等式中的常数项。中间层到输出层的连接权为1，输出层结点的阈值取为不等式的个数减去0.5后的负数。

该连续网络的运算关系为