[发明专利]一种动态未知环境中路径规划方法及装置

说明书

技术领域

本申请涉及自主导航技术领域，特别是涉及一种路径规划方法及装置。

背景技术

未知环境中的路径规划主要是通过局部路径的规划方法直接把传感器的数据影射到动作，现有技术中常用的未知环境中的路径规划方法主要有如下几种：

1）、栅格法，栅格法主要是将机器人工作空间分为具有二值信息的网格单元，分别表示自由空间和障碍物，但是栅格的划分直接影响其规划结果，如果栅格划分过大，环境信息储藏量小，分辨率下降，规划能力差；栅格划分过小，规划时间长，而且对信息存储能力的要求急剧增加。

2）、人工势场法，人工势场法是由Khatib提出的一种基于势场的方法，其主要是在机器人工作空间建立虚拟人工势场，通过目标点对机器人产生引力，障碍物产生斥力，使得机器人在合力作用下找出可行路径。但是，该方法却有如下几点明显的缺陷：a、机器人容易陷入因局部极小点而产生的陷阱区域。b、在相近的障碍物之间不能发现路径。c、在障碍物前振荡。d、一些参数也要通过试验调整。e、当目标点距离障碍物很近时目标不可达，因而利用人工势场法常导致规划的失败。

3）、遗传算法，遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化的搜索算法，它具有简单、隐含并行性和全局优化等优点，对于传统搜索方法和非线形问题具有良好的适用性，但是遗传算法运算速度不快，进化众多的规划要占据较大的存储空间和运算时间，而且由于常规遗传算法本身存在的一些缺陷（如解的早熟现象、局部寻优能力差等），保证不了对路径规划的效率和可靠性的要求。

4）、模糊控制算法，模糊控制算法则是把传感信息和目标模糊化,利用隶属度函数控制机器人运动,其是一种未知环境下的高级机器人模糊导航方法,由8个不同的超声传感器来提供环境信息,然后利用基于模糊控制的导航器来计算这些信息并规划机器人路径。虽然该方法在环境未知或发生变化的情况下,能够快速而准确地规划机器人路径,但是其缺点是当障碍物数目增加时,该方法的计算量会很大,影响规划结果。

因此，亟需一种动态未知环境中路径规划方法及装置，以实现在路径规划过程中，在降低计算量、提高效率的基础上，保证全局收敛，避免陷入局部极小和震荡的问题。

发明内容

有鉴于此，本申请实施例提供一种动态未知环境中路径规划方法及装置，以实现在路径规划过程中，在降低计算量、提高效率的基础上，保证全局收敛，避免陷入局部极小和震荡的问题。

为了实现上述目的，本申请实施例提供的技术方案如下：

一种动态未知环境中路径规划方法，包括：

在机器人沿着预先设置的最优路径移动的过程中，获取预先设置的滚动窗口内的环境信息，所述最优路径为根据全局路径规划方法预先设置的一条从起点到目标点的路径；

利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径；

获取预先设置的滚动窗口内的感知信息，根据所述感知信息以及所述无碰最优路径确定一条局部路径，以实现对动态未知环境中路径的规划。

优选的，还包括：

当确定局部路径后，控制机器人根据所述局部路径行进一步。

优选的，所述预先设置最优路径的过程为：

接收用户输入的全局环境信息、机器人的起点信息以及目标点信息；

根据所述全局环境信息、起点信息、目标点信息以及与预先设置的全局路径规划方法计算一条从起点到目标点的最优路径。

优选的，所述利用所述环境信息以及预先设置的线性规划梯度方法对滚动窗口内的局部路径进行规划，选择一条无碰最优路径，包括：

将所述目标点赋值为0，所述环境信息中的其他点赋值为无穷大；

将所述目标点放入活动列表；

在预先设置的路径代价函数的每次循环中，对所述活动列表中的每一点进行操作，从所述活动列表中将该点删除并更新它的8领域点。

优选的，根据所述感知信息以及所述无碰最优路径确定一条局部路径，包括：

根据所述感知信息以及所述无碰最优路径确定局部子目标，并对动态障碍物的运动进行预测得到预测结果，所述预测结果为判断所述机器人是否会与所述动态障碍物相碰撞；

根据滚动窗口内的环境信息以及预测结果，确定向所述局部子目标行进的局部路径。

优选的，通过激光传感器获取所述环境信息以及所述感知信息。

一种动态未知环境中路径规划装置，包括：环境信息获取单元、无碰最优路径选择单元以及局部路径确定单元，其中，