[发明专利]一种基于可视图引导的移动机器人规划方法

说明书

本发明涉及机器人技术领域，更具体地，涉及一种基于可视图引导的移动机器人规划方法。利用可视图法建立规划引导区域限制快速随机扩展树(RRT)扩展，通过建立小车运动学模型，约束随机树生成形状，同时利用8邻域最近邻节点查找方法加速随机树生成，获得随机树后通过计算得到符合移动机器人运动规律的路径，最后对路径优化提高路径质量。在传统的速随机扩展树规划算法中，规划的路径无法满足轮式机器人的运动学约束，同时随着随机树的结构变大，随机树生成效率低。因此对无人车进行运动学建模，然后结合8邻域最近邻节点查找方法，短时间内获得符合无人车运动学模型的随机树，并通过路径优化得到起点到终点的最优路径。

技术领域

本发明涉及机器人技术领域，更具体地，涉及一种基于可视图引导的移动机器人规划方法。

背景技术

移动机器人因其具备替代人类完成危险和重复性工作的能力而具有十分重要的科学研究价值。而在移动机器人领域上，路径规划一直是机器人自主导航中一项关键技术，然而复杂的外部环境，实时的计算要求等对移动机器人的路径规划算法提出了较高的挑战。针对移动机器人的路径规划方法应能应对复杂多变的环境的同时响应多样化的决策需求，提出了一种针对移动机器人的路径规划方法。

发明内容

本发明为克服上述现有技术中的缺陷，提供一种基于可视图引导的移动机器人规划方法，能够提高规划路径的质量。

为解决上述技术问题，本发明采用的技术方案是：一种基于可视图引导的移动机器人规划方法，包括可视图引导域生成、改进的快速扩展随机树(RRT)和路径优化；

所述的可视图引导域生成基于可视图法对障碍物环境进行建模，然后通过最短路径搜索方法获取起点到终点的参考路径，然后生成参考区域即可视图引导域；

所述的改进的快速扩展随机树基于快速扩展随机树规划方法，首先建立无人车规划运动模型，先随机获取采样点，通过8邻域最近邻节点方法确定采样点与随机树中最近的节点，然后根据无人车运动模型判断新节点是否插入随机树；

所述的路径优化基于前面两个部分得到随机树后获取规划路径，然后通过路径简化和路径平滑对初步路径进行优化，以提高规划路径质量。

本发明是基于快速随机扩展树(RRT)算法，结合可视图法生成引导域的移动机器人规划算法。本发明建立了移动机器人的运动模型，并利用可视图法建立引导区域，同时改进传统RRT算法流程，最后通过对规划路径进行简化与平滑，得到了规划效率高的机器人路径规划算法，能够在一定时间内获得符合机器人运动学规律的路径。

传统RRT算法探索环境时具有盲目性，过度探索无关区域，因此利用可视图法建立初步规划路径区域；在本发明中，建立小车运动学模型是关键一步，根据模型，建立的随机树形态必须满足无人车运动模型，使规划的路径可用；随机树建立是个随机过程，规划的路径为多弯曲路径，因此利用路径简化步骤，简化不必要的路径点，缩短路径长度，提高路径质量；RRT算法规划的路径为折线路径，无法满足机器人运动学规律，因此利用B样条函数对折线路径进行平滑，使路径切实可用。

进一步的，本发明提出的基于可视图引导的移动机器人规划方法具体包括以下步骤：

S1.从移动机器人预制环境地图和起始点信息，根据可视图法建立可视图引导区域；

S2.获取引导域后利用改进的RRT算法在引导域内建立随机树；

S3.根据随机树获取从起点到终点的规划路径，通过对规划路径进行路径简化和平滑获取最后路径。

进一步的，所述的步骤S1具体包括：

S11.在路径规划前规划算法需获得环境障碍物信息与规划算法所需的起点位置Pstart和终点位置Pgoal；