[发明专利]一种基于变概率约束采样的机器人路径规划方法

说明书

本发明属于机器人路径选择技术领域，具体地说，是一种基于变概率约束采样的机器人路径规划方法，首先，通过将目标偏置机制引入采样过程，减少首条路径形成时间，从而快速生成椭球采样集，其作用可以减少搜索路径数；采用可变步长策略，减少机器人难以搜索到路径的概率；对所生成的近优路径进行回溯处理，弱化较为生硬的路径线条。藉此确保算法可以有效的提升搜索效率、减少搜索时间，并保证搜索到的路径是近优路径。

技术领域

本发明属于机器人路径选择技术领域，具体地说，是一种基于变概率约束采样的机器人路径规划方法。

背景技术

近些年来，路径规划在机器人技术的发展过程中占据着重要的地位，其主要原因是使机器人能够在当前工作环境中有效的规划出一条链接起始点和目标点的可行路径，该路径不仅需要满足一定的约束条件同时也需要达到一定的性能指标。

目前路径规划方法在机器人领域中主要分为以下几类：(1)基于搜索的路径规划，例如A*和Dijkstra算法，这类算法通过比较当前格栅图的8个近邻启发值来确定下一步的位置，当存在多个极小近邻启发值时，则不能保证下一步位置的解是最优的。与此同时这类算法难以在多维的环境中达到令人满意的规划效果。(2)基于智能算法的路径规划，例如遗传算法和蚁群算法，遗传算法的效率通常较低且具有较差的局部搜索能力。蚁群算法收敛速度慢，容易出现局部最优的情况，且具有较差的环境适应能力。(3)基于采样的路径规划，例如扩展空间树ESTs(Expansive Space Trees)，概率路线图法PRM(Probabilisticroadmap method)和快速搜索随机树RRT(Rapidly-exploringrandom trees)，这类算法在复杂环境下进行采样时可以避免一些低效率和低成功率问题的发生。PRM算法计算的速度较快，但是在采样点稀疏或者分布不均时，不能够较好的执行搜索任务。相较于PRM算法，RRT算法更加灵活，但所搜索的路径通常并不是最优的。

通过上述分析讨论，不难发现RRT算法也存在一定的不足之处。为了优化RRT算法，许多研究者提出了不同的改进算法，Kuffner等人提出了RRT Connect算法，与RRT算法相比，RRTConnect算法搜索路径时采用了双树的搜索机制，一棵树是以起点为起始点，另一棵树以终点为起始点，当两棵树相连时停止搜索。因此，该算法能够提升搜索路径的效率，减少路径搜索时间。

然而上述这些算法仍有一定的局限性，不能更好地优化搜索路径的搜索过程，缩短路径长度以及降低路径搜索成本。

首先，该算法在生成新节点时，约束了目标采样点的偏向采样条件，使得在搜索过程中能够有效的减少搜索时间；其次，采用可变步长策略，提高搜索到路径的概率；最后，对搜索到的路径进行回溯，重新布线，找到一条更优的路线；最后，反复迭代直到找到一条近优路径

发明内容

为了解决上述问题，本发明披露了一种基于变概率约束采样的机器人路径规划方法，首先，该算法在生成新节点时，约束了目标采样点的偏向采样条件，使得在搜索过程中能够有效的减少搜索时间；其次，采用可变步长策略，提高搜索到路径的概率；最后，对搜索到的路径进行回溯，重新布线，找到一条更优的路线；最后，反复迭代直到找到一条近优路径。

本发明具体的技术方案如下：

一种基于变概率约束采样的机器人路径规划方法，包括以下步骤：

步骤1：生成地图及障碍物信息，给定机器人的起始位置Q_s和目标位置Q_g；

具体的，设置机器人运动的地图大小为20单位×17单位的二维空间，机器人的起始位置Q_s，目标位置Q_g，最后再生成障碍物。

步骤2：将Q_s、Q_g分别作为两棵树的初始起点，相向扩展随机树，根据随机生成的概率p来控制采样方向；