一种复杂环境中的移动机器人路径规划方法
【专利摘要】一种复杂环境中的移动机器人路径规划方法，其特点是：1.获取机器人所处环境信息，经过处理后，将环境空间中的障碍物使用矩形包围盒表示，并将其显示于人机交互模块；2.确定机器人的起始位置，记为起始点；确定机器人期望到达的目标位置，记为目标点；3.将起始点、目标点以及所有符合条件的障碍物包围盒顶点使用线段相连，此处要求任意两点连线不可穿越包围盒，以此构建可视图；4.在可视图中通过人工免疫算法规划最优路径，并储存最优路径中的关键节点；5.控制实体机器人由起始点开始，逐个经过最优路径中的关键节点，最终到达目标点。本发明能够在保障求解出最优路径的前提下，有效提高算法效率和收敛速度。
【专利说明】一种复杂环境中的移动机器人路径规划方法
【技术领域】
[0001] 本发明涉及一种实体机器人在复杂现实环境中完成机器人路径规划并实际运行 的方法，特别是涉及一种将人工免疫算法与可视图相结合的复杂环境中的移动机器人路径 规划方法，属于机器人导航、智能技术应用领域。本发明可以在工业机器人、农业机器人、 军事机器人、服务机器人的路径规划问题中得到广泛应用。
【背景技术】
[0002] 移动机器人路径规划是机器人领域的研究热点之一，它是指机器人在包含障碍物 的环境空间中，按照一定的性能评价标准(如时间、距离、能量等)，寻找一条从起始状态到 终止状态的无碰撞最优或次优路径。目前已在机器人定点清扫、工业机器人搬运以及军事 机器人巡逻、军事打击等诸多领域发挥基础性作用。
[0003] 可视图是由麻省理工学院的Tomds Lozano_P6rez和IBM研究院的MichaelA. Wesley提出的路径规划方法，将障碍物用多边形包围盒来表达是可视图法的最显著特征。 在可视图中，通常利用搜索算法求解起始点与目标点间的最优路径，这种方法具有鲁棒性 差、性能评价指标单一、无法储存路径中关键节点等缺点。为克服上述缺点，本发明公开了 一种改进的人工免疫算法，并将其应用于可视图中求解移动机器人最优路径规划问题。
[0004] 人工免疫算法是受自然免疫系统的启发，通过模拟免疫过程而形成的进化计算方 法。其最显著优点在于在特定情况下，可以以概率1收敛至全局最优解。
[0005] 本发明使用人工免疫算法在可视图中求解机器人的最优路径，可以为求解出全局 最优路径提供保障，并且在结合过程中，能够有效提高人工免疫算法的运行效率，求解出的 最优路径可以满足实体机器人在复杂现实环境中的需求。经 申请人:检索：本发明给出的这 种复杂环境中的移动机器人路径规划方法在国内外尚未有公开出版物进行披露。
【发明内容】
[0006] 本发明的目的就在于解决现有技术存在的不足，公开了一种将人工免疫算法与 可视图相结合的复杂环境中的移动机器人路径规划方法，并将其应用于求解移动机器人路 径规划问题，在保障收敛至全局最优解的情况下，有效提高了算法的运行效率和收敛速度。
[0007] 本发明采用超声传感器收集环境信息，通过对信息的处理，完成对环境的构建，并 在人机交互界面显示构建出的环境，在本发明中，首先将环境中的障碍物使用矩形包围盒 表示，继而计算成本矩阵，构建可视图，随后对人工免疫算法在编码方式、疫苗设计及接入 两方面进行改进，最后将改进的人工免疫算法与可视图相结合，实现机器人路径规划。本发 明在保障求得全局最优解的前提下有效提高了人工免疫算法在求解机器人路径规划问题 时的运行效率，并且可以满足实体机器人在现实环境中运行的需求。
[0008] 本发明的目的是通过以下技术方案实现的：复杂环境中的移动机器人路径规划方 法，其特点是包括以下步骤：
[0009] 步骤1 :获取机器人所处环境信息，经过处理后，将环境空间中的障碍物使用矩形 包围盒表示，并将其显示于人机交互模块。
[0010] 步骤2 :确定机器人的起始位置，记为起始点；确定机器人期望到达的目标位置， 记为目标点。
[0011] 步骤3 :将起始点、目标点以及所有符合条件的障碍物包围盒顶点使用线段相连， 此处要求任意两点连线不可穿越包围盒，以此构建可视图，可视图中的线段表示机器人的 所有可运行路径。
[0012] 步骤4 :在可视图中通过人工免疫算法规划最优路径，并储存最优路径中的关键 节点。
[0013] 步骤5 :控制实体机器人由起始点开始，逐个经过最优路径中的关键节点，最终到 达目标点。
[0014] 为更好地实现本发明的目的，所述步骤4中的人工免疫算法包含对传统人工免疫 算法的改进，以及将改进的人工免疫算法与可视图法相结合。
[0015] 对传统的人工免疫算法的改进是指：疫苗提取和摄入方式的改进和编码方式的 改进，其中
[0016] 通过观察最优路径的特征，总结出疫苗的特点，即机器人最优路径由起始点到目 标点的过程中，不存在来回往复的倒退现象；
[0017] 疫苗的植入过程涉及人工免疫算法中的初始化和变异操作。
[0018] 在编码方式上，为适应不同的环境中最优路径长度不同的特点，提出长度可变的 编码方式。
[0019] 人工免疫算法经过上述改进后，将其与可视图相结合，通过进化计算求解最优路 径，其过程如下：
[0020] (1)根据先验知识提取疫苗；
[0021] (2)初始化：在搜索空间Q内通过植入疫苗产生N个路径，由这N个路径构成初 始父代种群Atl;
[0022] 在初始化过程中，为植入疫苗，移动机器人路径生成时应由起始点逐步延伸至目 标点，保证抗体内部连续两节点之间连线不穿越障碍物并且路径不存在倒退现象；
[0023] (3)计算当前父代种群的遗传代数及Ak中所有抗体的亲和度，对于Ak中任一抗体 %，计算其亲和度，若抗体亲和度满足条件，则终止运算并输出结果，否则继续；
[0024] (4)根据抗体和抗原之间的亲和度以及抗体浓度，确定当前种群Ak中的n个最佳 路径,并将其复制形成临时的种群B;
[0025](5)通过植入疫苗对B进行变异操作，形成种群C，计算C中抗体的亲和度，并选择 出m个最佳抗体，构成Cm，在此，变异算子只需考虑增添及删除基因即可满足要求，对于进 行增添基因和删除基因操作的抗体，需确保路径不穿过障碍物；
[0026] (6)构成新一代父代种群Ak+1，该种群由Ak中的n个最佳个体<、种群C中的1个 最佳个体，以及r个新加入个体构成，即^+1=4+(^+/^，并返回（3)。
[0027] 本发明的有益效果是，通过对算法的改进，避免了无效抗体的产生，适应了机器人 路径在不同环境中长度可变的需求，通过将人工免疫算法与可视图法相结合，保障了算法 可以以概率1求解出最优路径，并且有效提高运算效率和收敛速度，确保机器人可以高效， 准确运行，本发明可广泛用于解决工业机器人、农业机器人以及服务型机器人的路径规划 问题。
【专利附图】
【附图说明】
[0028] 图1为复杂环境中的移动机器人路径规划方法的流程图；
[0029] 图2为实体机器人人机交互界面中的环境信息；
[0030] 图3为对环境空间构建的可视图；
[0031] 图4为可视图对应的成本矩阵；
[0032] 图5为人工免疫算法在可视图中求解最优路径流程图；
[0033] 图6为简单环境中机器人路径规划结果；
[0034]图7为在简单环境中进行1000次路径规划运算，各次运算所需的进化代数；
[0035] 图8为复杂环境中机器人路径规划结果；
[0036] 图9为在复杂环境中进行1000次路径规划运算，各次运算所需的进化代数；
[0037] 图10为人机交互界面对机器人的监控效果；
【具体实施方式】
[0038] 如图1所示，本发明复杂环境中的移动机器人路径规划方法包括如下步骤：
[0039] 步骤1 :获取机器人所处环境信息，经过处理后，将环境空间中的障碍物使用矩形 包围盒表示，并将其显示于人机交互模块。
[0040] 该步骤使用实体机器人在未知环境中进行漫游操作，该实体机器人由计算 机控制模块、传感器模块、通讯模块、电源及驱动模块、运动底盘模块构成，其尺寸为 480*460*440mm，在其前方和后方，各有三组红外及超声传感器，用于感知环境信息。机器人 采用左右轮独立电机驱动方式，可实现室内外移动。
[0041] 该实体机器人在漫游过程中，利用超声波传感器检测障碍物，在躲避障碍物的同 时，收集环境信息，对环境信息进行处理后，可得出位于环境空间中的障碍物的位置，并将 其显示于人机交互界面相应位置，其效果如图2所示，其中O1, 02,O3表示检测出的障碍物。
[0042] 步骤2:确定机器人的起始位置，记为起始点；确定机器人期望到达的目标位置， 记为目标点。
[0043] 该步骤确定机器人在环境空间中的起始位置和目标位置，是机器人完成各项工作 的基础，如图2所示，s表示机器人的起点，g表示机器人的目标点。
[0044] 步骤3:将起始点、目标点以及所有符合条件的障碍物包围盒顶点使用线段相连， 此处要求任意两点连线不可穿越包围盒，以此构建可视图，可视图中的线段表示机器人的 所有可运行路径。
[0045] 该步骤使用矩形包围盒表示环境中的障碍物，如图4所示，障碍物外围的虚线框 即为包围盒，包围盒与障碍物之去间的间隔为预留的安全距离。
[0046] 在图3中，设图G=(V，E)，其中V是由起始点s、终止点g以及障碍物(本文以矩形 障碍物为例）包围盒的各个顶点构成的集合，E表示相邻顶点之间连线。可视图的构建是 将V中所有元素用直线组合相连，同时要各个元素之间连线均不能穿越障碍物，这便要求 构建可视图的过程中，需要计算任意两顶点之间的成本，例如，Vi、\属于顶点集合V。定义cost[i] [j]为图G中Vi、Vj之间的成本，其中
[0047]
【权利要求】
1. 一种复杂环境中的移动机器人路径规划方法，其特征在于有以下步骤： 步骤（1):获取机器人所处环境信息，经过处理后，将环境空间中的障碍物使用矩形包 围盒表示，并将其显示于人机交互模块； 步骤（2):确定机器人的起始位置，记为起始点；确定机器人期望到达的目标位置，记 为目标点； 步骤（3):将起始点、目标点以及所有符合条件的障碍物包围盒顶点使用线段相连，此 处要求任意两点连线不可穿越包围盒，以此构建可视图，可视图中的线段表示机器人的所 有可运行路径； 步骤（4):在可视图中通过人工免疫算法规划移动机器人最优路径，并储存机器人最 优路径中的关键节点： 步骤（5):控制实体机器人由起始点开始，逐个经过最优路径中的关键节点，最终到达 目标点。
2. 根据权利要求1所述的复杂环境中的移动机器人路径规划方法，其特征在于所述步 骤（4)中的人工免疫算法包含对传统人工免疫算法的改进，以及将改进的人工免疫算法与 可视图法相结合。
3. 根据权利要求2所述的复杂环境中的移动机器人路径规划方法，其特征在于对传统 的人工免疫算法的改进是指：疫苗提取和摄入方式的改进和编码方式的改进，其中 通过观察最优路径的特征，总结出疫苗的特点，即机器人最优路径由起始点到目标点 的过程中，不存在来回往复的倒退现象； 疫苗的植入过程涉及人工免疫算法中的初始化和变异操作。 在编码方式上，为适应不同的环境中最优路径长度不同的特点，提出长度可变的编码 方式。
4. 根据权利要求2所述的复杂环境中的移动机器人路径规划方法，其特征在于人工免 疫算法经过上述改进后，将其与可视图相结合，通过进化计算求解最优路径，其过程如下： (1) 根据先验知识提取疫苗； (2) 初始化：在搜索空间Ω内通过植入疫苗产生N个路径，由这N个路径构成初始父 代种群A0; 在初始化过程中，为植入疫苗，移动机器人路径生成时应由起始点逐步延伸至目标点， 保证抗体内部连续两节点之间连线不穿越障碍物的包围盒并且路径不存在倒退现象； (3) 计算当前父代种群的遗传代数及Ak中所有抗体的亲和度，对于Ak中任一抗体％， 计算其亲和度，若抗体亲和度满足条件，则终止运算并输出结果，否则继续； (4) 根据抗体和抗原之间的亲和度以及抗体浓度，确定当前种群Ak中的η个最佳路径 ，并将其复制形成临时的种群B; (5) 通过植入疫苗对B进行变异操作，形成种群C，计算C中抗体的亲和度，并选择出m 个最佳路径，构成Cm，在此，变异算子只需考虑增添及删除基因即可满足要求，对于进行增 添基因和删除基因操作的抗体，需确保路径不穿过障碍物； (6 )构成新一代父代种群Ak+1，该种群由Ak中的η个最佳个体4、种群C中的1个最佳 个体，以及r个新加入个体Dr构成，即為+1 = < + Cz + Dr ,并返回（3)。
【文档编号】G05D1/02GK104516350SQ201310447167
【公开日】2015年4月15日 申请日期:2013年9月26日 优先权日:2013年9月26日
【发明者】段勇, 王猛, 许晓龙 申请人:沈阳工业大学