[发明专利]一种矿区废弃地移动机器人全覆盖路径规划方法

权利要求书

1.一种矿区废弃地移动机器人全覆盖路径规划方法，其特征在于，该方法的具体步骤为：

A、获取矿区原始地图：在遥感卫星系统中获取该矿区地面的卫星地图，该卫星地图作为矿区地面的原始地图；

B、原始地图的区域分解：采用牛耕式分解法对原始地图进行区域分解，将该原始地图分解成多个不含障碍物的子区域；具体步骤为：

(1)对原始地图的图像进行腐蚀操作；

(2)对处理之后的图像遍历数组列数，判断切片连通性，返回连通性个数和连通区域；

(3)若切片连通性发生改变，采用步骤(2)返回的连通区域判断是分离事件还是合并事件，并将结果返回当前子区域存储；

(4)将划分的各个子区域在原始地图上表示；

C、确定各个子区域的遍历顺序：采用深度优先搜索算法完成对各个子区域遍历顺序的规划；具体步骤为：

(1)确定起点v：构建邻接图将各个子区域在邻接图中用各个顶点表示，选择任意一个子区域顶点作为起点v；

(2)从起点v开始访问其周围任一邻接顶点，作为顶点w₁；

(3)从顶点w₁出发，访问与顶点w₁邻接尚未被访问过的顶点w₂，以此类推，直至到达所有的邻接顶点都被访问过的最后一个顶点w_n为止；

(4)从顶点w_n进行回溯操作，退回到前一个顶点w_n-1，查看是否还有其他遗漏顶点，如果有，则访问此顶点，如果没有，从当前顶点退回前一顶点；

(5)循环上述操作，直到所有的顶点都被访问过，输出数组的顶点序列，从而确定各个子区域的遍历顺序；

D、各个子区域遍历：采用生物激励神经网络算法完成各个子区域的内部遍历以及子区域间路径转移，从而获得整个环境的完全覆盖；所述生物激励神经网络算法的具体步骤为：

首先将各个子区域地图栅格化，地图中的栅格有两种状态：自由栅格和障碍物栅格，自由栅格用“0”表示，障碍物栅格用“1”表示，每一个栅格代表一个神经元，整个地图变为由神经网络组成的拓扑状态空间，其中神经元的活性值由下式表示：

上述方程为分流方程，x_i为第i个神经元的活性值；A、B和D为非负常数，其中A代表衰减率，B代表神经元活性状态的上限，D代表神经元活性状态的下限；k代表与第i个神经元相邻的神经元个数；I_i为外部输入；其中I_i定义为：

E是一个远大于B的正常数；和[I_i]^-分别表示兴奋输入和抑制输入，w_ij＝f(d_ij)，d_ij是第i个神经元与第j个神经元所在位置处在状态空间中的欧几里得距离，f为任意的单调减函数；f定义为：

神经元在(0，r₀)的范围内有局部链接，这个范围被称为神经元i的接受域，且神经元间的连接权重是对称的，即w_ij＝w_ji；

采用生物激励神经网络算法进行点对点路径规划的具体路径为：

进行全覆盖路径规划的具体路径为：

其中，c是一个正常数，y_j是和机器人上一步所在位置p_p、当前所在位置p_c、下一步所在位置p_j相关的函数，y_j函数定义为：

其中Δθ_j∈[0,π]，它表示当前移动方向与下一移动方向之间的夹角；

E、验证规划路径的性能：设计路径代价函数，与A^*算法进行对比实验，从时间代价以及路径代价方面评价生物激励神经网络算法在子区域间路径转移的性能；所述路径代价函数由路径转移距离和路径转移时间构成，定义一系列由点组成的转移路径P:

P＝{p₁,p₂,…,p_k}

其中，p₁,p₂,…,p_k表示路径P经过的栅格坐标点，设路径P消耗的代价为C(P)，故路径代价由栅格之间的转移距离d(p_i,p_i+1)和完成这项任务消耗的时间t构成，所述路径P的转移代价由下式表示：

所述d(p_i,p_i+1)代表两栅格间的欧氏距离，取值用下式表示：

因此，区域间路径转移算法目标即为寻找一条路径P，使得C(P)满足：

C(P)＝min C(P_m)

其中，P_m是从上一个区域终点到下一个区域起始点的m条路径。