[发明专利]一种具有概率完备性的机器人最优化点到区路径规划方法

说明书

本发明提出一种具有概率完备性的机器人最优化点到区路径规划方法，在明确机器人路径规划的起点和目标区域，以及不可通行的障碍物区域之后，栅格化表达距离场形式，通过将路径表达为一个协变代价函数在距离场内的寻找最优解的过程，路径就是最优函数的自变量，为了保证在起点和目标区域约束有效，推导出原路径规划问题的对偶形式，对该代价函数进行寻优计算，所得最优值的解就是最终路径。当此最优化求解过程陷入局部极小时，就切换到基于结合模拟退火和协变代价函数的路径规划方法，来保证路径规划的概率完备性，即提高路径规划成功率。本发明解决了传统路径规划方法更多侧重于到点的规划，不能有效解决点到目标区域规划的问题，同时藉由引入模拟退火方法与协变代价函数相结合的具有概率完备性的方法，可以确保路径规划的成功率。

技术领域

本发明属于移动机器人路径规划领域，涉及一种具有概率完备性的机器人最优化点到 区路径规划方法。

背景技术

移动机器人的路径规划是指在含有障碍物的工作空间中，按照一定的评价指标，搜索 一条可以完成指定任务的移动路径。移动机器人工作环境的描述方式主要包括栅格地图、 拓扑地图、几何地图与以上几种地图的混合地图。栅格地图一般指以大小相等或不等的方 形栅格将外部环境进行划分，根据栅格区域是否被障碍物占据将栅格进行二值划分。这种 建模方式便于计算机存储与批量处理，因为是目前最为被广泛应用的地图建立方式。

从路径规划目的性来考量，移动机器人的路径规划主要可以分为点到点和点到区路 径规划方法等。

点到点路径规划方法具有较长时间的研究历史，按照方法自身主要特性可以分为单元 分解法如A*和D*等，势场法如人工势场法和流体势场法等，以及图形学法如维诺图法及 其衍生方法。其主要特征是将机器人的运动看作从起点到终点的连续运动，通过某种算法 找到该运动可以顺畅通行的路径。

点到区路径规划方法区别与点到点路径规划方法不同之处在于，起点与后者相同，但 终止的位置不是一个固定的点，而是一个可供选择的区域。其主要方法有基于优化和基于 概率的点到区路径规划方法。这个目标区域是基于某种原则选取的目标点集合区域。目标 区域可以通过提取骨架、框架等特征的方式进行简化以提高机器人到达目标的效率和精度， 也可以在特定目标的条件下按照一定规则进行拓展或者精炼以提高规划成功率和规划效 率。显然，点到区路径规划方法比点到点提供了更多的可选路径。如果路径规划目的地不 是确定的点，显然选定一个目标区域可以更好的解决问题，例如在火星星球车想去科学家 感兴趣的目标区域时，首先应该找到到达该区域的最佳路径，然后再进一步锁定具体的检 查目标，如果选用点到点的路径规划方法，实际上浪费了更多的可行目标，可能引发不必 要的能量和时间浪费，而对于星球探索车辆来说，能量和时间都是有限，显然点到区可以 更好的解决此类问题。

基于优化的路径规划方法由于容易陷入局部极小导致路径并不是最优，即可能规划失 败，因此需要添加基于概率的方法来保证其概率完备性，即提高路径规划成功率。

发明内容

本发明的主要目的找到一条连通起点到目标区域的最优路径，提供给移动机器人作为 前进的依据。本方法将路径规划视为优化理论中的线性规划问题，并将代价函数结合其中， 进一步推导得到在线性目标区域约束下的对偶问题，通过求解对偶问题，可以解出满足目 标区域约束，并且连通起点到目标终点，同时躲避障碍的最优路径。此处的最优路径即为 同时满足路径长度较短而且路径较为平滑以便机器人顺畅跟踪的路径。而确保最优路径的 代价函数，由随着每次迭代生成的路径协变的目标代价函数和平滑代价函数构成，二者都 对路径变化产生影响。当基于优化的路径规划方法陷入局部极小时，就切换到基于概率的 路径规划方法，本发明引入了模拟退火方法结合本发明的优化方法，模拟退火方法中的代 价值求取由本发明中的最优化路径规划方法实现，来保证路径规划的概率完备性。