[发明专利]基于A*算法的伴随机器人增量路径规划方法及系统

说明书

本发明公开了基于A*算法的伴随机器人增量路径规划方法及系统，构建环境地图：根据实际场景构建二维占据栅格地图，将每一个栅格标记为障碍区域或可行区域；伴随机器人以及可移动目标点的初始化：在栅格地图中设定伴随机器人和可移动目标点的初始坐标位置；为机器人建立滑动窗口；基于A*算法和增量路径规划方法对伴随机器人的路径进行规划。其采用上一时刻路径进行增量式路径更新，节省路径规划的时间，提升伴随机器人的反应速度，及时避开新的障碍物。

技术领域

本发明涉及伴随机器人领域，特别是涉及基于A*算法的伴随机器人增量路径规划方法及系统。

背景技术

伴随行走作为典型的移动机器人人机协作方式，其既可解除遥控机器人带来的繁琐的操作负担，又能充分发挥移动机器人在复杂环境下的灵活性与适应性，因而研究移动机器人的伴随行走功能具有较强的现实意义。

目前许多专利文献都对伴随行走机器人开展了研究，然而其侧重点往往集中于机器人如何识别目标，而对跟随行走过程中的重点一环——路径规划却鲜有研究。现今机器人领域普遍采用的路径规划方式为基于栅格的路径规划算法，该种规划方法将环境用规则化的栅格进行表示，并把路径规划转化为对联通栅格的搜索问题。

A*算法是该类算法中应用最广泛的一种，它可以搜索出连接起始点与目标点的最优路径。但A*是一种静态搜索算法，这意味着当环境发生变化时该算法不得不从起点开始重新规划。实际应用时由于环境变化往往发生在局部范围内，因此这种从起点开始的重规划方式会引起相同路径的重复规划从而导致路径搜索效率的下降。

为解决该问题D*算法首先被提出，它结合了启发式搜索与增量式搜索的优点。其后又出现了D*Lite算法，该算法是D*算法的简化版，此外还有LPA*、ARA*的改进算法。上述改进算法在特定条件下均可搜索出起点到目标点的最优路径，然而它们都要求机器人的起点与目标点至少有一个是固定状态。

对于伴随机器人而言，由于伴随机器人均需要跟随主人行走；其探知的环境信息会随着伴随机器人位置的变化而实时更新，这导致路径规划的起点与目标点不再是固定的地理坐标，因而上述各种算法均不适用于伴随机器人的应用环境，据发明人了解，现有伴随机器人的路径规划算法，比较浪费时间，浪费伴随机器人自身能耗，且算法运行时间长导致机器人反应速度慢，路径规划后遇到新的移动障碍物，无法及时调整路线；为此需设计出一种快速有效的路径规划算法来提高伴随机器人在复杂环境下的适应性。

发明内容

为了解决现有技术的不足，本发明提供了基于A*算法的伴随机器人增量路径规划方法及系统，其采用上一时刻路径进行增量式路径更新，节省路径规划的时间，提升伴随机器人的反应速度，及时避开新的障碍物。

作为本发明的第一方面，提供了基于A*算法的伴随机器人增量路径规划方法；

基于A*算法的伴随机器人增量路径规划方法，包括：

构建环境地图：根据实际场景构建二维占据栅格地图，将每一个栅格标记为障碍区域或可行区域；

伴随机器人以及可移动目标点的初始化：在栅格地图中设定伴随机器人和可移动目标点的初始坐标位置；对障碍区域进行膨胀处理；为机器人建立滑动窗口；

伴随机器人的路径规划步骤：

步骤(1)：伴随机器人将可移动目标点的当前位置在滑动窗口中的投影点作为新目标点，伴随机器人按照A*算法进行路径搜索得到伴随机器人与新目标点之间的最优路径；伴随机器人根据最优路径进行行走；滑动窗口以伴随机器人为基准，随着伴随机器人的移动而移动；

步骤(2)：按照设定时间间隔，对滑动窗口内的栅格地图进行更新，对可移动目标点的当前位置在滑动窗口中的投影点进行更新，并对步骤(1)的最优路径在滑动窗口内进行平移；