[发明专利]一种基于粒子群优化算法的机器人导航方法

权利要求书

1.一种基于粒子群优化算法的机器人导航方法，其特征在于，包括以下步骤：

S1、获取机器人工作环境的二维地图，二维地图包括：出发点、目的地点和障碍物，并基于二维地图建立二维坐标网格模型；

S2、在二维坐标网格模型上绘制出发点到目的地点的连线作为导向直线，并在导向直线上设置n个节点用于将导向直线分割为n+1段；

S3、根据网格点平移各被障碍物覆盖的节点，然后根据粒子群优化算法获取出发点与相邻的节点之间的优化路径、在横坐标上相邻的两个节点之间的优化路径以及目的地与最接近的节点之间的优化路径；

S4、串联所有优化路径获取出发点与目的地点之间的导航路径；

所述的步骤S3具体包括以下步骤：

S31、将出发点、n个节点和目的地点按照在导向直线上的顺序排列；

S32、将出发点作为起始点，并将与起始点相邻的节点作为目标点；

S33、判断目标点是否被障碍物覆盖；否，则将目标点作为有效目标点；

S34、是，则获取与目标点最接近的位于障碍物外的网格点作为有效目标点；

S35、根据粒子群算法获取起始点与有效目标点之间的优化路径；

S36、将起始点更新为有效目标点，然后判断各节点是否遍历结束；

S37、否，则将目标点更新为与起始点相邻的节点，然后返回步骤S33；

S38、如果步骤S36中，各节点遍历结束，则获取起始点与目的点之间的优化路径，然后执行步骤S4；

所述步骤S34中获取的有效目标点的横坐标值位于出发点横坐标值与目的地点横坐标值之间或者纵坐标值位于出发点纵坐标值与目的地点纵坐标值之间；

步骤S36具体为：将起始点更新为有效目标点，并判断是否存在横坐标值位于起始点横坐标值与目的地点横坐标值之间或者纵坐标值位于起始点纵坐标值与目的地点纵坐标值之间的节点；

步骤S37具体为：存在，则将目标点更新为横坐标值位于起始点横坐标值与目的地点横坐标值之间或者纵坐标值位于出发点纵坐标值与目的地点纵坐标值之间的节点，然后返回步骤S33；

步骤S38具体为：不存在，则获取起始点与目的点之间的优化路径，然后执行步骤S4；

所述步骤S37中，将有效目标点更新为距离起始点最近且横坐标值位于起始点横坐标值与目的地点横坐标值之间或者纵坐标值位于出发点纵坐标值与目的地点纵坐标值之间的节点；

所述的步骤S34中，有效目标点根据最小化的目标函数获取，最小化目标函数为：

，其中，sp表示出发点，表示出发点与相邻的第一个路径点之间的距离，表示第i个路径点，表示两个相邻的路径点之间的距离；路径点为导航路径上各优化路径的端点，m为路径点的数量，1≦m≦n；为第i个路径点的横坐标，为第i个路径点的纵坐标。

2.如权利要求1所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S3中获取的每一条优化路径均在横坐标方向或者纵坐标方向上缩短机器人与目的地之间的距离。

3.如权利要求1所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S1中，二维坐标网络模型中，各障碍物的映射模型由障碍物的等比例模型与围绕在所述等比例模型外周的防护区域组成，防护区域的宽度等于机器人半径根据二维坐标网络模型等比例缩放的值。

4.如权利要求1所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S3中，结合机器人半径根据粒子群优化算法获取每相邻两个节点之间的优化路径。

5.如权利要求1所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S2中，n个节点将导向直线均分为n+1份。

6.如权利要求1或5所述的基于粒子群优化算法的机器人导航方法，其特征在于，n的取值与出发点到目的地点之间的距离以及粒子群部落的大小成正比。