[发明专利]一种目标增量移动的移动机器人路径规划方法

说明书

本发明公开了一种目标增量移动的移动机器人路径规划方法，本发明降低了目标移动路径规划问题的复杂度，以最优性换取时间复杂度的降低来实现这一点；本发明通过引入一组搜索树的跟踪来实现，如果目标移动，这些搜索树会估计需要重新计算哪些节点；同时利用以前的规划数据在目标移动的情况下更新路径，通过牺牲路径的最优性来降低问题的运算复杂度，从而节省了重新规划的时间，达到快速路径规划的需求；规划方法试图遵循即时最优路径，这样使整体路径长度的减少。本发明涉及路径规划领域，本发明可用于自动化的机器人实现对移动目标的追踪。

技术领域

本发明涉及路径规划技术领域，更具体的，涉及一种目标增量移动的移动机器人路径规划方法。

背景技术

在运动规划领域中路径规划是一重要分支，一般的路径规划方法处理复杂环境的能力明显不足，极易受环境空间维数、实际环境的复杂度及需要处理的信息量等的影响。如需要处理复杂环境下的运动规划，例如无人飞机导航中最优路线的实现，常需要超级计算机的支持，对计算机运算速度有较高要求。近年来，一些优秀运动规划方法相继被提出。时至今日，各种方法的完备性都有待讨论，但其可操作性和实用性是毋庸置疑的，即都能够在一定条件下实现运动规划。

然而这些方法大都有如下特点:第一，最优式运动规划算法的计算时间随问题规模的变大而爆炸式增长，即产生所谓的维数灾难；第二，一般的规划问题都是NP-hard(non-deterministic polynomial-hard，非确定性多项式困难问题)，这意味着不存在已知的多项式时间算法来求取最优解。基于上述原因，一般规划问题往往先采用启发式算法构建模型，再在此基础上采用最优式算法来获取问题的次优解。因此启发式的路图方法是当今路径规划运用较多的方法。

用于评估路径规划器的指标包括：完整性、最优性和复杂性。完整性是指从起点到目标是否存在路径，算法会找到它；如果路径不存在，也会告诉你。最优性与规划方法寻找最短路径的能力有关。空间复杂度是算法规划路径所需内存的度量，时间复杂度是算法找到解决方案所花费的时间。关于复杂度的一个例子如下：如果当场景中目标移动时，需要很长时间来重新生成路径，且不能确定目标精确的动态，接下来扩展新的路径时，新路径有可能是无效的，因为目标可能在计算过程中移动了太多。

在这样的单元分解环境中，以前的一些移动目标路径规划算法用的是A*算法。还有的是D*算法，用于部分已知环境，障碍物移动或动态变化的环境。也有使用移动目标D*Lite算法，它利用D*算法生成的数据来减少在重新计划期间重新计算的节点，同时保持最优性。这些运动目标算法利用初始路径规划过程中收集的信息进行重新规划。当感知到环境中的变化时，这些增量算法就会重新规划它们的路径。另一个移动目标路径规划算法是移动目标搜索与压缩路径数据库，或MTScopa通过创建更深入的初始搜索，减少了重新规划的复杂性。现有的几种算法通过创建次优路径的假设，降低了静态目标动态环境的重新规划的复杂性。使用小波多分辨率路径规划可以通过改变网格单元的分辨率来实现这一点，并且以路径长度增加3％到34％为交换条件，可以获得高达50倍的性能提升。MOD*Lite是一种用于动态环境的多目标算法，与其他算法相比，该算法可以大大减少计算时间。HPA*还简化了环境，降低了重新规划初始路径的复杂性，同时牺牲了最优性。

发明内容

本发明的目的在考虑上述问题后提供一种以降低目标移动路径规划问题的复杂度指标的方法，以最优性换取时间复杂度的降低来实现这一点，通过引入一组搜索树的跟踪来实现的，如果目标移动，这些搜索树会估计需要重新计算哪些节点，规划方法试图遵循即时最优路径，这样使整体路径长度的减少。

为实现上述本发明目的，采用的技术方案如下：一种目标增量移动的移动机器人路径规划方法，所述该方法包括以下步骤：

S1：环境建模