[发明专利]一种智能运输车路径规划方法

说明书

本发明公开了一种智能运输车路径规划方法，包括：对四轴的AGV模型进行简化，求得AGV的运动学模型；将工程场景的地图处理为二维栅格地图；从外形尺寸、加速度、内部相互作用方面对AGV的运输过程进行简化；建立A*算法的代价函数、权重系数；并引入避障系数δ来满足避障要求：生成路径,并在生成过程中进行队列优化、分级寻径和避障判断；通过改进弗洛伊德算法对A*算法进行优化；考虑AGV的运动学模型对算法的影响的基础上，对A*算法进行优化，选出耗时最短的线路；本方法通过环境建模技术和A*改进算法相互配合，考虑了车辆的运动学模型，将模型带入到算法进行优化；通过相互之间的优势互补，有效的提高了算法的效率和安全水平。

技术领域

本发明属于汽车路径规划领域，更具体地，涉及一种智能运输车路径规划方法。

背景技术

智能运输车路径规划技术已经成为在区域内无人运输的应用的重要技术，其自动化程度高、效率高、成本低的优势开始运用于智能集装箱码头、智能工厂等领域。路径规划可以分为路径和规划两部分，其中连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。路径规划方法主要任务是指根据当前车辆信息、合理探索环境空间、最终规划出一条便于车辆执行、无碰撞的路径。现有的路径规划方法有模拟退火算法、人工势场法、蚁群算法、遗传算法和神经网络算法、A*算法等。

模拟退火算法一种适用于大规模组合优化问题的有效近似算法。它模仿固体物质的退火过程，通过设定初温、初态和降温率控制温度的不断下降，结合概率突跳特性，利用解空间的邻域结构进行随机搜索。具有描述简单、使用灵活、运行效率高、初始条件限制少等优点，但存在着收敛速度慢、随机性等缺陷。

人工势场法是一种虚拟力法。它模仿引力斥力下的物体运动，目标点和运动体间为引力，运动体和障碍物间为斥力，通过建立引力场斥力场函数进行路径寻优。优点是规划出来的路径平滑安全、描述简单等，但是存在局部最优的问题，引力场的设计是算法能否成功应用的关键。)

蚁群算法的思想来自于对蚁群觅食行为的探索，每个蚂蚁觅食时都会在走过的道路上留下一定浓度的信息素，相同时间内最短的路径上由于蚂蚁遍历的次数多而信息素浓度高，加上后来的蚂蚁在选择路径时会以信息素浓度为依据，起到正反馈作用，因此信息素浓度高的最短路径很快就会被发现。算法通过迭代来模拟蚁群觅食的行为达到目的。具有良好的全局优化能力、本质上的并行性、易于用计算机实现等优点，但计算量大、易陷入局部最优解，不过可通过加入精英蚁等方法改进。

上述算法都存在或多或少的问题，现有的算法的主要缺点有：同时运行同一算法得到的最优路径都不一定相同，路径一般接近于障碍物的边缘，对安全交互的问题考虑的不够充分；对算法耗时的问题没有得到有效的解决，算法的优化程度还不够，上述算法对实际AGV的环境建模考虑不够全面。

在基于栅格法的图搜索算法里面，启发式搜索A*算法原理简单，易于实现且能够满足要求，被大量应用到工程运行中，但是传统的A*算法具有运算时间长、不能保证是最优的搜索路径的问题。

发明内容

针对现有技术的以上缺陷或改进需求，为了克服上述现有技术的缺点，本发明提供了一种环境建模技术和A*改进算法相互配合，考虑了车辆的运动学模型，将模型带入到算法进行优化的智能运输车路径规划方法。

为了实现上述目的，按照本发明的一个方面，提供一种智能运输车路径规划方法，包括如下步骤：

步骤一：对四轴的AGV模型进行简化，求得AGV的运动学模型；

步骤二：将工程场景的地图处理为二维栅格地图；

步骤三：从外形尺寸、加速度、内部相互作用方面对AGV的运输过程进行简化；

步骤四：建立A*算法的代价函数、权重系数；其中权重系数采用转化的高斯分布作为系数分配；并引入避障系数δ来满足避障要求：