[发明专利]基于RRT-Connect改进的医用移动机器人路径规划方法

说明书

本发明公开了一种基于RRT‑Connect改进的医用移动机器人路径规划方法、系统、介质和设备，该方法根据距离代价函数判断起始点与目标点的距离，在起始点与目标点之间，通过中节点采样函数同时采样出距离相等的第二起始点和第二目标点，使得改进后的算法能同时从起始点、目标点、第二起始点、第二目标点生长出六棵随机树，每棵随机树同时向着各自的目标方向进行快速拓展。同时，在该算法中加入自适应避障重采样原则，当中节点采样函数的采样点与障碍物发生碰撞或在障碍物内部时，则放弃该节点的采样，然后根据中节点的采样位置，在该节点与相邻节点的中心位置进行重采样。解决了医用移动机器人在复杂的环境中，其路径规划时间成本开销大，很难在短时间内寻找到目标点的问题。

技术领域

本发明属于机器人路径规划领域，特别涉及一种基于RRT-Connect改进的医用移动机器人路径规划方法、装置、介质及设备。

背景技术

随着现代科技的不断进步，人们的生活水平的不断提高，医用移动机器人在医疗领域得到了深入而广泛的研究与应用。医用移动机器人是指用于医院、诊所的医疗或辅助医疗的移动机器人。医用移动机器人工作的环境比较复杂，人口比较密集，其路径规划问题一直备受关注。如何保证医用移动机器人在医疗领域的复杂环境下路径规划的时间代价函数、距离代价函数最优。同时，在已知医疗环境地图或者未知医疗环境地图中，需要解决路径规划过程中存在的障碍物因素，医用移动机器人才能完成从起始位置到目标位置的路径规划，实现安全、准确到达目标点。

现如今，路径规划算法在很多领域都得到了应用，针对不同的环境地图，人们提出了不同的路径规划算法。比较常见的路径规划算法有Dijkstra算法、Astar算法、模拟退火算法、人工势场算法等。对于复杂的医疗环境地图中，传统的路径规划算法虽然能成功地规划出一条从起始位置到目标位置的路径，但其付出的代价是巨大的，也难以达到理想的效果。同时，在解决高维空间和复杂约束的路径规划问题时，它们都难以求解出最优解，也影响算法的实时性和高效性。

RRT-Connect是一种双树结构的快速搜索随机树的算法，2000年由LaValle教授和日本东京大学的Kuffner教授联合提出。它是基于RRT(Rapidly-Exploring Random Tree)算法的基础上进行优化，具有良好的快速搜索特点，能够有效的提高搜索速度、减少搜索时间的代价函数。同时，该算法具有双向扩展的特性，能从初始位置和目标位置同时生长两棵快速扩展随机树来搜索状态空间，直到两棵树连接在一起为止。双树结构的RRT-Connect算法虽然能极大地提高搜索速度、减少搜索时间，但是对于复杂的医疗环境，其路径规划时间成本开销很大，很难在短时间内寻找到目标点。

发明内容

本发明提供了一种基于RRT-Connect改进的医用移动机器人路径规划方法、装置、介质及设备，其目的在于，其目的在于通过中节点采样函数同时采样出距离相等的第二起始点和第二目标点，然后在起始点、目标点、第二起始点、第二目标点生长出六棵随机树向前拓展，直到所有相邻随机树连接在一起后，从所有随机树中选出起始点到目标点的最优路径，完成路径规划。

本发明提供的技术方案如下：

一种基于RRT-Connect改进的医用移动机器人路径规划方法，包括如下步骤：

步骤1：在已知环境地图中，设置移动机器人路径规划的原始起始点和原始目标点；

步骤2：依据距离代价函数，获取起始点和目标点之间的距离，并基于中节点采样函数，在已知环境地图中进行等距采样，获得第二起始点和第二目标点；

步骤3：将原始起始点和原始目标点分别作为第一随机树和第二随机树的根节点，将第二起始点作为第三随机树、第四随机树的起始点，将第二目标点作为第五随机树、第六随机树的起始点，第一随机树至第六随机树均通过随机采样函数在已知环境地图中进行节点初始拓展；