[发明专利]一种基于改进可视图构造的路径规划算法

说明书

本发明公开了一种基于改进可视图构造的路径规划算法，该算法在搜索过程借助A^*算法向目标点进行扩展，当起点和目标点之间没有障碍物时，可视为两点之间存在可达的可视线，将其添加到A^*算法的Open表中，若之间存在障碍物，则根据连线向障碍物顶点进行搜索，将其最近的两个顶点加入拓展表中，直至搜索出一条可行路径。该算法由函数初始化和路径搜索两部分组成，第一步分：在初始化过程中分别记录起点和终点，并将障碍物的可视边考虑到可视图中；第二步分：在对路径进行搜索时从起点向外扩展，构建穿越线，从而完成路径的搜索。本发明有益效果：有效的结合了可视图和A^*算法，在地图构建和搜索上效率较高，时间复杂度较小，具有很强的可行性。

技术领域

本发明属于移动机器人路径规划领域，特别涉及一种基于改进可视图构造的路径规划算法。

背景技术

路径规划是移动机器人路径规划的主要研究内容之一，其研究的方向可以分为两部分：有起点与终点之间曲线组成的路径和构成路径策略的规划。在硬件方面，随着硬件设施的不断发展，智能小车已经从最初的单片机系统发展为嵌入式的结构，其用于探测的传感器也从原来的声波发展为现在的激光、雷达以及视觉设施。在软件方面，地图的构建和路径规划是移动机器人的两个主要研究方向。路径规划的目标在于从需要进行探测的环境寻找一条从出发点到目的地点的通畅的路径。

可视图法是一种比较常见的地图构建方法，该方法是把移动机器人本身、起点和终点用质点的方式表达出来，对于环境中级联的障碍物，用凸多边形的方式连接其边界，从而忽略边界内部的可行性，只考虑障碍物组成的凸多边形顶点与边界线的信息。而在可视图下的路径规划就是寻求一条最短的可视线组合问题。

因此在地图构建的基础上，发展和改进的各种路径规划算法，如在最早时期使用的Dijsktra算法、A^*算法和D^*算法，该类算法在地图已知的情况下，通过判断路径所花费的代价，寻找最小代价，从而完成路径的搜索。近些年，由于人工智能的兴起以及更高级传感器的引入和应用，蚁群算法、神经网络和遗传算法也为路径规划提供了更广泛的选择。

发明内容

本发明的目的：在大多数的可视图的改进中，关注的点在于如何对障碍物模型进行简化合并，而忽略了最短路径求取的复杂度问题。由于可视图在构建的时候是将所有的顶点进行可视化判断，对于起点和终点之间无影响的可视边依旧需要考虑，从而在无形中增加了需要搜索的路径数量，造成了算法的冗余。

鉴于算法选取复杂度的考虑，本发明基于路径构建的角度，并考虑到可视图法在寻求路径中过程麻烦的情况，提出了一种基于搜索过程的简化可视边的地图构建方法。该方法结合可视图和A^*算法，在地图构建的时候只考虑与最优路径相关的可视边，而将其他的边舍弃掉，从而提高了算法的效率。在保证地图自身完整性的同时，极大减少了可行路径的数量而不失判断的准确性。

本发明所提出的算法不是在搜索之前建立完整的可视图，而是将可视图的建立过程融入A^*算法搜索中。搜索过程中只构造与最优路径可能有关的可视边，而忽略了大部分的可视边，提高了全局路径规划的效率。

为完成上述目的，本发明采用的技术方案是：一种基于改进可视图构造的路径规划算法，其特征在于：该算法在可视图的建立过程融入A^*算法的搜索中，步骤如下：

步骤1，初始化：对A^*算法搜索中Open表和Closed表进行初始化，将目标点G放入Open表中，将起始点S存放到Closed表中，定义f_x＝gn+hn+count×MAXDIST为评价函数，其中：MAXDIST表示访问过程中起始点到目标点可能存在的最大路径距离，gn+hn为在未被访问过的节点中选择值最小，即估计路径最短的节点扩展，gn表示起始节点到当前节点的实际路径长度，hn表示当前节点到目标节点的最短路径，count为记录当前节点的访问情况；