[发明专利]自适应地图的路径规划方法、系统、设备及介质

说明书

本发明中提供了一种自适应地图的路径规划方法、系统、设备及介质，属于数据处理技术领域，具体包括：采集目标场景的环境数据并进行预处理，得到目标数据集；将目标数据集导入匹配模型，生成匹配结果；判断匹配结果是否为稀疏类型；若是，则将目标数据导入A*算法进行路径规划并生成目标路径；若否，则将目标数据导入基于人工势场的RRT‑connect算法，选取目标场景内的多个点作为根节点建立随机树，并在每个根节点上叠加一个引力场进行节点搜索，生成目标路径。通过本发明的方案，增加了算法选择机制，在高复杂度的环境，通过人工势场去引导RRT随机树进行扩张，减少无意义的扩张的时间，提高了规划效率、适应性和精准度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种自适应地图的路径规划方法、系统、设备及介质。

背景技术

目前，路径规划是移动机器人研究的热点。科技的快速发展和自动化水平的不断提高使得机器人在生活中得到了越来越广泛的应用，机器人路径规划技术作为机器人控制的核心技术也得到了人们越来越多的关注。路径规划是机器人根据特定的环境条件与任务目的找出一条从起点到终点最优路线的技术。过去的几十年里，学者们提出了许多路径规划算法，并在实际应用中取得了良好的效果，如：人工势场法、快速探索RRT随机树算法、遗传算法、A*算法、强化学习等。根据对环境信息的把握程度可将路径规划分为全局路径规划和局部路径规划。全局路径规划根据所有地图信息进行路径规划，局部路径规划根据局部位置的障碍物分布情况，从当前节点出发选择到达某一点的最优路径。

但是现有的路径规划方法，无法适应复杂环境，或者搜索速度慢，以及大规模复杂环境中如果缺少中间点引导，则可能无法得到最优路径，甚至无法达到目标点。

可见，现有的路径规划方法存在规划效率、适应性和精准度较差的问题。

发明内容

有鉴于此，本发明提供一种自适应地图的路径规划方法、系统、设备及介质，至少部分解决现有技术中存在规划效率、适应性和精准度较差的问题。

第一方面，本发明提供了一种自适应地图的路径规划方法，包括：

采集目标场景的环境数据并进行预处理，得到目标数据集；

将所述目标数据集导入匹配模型，生成匹配结果；

判断所述匹配结果是否为稀疏类型；

若所述匹配结果为稀疏类型，则将所述目标数据导入A*算法进行路径规划并生成目标路径；

若所述匹配结果不为稀疏类型，则将所述目标数据导入基于人工势场的RRT-connect算法，选取所述目标场景内的多个点作为根节点建立随机树，并在每个所述根节点上叠加一个引力场进行节点搜索，生成目标路径。

根据本发明的一种具体实现方式，所述采集目标场景的环境数据并进行预处理，得到目标数据集的步骤，包括：

采用分组平均和滑动平均算法对所述环境数据进行数据降噪后进行归一化，得到所述目标数据集。

根据本发明的一种具体实现方式，所述将所述目标数据集导入匹配模型，生成匹配结果的步骤之前，所述方法还包括：

计算样本路径规划地图在不同算法下的执行时间作为第一维度；

计算所述样本路径规划地图的中心点与其他障碍物的距离的平均值，作为第二维度；

将所述第一维度和所述第二维度导入k均值聚类算法中进行聚类，训练得到地图与算法关联的匹配模型。

根据本发明的一种具体实现方式，所述判断所述匹配结果是否为稀疏类型的步骤，包括：

根据所述目标数据集计算稀疏程度；

若所述稀疏程度大于阈值，则所述匹配结果为非稀疏类型；