[发明专利]一种目标增量移动的移动机器人路径规划方法

摘要

本发明公开了一种目标增量移动的移动机器人路径规划方法，本发明降低了目标移动路径规划问题的复杂度，以最优性换取时间复杂度的降低来实现这一点；本发明通过引入一组搜索树的跟踪来实现，如果目标移动，这些搜索树会估计需要重新计算哪些节点；同时利用以前的规划数据在目标移动的情况下更新路径，通过牺牲路径的最优性来降低问题的运算复杂度，从而节省了重新规划的时间，达到快速路径规划的需求；规划方法试图遵循即时最优路径，这样使整体路径长度的减少。本发明涉及路径规划领域，本发明可用于自动化的机器人实现对移动目标的追踪。

主权项

1.一种目标增量移动的移动机器人路径规划方法，其特征在于：所述该方法包括以下步骤：S1：环境建模采用单元分解法把整个环境区域划分为若干个子区域和障碍物区，构成一个由N×N网格的节点组成的二维环境地图，所述的节点表示子区域或者障碍物区，二维环境地图采用节点连通图来描述，所述的节点连通图包括四连通图、八连通图；定义被阻塞的节点表示环境中障碍物，障碍物不可以移动，目标和机器人也都不能移动到被阻塞的节点；二维环境地图的边缘为被阻塞节点；在所述的节点连通图中机器人或目标只能上、下、左、右四个方向进行移动；S2：参数设定S201：定义目标移动到当前节点的代价为g，该代价等于从当前节点返回目标位置的代价，目标从一个节点转移到另一个节点的代价c，以及标注节点所属搜索树的标识；其中机器人或目标从任何未阻塞的节点移动到任何未阻塞的相邻节点，代价为1；一组节点的移动代价为w，以表示一个障碍，其中w大于1、g、c；设置一个节点来表示目标，并设置一个不同的节点来表示机器人的起始位置；S202：从当前节点到机器人起始位置的启发式代价h，运用启发式搜索算法，检查当前节点到目标节点的直线距离，h表示节点连通图中从当前节点到目标的最短距离；创建两个集合，一个Open集包含所有待展开的节点，另一个Closed集包含所有已经展开但目前不考虑展开的节点；所述的四连通图两点之间的最短距离是曼哈顿距离；所述的八连通图两点之间的最短距离是欧式距离；所述曼哈顿距离公式表达式为d(i,j)＝|x_i‑x_j|+|y_i‑y_j|表示两点在南北方向上的距离加上在东西方向上的距离；S3：路径规划S301：展开目标周围的节点，开始搜索初始路径，每个节点的代价被设置为从该节点返回目标的代价，每个节点均有一个唯一的标记，以显示它们都是搜索树的开始节点；将展开的节点都添加到Open集；目标朝向所选节点的直线前进，在垂直或水平运动方向随机选择，当目标遇到障碍物，则选择一个新节点向它移动，如果找不到从机器人到目标的路径，则重置环境；S302：扩展一个节点，首先检查一个新节点的扩展节点是否是障碍物，如果不是，判断新节点的代价是否更少，若是则对新节点进行调整；若代价没有改变，并且新节点和扩展节点来自不同的搜索树，则在这两个节点上放置一个标记，检查完周围所有节点后，扩展节点放置在Closed集中；S303：扩展初始路径，扩展Open集中的节点，利用启发式搜索算法确定Open集展开的顺序，任何机器人所处位置最短直线路径的节点都是第一个展开的节点；Open集被展开，直到到达机器所处位置，初始扩展就停止，Open集中的所有节点被分配给Closed集，此时机器人和目标被允许可以移动；S304：目标移动时围绕新目标展开，当目标移动时，判断机器人再次移动之前是否需要新的路径，若需要，则搜索旧的目标位置，以找到新的目标位置；若发现新的目标位置，则扩展目标以创建新的搜索树；新的搜索树被扩展，扩展到所有的旧搜索树都被扩展覆盖到；然后，在旧搜索树中所有节点的代价会被修改，增加了从旧搜索树移动到新的搜索树的代价；如果目标转移到旧搜索树的父节点上，为这个代价为负的；所述的所有旧的搜索树和新的搜索树都有相同的数量；S404：路径修正：将所有标记为不同搜索树之间相互接触的节点都放置到Open集中，然后展开Open集，从到目标节点代价最低的节点开始，再到代价较高的节点；这个扩展继续向Open集中添加新节点，并标记搜索树相遇的新位置，直到标记机器人所处的位置节点；完成此操作后，仍然处于Open集中的所有节点都被放置于Closed集中，并且目标可以再次移动，重复此过程，直到机器人达到目标。