[发明专利]移动机器人全局平滑路径规划方法

说明书

本发明涉及一种移动机器人全局平滑路径规划方法，其步骤包括：根据移动机器人的工作环境，进行环境建模，以路径安全且最短为原则建立待优化的目标函数，基于自适应粒子群算法进行移动机器人的路径规划，根据优化结果输出移动机器人的运动路径，采用贝塞尔曲线对移动机器人的运动路径进行平滑处理。本发明采用自适应粒子群算法与贝塞尔曲线相结合，稳定性和鲁棒性强，能够有效地提高搜索效率，缩短路径长度，符合人工规划意图，并且本发明需要调整的参数少，模型简单，适用于各种移动机器人在复杂环境下的全局平滑路径规划。

技术领域

本发明属于机器人技术领域，涉及移动机器人技术，具体地说，涉及一种移动机器人全局平滑路径规划方法。

背景技术

自20世纪60年代移动机器人诞生以来，机器人技术因其在材料运输、医疗辅助、产品装配、工业制造等领域的广泛应用而引起了越来越多的研究关注。其中，路径规划是移动机器人领域中最重要的课题之一。路径规划的主要目的是在复杂障碍物的工作环境下为移动机器人寻找一条从初始位置到目标位置可行且最佳的路径。作为移动机器人导航的最基本环节之一，路径规划结果的优劣直接决定着移动机器人的实用性及综合性能。

移动机器人的路径规划问题需要考虑众多因素，在寻找最优路径的过程中主要考虑以下三个重要因素：

(1)路径的可行性，即是否能有效地避开障碍物，这是机器人路径规划问题中最应该优先考虑的问题。

(2)路径的长短，规划的路径越短，机器人消耗的能量越少，实用性越强。

(3)路径的平滑度，移动机器人规划的路径具有转弯次数多和累计转折角大等问题，对规划的路径进行平滑性处理可以提高路径的质量。

目前，常用的路径规划方法包括粒子群优化算法、神经网络法、A*算法、遗传算法、人工势场法和栅格法等。这些算法都具有自身的优点，但均存在一定的局限性，例如神经网络算法和遗传算法对硬件的计算速度要求较高，实时性成为这些算法应用于实际工业机器人的难题之一；人工势场法虽然具有良好的实时性，但是存在陷阱区域；A*算法对解决单目标优化问题效果显著，但不适应于解决多目标优化问题。

现阶段已经存在诸多改进算法，可以较好地解决移动机器人的路径规划问题，但是这些算法仍存在运行时间较长、执行效率较低等缺点；而且，在规划的路径中存在转弯次数多和累计转折角大的情况，进而影响移动机器人的工作效率，降低规划路径的质量。

发明内容

本发明针对现有移动机器人路径规划方法存在的上述问题，提供一种移动机器人全局平滑路径规划方法，该方法搜索路径效率高，路径长度短，路径更加平滑。

为了达到上述目的，本发明提供了一种移动机器人全局平滑路径规划方法，含有以下步骤：

利用直角坐标系对移动机器人的工作环境进行二维空间模拟，将移动机器人视为一个点，并在工作区域内运动，利用移动机器人的视觉系统感知自身的位置和障碍物的位置；采用网格划分的方式将移动机器人的工作区域分割成M×N个小正方形，每个小正方形称为网格，对每个网格进行有序编号；将现实环境的障碍物用移动机器人工作区域中的黑色网格表示；

定义从起始点到目标点的路径的距离为粒子群算法需要优化的目标函数；

自适应调整粒子群算法中的惯性权重和加速度系数，输出最大迭代时刻的全局最优适应度函数值；

采用自适应调整后的粒子群算法进行移动机器人的全局路径规划，找到可行且最优的路径点序列；

将粒子群算法找到的最优路径点序列作为贝塞尔曲线的控制点序列，利用贝塞尔曲线对规划的路径进行平滑性处理，获得移动机器人全局平滑路径。