[发明专利]一种基于痕迹地图A_star算法的多机器人路径规划方法

说明书

一种基于痕迹地图A_star算法的多机器人路径规划方法，先对数据列表进行初始化，设定各机器人的优先级，按照优先级由高到低对机器人进行路径规划，将痕迹地图中的值加入估价函数中计算(当机器人优先级最高时痕迹地图值为0),当扩展栅格坐标等于终点栅格坐标时该优先级机器人路径规划结束，将路径规划完成后的机器人路径栅格坐标在痕迹地图上标记并赋值，机器人优先级降1，循环直至所有的机器人找到终点。本发明通过痕迹地图中的值来影响估价函数的值，通过增加痕迹地图降低多条路径的重合率，最终使多个机器人在同一地图中生成的多条路径尽量避免重合，间接降低同一时刻多个机器人在同一路径上运行时间，并减少在实际运行中的碰撞。

技术领域

本发明属于自主移动机器人路径规划领域，特别涉及一种基于痕迹地图A_star算法的多机器人路径规划方法。

背景技术

随着智能化技术的发展，移动机器人的应用越来越广泛。路径规划已经成为移动机器人智能导航的核心技术。移动机器人路径规划，是当移动机器人处于已知或未知的环境中，其根据自身传感器反馈的信息来感知环境，从而避开障碍物自行规划出一条最优安全运行路线。

目前，路径规划算法被广泛应用，常用的有人工势场法、概率路图法、A_star算法、Dijkstra算法、遗传算法和蚁群算法等。在众多传统算法中，A_star算法是一种基于栅格地图的路径规划算法，A_star算法采用了启发式的搜索方式具有较好的实时性，被广泛用于移动机器人路径规划上。但是，传统的A_star算法存在以下问题:对于多目标路径规划时产生不同的路径会发生重叠，这些路径重合会导致机器人在实际运行时产生碰撞。

发明内容

为了克服现有技术的不足，本发明提供一种基于痕迹地图A_star算法的多机器人路径规划方法，使多个机器人在同一地图中生成的多条路径尽量避免重合，通过增加痕迹地图降低多条路径的重合率，从而间接降低同一时刻多个机器人在同一路径上运行时间，并减少在实际运行中的碰撞。

本发明为实现上述发明目的采用的技术方案如下：

一种基于痕迹地图A_star算法的多机器人路径规划方法，包括以下步骤：

步骤1，建立数据列表MoveList,OpenList,CloseList,Parent,OrderList，以及TraceList栅格地图和Map栅格地图，其中TraceList栅格地图与Map栅格地图的大小一致且栅格坐标一一对应；

步骤2，将起点坐标和终点坐标以及地图信息上传至机器人，机器人将地图二值化处理后按照所需精度栅格化并存入Map栅格地图中，将机器人起点栅格坐标和终点栅格坐标依次存入OpenList列表中；

步骤3，将TraceList栅格地图与Map栅格地图直角坐标系化，将起点栅格坐标和终点栅格坐标分别存入OpenList列表，将机器人Robot₍₁₎，Robot₍₂₎，…，Robot_(m)按照优先级由高到低排序后存入OrderList中，赋予Robot₍₁₎优先级指针值为1，Robot₍₂₎优先级指针值为2,…,Robot_(m)优先级指针值为m，其中，Robot₍₁₎，Robot₍₂₎，…，Robot_(m)分别表示第1、2、…、m号机器人；