[发明专利]基于灰狼优化算法与Reeds-Shepp曲线的跳点搜索路径优化方法

权利要求书

1.一种基于灰狼优化算法与Reeds-Shepp曲线的跳点搜索路径优化方法，其特征在于，该方法具体包括以下步骤：

S1：根据跳点搜索得到的路径为移动机器人在除了起终点以外的各个路径节点处生成移动机器人抵达该节点时的预计姿态；

S2：根据改进的Reeds-Shepp曲线特征与当前节点能否合并的判断标准，合并节点；

S3：对路径节点的预计姿态进行优化：基于预计姿态使用灰狼优化算法重新生成移动机器人经过各个节点处时的新姿态；在未改变节点位置的情况下使得移动机器人在最短时间通过；

S4：对各个节点的位置坐标进行优化：基于路径规划得到的路径坐标使用灰狼优化算法在各个节点的位置坐标的邻域内生成新的位置坐标，并合成Reeds-Shepp路径，保证移动机器人能以最短时间通过。

2.根据权利要求1所述的跳点搜索路径优化方法，其特征在于，步骤S1中，移动机器人抵达路径节点时的预计姿态是由各个路径节点的父节点指向该路径节点的方向姿态。

3.根据权利要求1所述的跳点搜索路径优化方法，其特征在于，步骤S2中，当前节点能否合并的判断标准为：对于当前节点的父子节点的位姿存在Reeds-Shepp曲线的解；若当前节点及其父子节点构成的三角形区域内没有障碍物，则当前节点能被合并；若当前节点及其父子节点在同一直线上，则当前节点不能被合并。

4.根据权利要求1所述的跳点搜索路径优化方法，其特征在于，步骤S2中，采用基于Reeds-Shepp曲线改进的路径障碍检测方法生成改进的Reeds-Shepp曲线特征，该检测方法结合布雷森汉姆圆与布雷森汉姆直线算法，根据已知的障碍物位置数据沿着Reeds-Shepp曲线轨迹检测经过的栅格是否包含障碍物；若轨迹未经过障碍物则返回值为1；反之，若轨迹经过了障碍物则返回值为正无穷大。

5.根据权利要求4所述的跳点搜索路径优化方法，其特征在于，步骤S3中，对路径节点的预计姿态进行优化，具体包括：采用灰狼优化算法，首先，根据跳点搜索算法得到的路径生成并初始化种群，种群个体为各个路径节点姿态；然后，根据第一适应度函数，执行一次灰狼优化算法的优化过程，得到最优个体；最好，合并路径与最优个体，得到一组位姿序列，描述移动机器人所经过的位置以及经过该位置时的姿态。

6.根据权利要求5所述的跳点搜索路径优化方法，其特征在于，步骤S3中，第一适应度函数的计算表达式为：

其中，{θ₁,θ₂,...,θ_n}为种群个体，其表示各个路径节点的姿态，n为路径节点数量，系数s为基于Reeds-Shepp曲线改进的路径障碍检测方法的返回值；q_i＝(x_i,y_i,θ_i)，(x_i,y_i)为路径节点i的坐标，θ_i∈{θ₁,θ₂,...,θ_n}，V_RS为Reeds-Shepp曲线的值函数。

7.根据权利要求4所述的跳点搜索路径优化方法，其特征在于，步骤S4中，对各个节点的位置坐标进行优化，具体包括：根据跳点搜索算法得到的路径对除了起终点以外的其它节点按序列先后顺序作以下处理：

S41：从除起点以外的序列的第一个节点开始，根据当前节点的邻域生成并初始化种群，种群个体为当前节点的位姿；

S42：根据第二适应度函数，执行一次灰狼优化算法的优化过程，得到当前节点的最优个体；

S43：由当前节点的最优个体替换当前节点原先的位姿参数，若当前节点不是除终点以外的序列的最后节点，则对下个节点执行步骤S41～S42；

S44：输出位姿序列并合并起终点的位姿，并由Reeds-Shepp曲线连接，得到描述由起点到终点的最短时间曲线。