[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

说明书

本发明涉及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，属于移动机器人路径规划领域。该方法包括：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：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：基于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。

技术领域

本发明属于移动机器人路径规划领域，涉及一种基于灰狼优化算法与Reeds-Shepp曲线的移动机器人跳点搜索路径优化方法。

背景技术

机器人是目前各行各业应用最为广泛的一种智能机械设备，其中轮式移动机器人以其特有的性质被越来越多的应用到日常的生产生活中，所以对轮式移动机器人的控制要求更加多样化，如何设计出稳定优秀的路径规划和运动控制方法正在成为研究的热点。

移动机器人的路径规划是指机器人根据已知信息计算出一条能够使其能从起点位置到达终点位置，且能够避开障碍物和能满足各种性能指标的一条路径。移动机器人想要缩短到达目标点的时间和减少移动到目标点的行走路径长度，在导航的时候就必须找到一条能够满足要求的最优路径算法，常用的路径规划算法如人工势场法、模糊逻辑算法、Dijkstra算法和A*算法。近年来，国内外学者也提出很多智能算法，例如遗传算法、粒子群算法、蚁群算法。

在几何栅格法中，A*算法作为一种利用估价函数遍历当前节点的非障碍邻居来寻找最短路径的启发式算法，具有简单、易操作、准确度高等优点。但A*算法在寻找最短路径的过程中，因为其对于大量无用邻居节点的搜索和计算导致算法的运行时间过长。其次A*算法计算所得到的路径实际上是所给地图模型下离散单元的最短路径，与实际最优路径存在较大差异。

针对A*算法的缺点，2011年Daniel Harabor等人提出了跳点搜索算法，在保留了原始A*算法框架的同时，进一步优化了A*算法寻找后续节点的操作，但路径规划得到结果并不是实际的最优运动轨迹。

因此，亟需一种改进的跳点搜索算法来优化移动机器人的路径。

发明内容

有鉴于此，本发明的目的在于提供一种基于灰狼优化算法与Reeds-Shepp曲线的移动机器人跳点搜索路径优化方法，解决如何将路径规划和运动控制相结合的问题，保证移动机器人能以最短时间通过。

为达到上述目的，本发明提供如下技术方案：

一种基于灰狼优化算法与Reeds-Shepp曲线的移动机器人跳点搜索路径优化方法，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(起终点的姿态为输入量)；

S2：根据改进的Reeds-Shepp曲线的特征合并部分冗余节点，即根据改进的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。

进一步，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。