[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

说明书

本发明公开了一种矿区废弃地移动机器人全覆盖路径规划方法，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；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；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；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；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。本发明具有良好的环境适应能力和避障能力，能够有效降低全覆盖路径规划实现的难度，实现矿区废弃地的全覆盖路径规划。

技术领域

本发明涉及一种全覆盖路径规划方法，具体是一种矿区废弃地移动机器人全覆盖路径规划方法。

背景技术

土地资源是人类生存和发展的载体，是进行农业生产和工业建设的基础物质条件，但中国人口众多，人地矛盾是我国面临的最主要矛盾。大量政策和法规表明：矿区废弃地土地复垦是缓解农业用地、改善矿区生态环境的重要途径。矿区废弃地环境具有复杂性，因此对土地复垦技术存在很大难度。由于移动机器人具备环境感知、行为决策及运动控制等方面的能力，被广泛应用于智能清洁、农田作业、军事探测等领域。因此，以提高土壤复垦的准确度和实时性为目标，研究矿区废弃地移动机器人全覆盖路径规划具有实际意义。

全覆盖路径规划是指机器人按照一定工作方式，在具有障碍物的环境中，无碰撞地遍历除障碍物以外的全部区域。根据环境信息的掌握程度，全覆盖路径规划可分为全局环境信息已知的全局路径规划和环境信息未知的局部路径规划。已知环境下的完全遍历路径规划算法主要包括模板模型法和单元分解法；未知环境下的完全遍历路径规划方法主要包括随机遍历法、基于传感器的方法和基于生物激励神经网络的算法。模板模型法主要通过将获取的环境信息与各个模板匹配来完成遍历，但是这种方式对环境缺乏整体规划，难以适应变化的环境。单元分解法主要包括梯形分解法、牛耕式分解法和莫尔斯分解法，该方法能够将整个环境的复杂度简化为子区域内环境的复杂度，在大型已知环境下被广泛应用。随机遍历法是一种基于无环境模型的路径规划方法，该方法清扫过程简单但会造成重复率高、覆盖率低及清扫时间过长等问题。基于传感器的方法需要通过多种传感器构建环境信息，该方法成本较高且地图创建困难。因此目前对于矿区废弃地还没有一种具有良好的环境适应能力和避障能力，并且全覆盖路径规划实现难度低的路径规划方法。

发明内容

针对上述现有技术存在的问题，本发明提供一种矿区废弃地移动机器人全覆盖路径规划方法，具有良好的环境适应能力和避障能力，能够有效降低全覆盖路径规划实现的难度，实现矿区废弃地的全覆盖路径规划。

为了实现上述目的，本发明采用的技术方案是：一种矿区废弃地移动机器人全覆盖路径规划方法，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；

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；

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；

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。

进一步，所述步骤B中牛耕式分解法的步骤为：

(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；