[发明专利]一种移动机器人路径规划方法、存储介质及系统

说明书

本发明涉及一种移动机器人路径规划方法，其包括建立路径规划环境模型；对路径个体进行编码；进行精英种群初始化；确定适应度函数；进行遗传操作；执行遗传精英策略，输出路径规划。本发明还提供一种存储介质及一种移动机器人路径规划系统，本发明提供的移动机器人路径规划方法、存储介质及系统可在具有回形结构的复杂地图成功规划出最优路径，且运行时间较双向RRT算法更短。

技术领域

本发明涉及城市环境识别领域，尤其涉及一种移动机器人路径规划方法、存储介质及系统。

背景技术

随着智能化社会的不断发展，移动机器人作为一个热点问题也被人们不断地进行研究，而机器人的路径规划问题也水到渠成的被学者进行研究。所谓路径规划就是指在存在有障碍物的空间内，机器人从起点移动到终点，并且不与障碍物发生碰撞，同时其运动轨迹要符合最优路径的要求。

目前对路径规划的方法研究已经有很多，如A*算法，蚁群算法,人工势能法，快速随机树算法RRT等,这些算法都有其自身的优缺点，在某一方面某种算法会比较适用，但是又有搜索空间大，计算复杂，局部最优等不足。

现阶段，大多数学者在研究遗传算法时是直接对遗传算法选择、交叉、变异等操作进行改进，在一般地图下，这种改进是适用的，且取得了较好的成效，当环境较为复杂时，这些算法就会失效。

发明内容

有鉴于此，本发明提供一种移动机器人路径规划方法、存储介质及系统解决道路环境识别的问题。

为了达到上述目的，本发明解决技术问题的技术方案是提供一种移动机器人路径规划方法，其包括：建立路径规划环境模型；对路径个体进行编码；进行精英种群初始化；确定适应度函数；进行遗传操作；执行遗传精英策略，输出路径规划。

进一步，所述执行遗传精英策略，输出路径规划之后，还包括进行仿真分析，验证输出的路径规划。

进一步，所述建立路径规划环境模型为，借助栅格地图在matlab中进行环境建模。

进一步，所述对路径个体进行编码为采用序号编码。

进一步，采用双向RRT算法，且加入目标偏向策略，进行所述精英种群初始化。

进一步，所述确定适应度函数时加入了机器人运行过程中路径角度大小的影响，同时考虑障碍物的数量，从而保证规划出的路径具有一定的平滑度且尽量避开障碍物。

进一步，所述遗传操作包括选择，交叉，变异三种运算。

进一步，所述精英策略为将当代种群执行完遗传操作之后计算下一代适应度值，接着将下一代种群的适应度最高的个体在遗传操作之前直接复制，替换下一代中个体适应度最差的，保证种群的数量不变。

本发明还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行移动机器人路径规划方法。

本发明还提供一种移动机器人路径规划系统，所述移动机器人路径规划系统包括处理器及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行，实现移动机器人路径规划方法。

与现有技术相比，本发明所提供的移动机器人路径规划方法、存储介质及系统具有以下有益效果：

通过将双向RRT算法与遗传算法结合的改进遗传算法，能有效增加初始化种群的多样性，形成精英种群。适应度函数中加入角度控制和障碍物系数保证路径的平滑和最优，在具有回形结构的复杂地图成功规划出最优路径，且运行时间较双向RRT算法更短。

附图说明

图1为本发明提供的一种移动机器人路径规划方法的步骤流程图；

图2为本发明提供的一种移动机器人路径规划方法的原理示意图；