[发明专利]一种机器人路径规划的方法

权利要求书

1.一种机器人路径规划的方法，其特征在于，包括以下步骤：

第一步：基于二次采样和双向扩展策略以及路径缓存策略得到多策略改进的RRT*算法；

第二步：引入基于优化启发函数和信息素更新规则策略的改进蚁群算法对搜索过程进行优化；

第三步：改进的RTT*算法与改进后的蚁群算法相结合，形成多策略改进的RRT*算法，实现水下机器人三维空间多目标路径规划方法。。

2.根据权利要求1所述的一种机器人路径规划的方法，其特征在于：所述第一步中的二次采样和双向扩展策略包括以下内容：

从第二个节点开始，向后检查起始节点与当前节点之间的连接是否存在障碍物干扰；

如果有干扰，则删除节点；

如果没有干扰，则保留节点；

检查过程结束后，可以有效地删除路径中的冗余节点，同时，通过双向扩展随机树搜索策略查找初始路径的基础上，引入Dijkstra算法对扩展随机树进行二次采样以搜索节点矩阵，如果引入Dijkstra算法后优化路径的总成本较小，则更新路径并将其作为最优解，从而将初始路径更新为最优路径。。

3.根据权利要求1所述的一种机器人路径规划的方法，其特征在于：所述路径缓存策略包括以下内容：

采用路径缓存作为随机树的生长引导函数，从节点x_near生长新节点的改进的生长引导函数F(x_near)为：

F(x_near)＝R(x_near)+G(x_near)+P(x_near)......(1)；

R(x_near)为节点的随机采样函数，G(x_near)为目标偏置函数，P(x_near)为路径缓存偏置函数，目标向量x_goal对x_near的引力可以表示为：

G＝k_g·||x_goal-x_near||......(2)；

向量x_goal为目标点的位置，||x_goal-x_near||表示节点与目标点之间的距离，ρ表示搜索步长，k_g表示重力系数，获得以下公式作为目标偏差函数

路径缓存偏移量函数构造为：

k_p为路径缓存偏移系数，x_path,i为路径缓存中第i点的位置向量，||x_path,i-x_near||，表示点到节点的欧几里得距离，基本RRT*算法的随机展开函数为：

将公式(3)、(4)、(5)代入公式(1)，得到：

生成新节点的公式进一步得到如下：

定义了p_goal、p_path和p_rand三种概率，其中p_goal表示根据公式(5)(6)(7)选择目标点作为新节点，即随机树向目标生长的概率，p_path表示选择路径缓存点作为新节点的概率，p_rand表示选择一个随机点作为新节点的概率；

p_goal+p_path+p_rand＝1......(8)；

抽样公式为：

其中是x_goal目标点的坐标，x_path,i是路径缓存中第i个点的坐标，x_free是采样空间中随机点的坐标。