[发明专利]路径规划方法、机器人及计算机可读存储介质

说明书

本发明涉及智能控制领域，公开了一种路径规划方法、机器人及计算机可读存储介质。路径规划方法，包括：构建自起始位置指向目标位置的约束向量；构建随机树；对随机树进行扩展，直至扩展至目标位置，连接根节点与目标位置形成规划路径；对随机树进行扩展，包括：获取随机树中的父节点，生成采样点，构建采样点指向目标位置的采样向量，构建父节点与采样点之间的运动路径；若小于预设阈值且不存在障碍物，则将采样点加入随机树。与现有技术相比，本发明实施方式所提供的路径规划方法、机器人及计算机可读存储介质具有减少机器人路径规划计算中的运算量、提升路径规划的效率的优点。

技术领域

本发明涉及智能控制领域，特别涉及一种路径规划方法、机器人及计算机可读存储介质。

背景技术

近年来，随着人工智能技术的进一步发展，自动控制技术应用越来越广泛，如自主型机器人、汽车自动驾驶等，其中、自主型机器人越来越成为科技界的研究热点。在机器人的自主控制中，无论是机器人的自主移动，还是机器人的手臂的控制，都需要对运动轨迹进行规划，并控制机器人和/或机器人手臂沿规划的运动轨迹移动，从而避免机器人与障碍物发生碰撞。现有技术中的机器人进行路径规划时，使用的规划算法主要是快速扩展随机树算法，通过对随机树的不断扩展，形成起始位置至目标位置的轨迹。

然而，本发明的发明人发现，现有技术中的快速扩展随机树算法在进行路径规划的过程中，运算量较大，路径规划的效率较低。

发明内容

本发明实施方式的目的在于提供一种路径规划方法、机器人及计算机可读存储介质，有效的减少路径规划计算中的运算量、提升路径规划的效率。

为解决上述技术问题，本发明的实施方式提供了一种路径规划方法，包含以下步骤：构建自起始位置指向目标位置的约束向量；以所述起始位置为根节点，构建随机树；对所述随机树进行扩展，直至所述随机树扩展至所述目标位置，连接所述根节点与所述目标位置之间的叶子节点、形成规划路径；其中，所述对所述随机树进行扩展，包括：获取所述随机树中的一个节点作为父节点，在所述父节点周围预设空间范围内随机生成采样点，构建所述采样点指向所述目标位置的采样向量，连接所述父节点与所述采样点、形成运动路径；判断所述采样向量与所述约束向量之间的向量夹角是否小于预设阈值、并判断所述运动路径上是否存在障碍物；若所述向量夹角小于预设阈值、且所述运动路径上不存在障碍物，则将所述采样点作为叶子节点加入所述随机树。

本发明的实施方式还提供了一种机器人，包括：路径规划装置，以及机械手臂；其中，所述路径规划装置包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前述的路径规划方法，以控制所述机械手臂的路径规划。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如前述的路径规划方法。

本发明实施方式相对于现有技术而言，构建自起始位置指向目标位置的约束向量，在对随机树进行扩展的过程中，随机采集到采样点后，获取采样点指向目标位置的采样向量、并计算采样向量与约束向量的向量夹角，将向量夹角小于预设阈值、且运动路径上不存在障碍物的采样点作为叶子节点加入随机树中，从而有效的减少叶子节点的数量，减少路径规划过程中计算量，提升路径规划的效率。

另外，所述将所述采样点作为叶子节点加入所述随机树后，还包括：获取所述叶子节点与所述目标位置之间的目标路径；判断所述目标路径上是否存在障碍物；若所述目标路径上不存在障碍物，则将所述目标位置加入所述随机树。