机器人静态路径规划方法
【技术领域】
[0001] 本发明涉及一种机器人静态路径规划方法，属于机器人路径规划技术领域。
【背景技术】
[0002] 自移动机器人的路径规划问题是机器人领域的核心问题之一，根据机器人对空间 环境的已知程度，路径规划问题可以被分为静态路径规划和动态路径规划。针对路径规划 问题，曾经提出了许多算法，主要包括势场法、栅格法和粒子群法。以传统的人工势场法为 例，它采用的是基于矢量合成的方法，通过直观的规则即在源于障碍物的排斥力与源于目 标点的吸引力的合力作用下规划机器人的运动路径。在只有局部信息的情况下，它的避障 策略是十分有效的。但由于机器人运动的速度以及方向取决于力矢量和的大小和方向，当 合力为零时，机器人就无法运动了，从而陷入局部极小点的困境。另外，传统的人工势场法 是根据机器人周围障碍物以及目标点对机器人的作用求出对机器人当前位置的合力，然后 根据合力给出机器人的运动方向，调整机器人位置。根据行进过程中传感器不断返回来的 数据，求出地图中每个节点相对于起点的势场值。势场值由起始点依相邻节点的代价值依 次递减，直到目标点。障碍物处的势场值为无穷大，表明障碍物不可达。离散势场构造完毕 后，由势场目标点开始沿势场下降最快方向得到预规划路径。机器人沿预规划路径运动，直 到环境信息改变或到达目标点。由于传统的人工势场法采用的是基于矢量合成的方法，它 通过直观的规则即在源于障碍物的排斥力与源于目标点的吸引力的合力作用下规划机器 人的运动。在只有局部信息的情况下，它的避障策略是十分有效的。但由于机器人运动的 速度以及方向取决于力矢量和的大小和方向，当合力为零时，机器人就无法运动了，这就是 采用人工势场法易陷入局部极小点的原因。对于粒子群算法，在初始阶段，粒子的行走路径 较分散，路径的收敛速度较慢，影响路径规划的效率。因此，不同的算法都具有各自的优势， 但也有其方法上的局限性。
【发明内容】
[0003] 本发明所要解决的技术问题在于针对现有技术的不足，提供一种机器人静态路径 规划方法，将势场法、栅格法和粒子群法结合起来，直接求取栅格地图上的势场分布，势场 值由起始点依相邻节点的代价值依次递增，直到目标点，由势场目标点开始沿势场下降最 快方向得到预规划路径，安全有效且路径规划准确可靠。
[0004] 本发明所要解决的技术问题是通过如下技术方案实现的：
[0005] -种机器人静态路径规划方法，该方法包括如下步骤：
[0006] 步骤100 :设定目标点，以目标点为终点，在地图范围内建立人工势场；
[0007] 步骤200 :引入粒子群算法，在机器人的起点设有数量为m的粒子群，第i个粒子 在第t步的飞行速度为?·, (/)，按照人工势场并结合粒子群算法对每个粒子从起点到终点的 路径进行模拟行走，在模拟行走的过程中，每个粒子形成各自的运动轨迹；
[0008] 步骤300 :大部分粒子逐渐向多条轨迹中的一条轨迹聚拢收敛，进而在地图范围 内得到从起点到终点的最优行走路径；
[0009] 步骤400 :机器人最终按照最优行走路径，完成从起点到终点的运动过程。
[0010] 更具体地，所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点 的路径进行模拟行走，具体包括：
[0011] 当第i个粒子行走到第t步时，根据人工势场法，由该势场生成的对粒子i的作用 力匕⑴：取匕⑴的单位方向向量为
[0012] 根据粒子群算法得到此时粒子i的飞行速度Γν?小取1@；)的单位方向向量为 Vll (0 ；
[0013] 结合人工势场和粒子群算法，对粒子i的飞行速度进行调整，定义调整后飞行速 度⑴=(?) + ι#2?· (?)，其中m和η为常数系数；
[0014] 在粒子群算法中以调整后的飞行速度R⑴替代飞行速度。
[0015] 所述地图为栅格地图，所述步骤200中人工势场并结合粒子群算法对每个粒子从 起点到终点的路径进行模拟行走，还包括：将调整后的飞行速度&(0的方向修正为朝向与 其最接近的栅格中心的方向，定义修正后飞行速度为Ρ',.?/；)，在粒子群算法中以修正后飞 行速度Ρ^)替代调整后的飞行速度&
[0016] 所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进 行模拟行走，具体包括：
[0017] 当第i个粒子行走到第t步时，根据人工势场法，由该势场生成的对粒子i的作用 力的单位方向向量为瓦(>);
[0018] 根据粒子群算法得到此时粒子i的飞行速度取的单位方向向量为 fait).;
[0019] 结合人工势场和粒子群算法，对粒子i的飞行速度进行调整，定义调整后飞行速 度?7, = 丨十/?r:,_(V)，其中m和η为常数系数；
[0020] 所述地图为栅格地图，所述步骤200中人工势场并结合粒子群算法对每个粒子从 起点到终点的路径进行模拟行走，还包括：将调整后的飞行速度巧(>)的方向修正为朝向与 其最接近的栅格中心的方向，定义修正后飞行速度为在粒子群算法中以修正后飞 行速度P⑷替代飞行速度:^⑴。
[0021 ] 所述栅格地图的创建方法，具体包括：
[0022] 步骤A :将地图划分为许多单元格形成初始栅格地图，把含有障碍物的单元格定 义为在先障碍物区域X;
[0023] 步骤B :以初始栅格地图中栅格的顶点为中心辐射至单元格大小，形成新的栅格 地图，其中所述顶点成为新的栅格地图单元格的中心点；
[0024] 步骤C :在新的栅格地图中，把含有在先障碍物区域X的单元格定义为最终障碍物 区域Z。
[0025] 所述步骤A具体为：
[0026] 所述的栅格化地图具体包括，将地图划分为许多单元格形成初始栅格地图，并定 义自移动机器人在初始栅格地图中的起始位置，自移动机器人在行走的同时检测行走区域 内是否存在障碍物，若判断存在障碍物，则在初始栅格地图中把障碍物所对应的单元格定 义为在先障碍物区域X。
[0027] 所述步骤100中的人工势场具体包括：
[0028] 引力势函数为：
[0029]
[0030] 其中，kg为位置增益系数，X_Xg为粒子X与目标点Xg之间的距离；
[0031] 斥力势函数为：
[0032]
[0033] 其中，k。为位置增益系数，P为粒子X与障碍物之间的最短距离，P。为一常数，代 表障碍物的影响距离；
[0034] 总势场函数为：
[0035]
[0036] 当粒子距离障碍物越远时，Urap(X)越小，当距离目标点越近时，Ug(X)越小，因此， 在启发函数下，粒子寻找U (X)下降最快的方向，逐渐的远离障碍物而趋近目标点。
[0037] 所述步骤200中的粒子群算法具体包括：
[0038] 假设在一个D维的目标搜索空间中，有m个粒子组成一个群落，其中第i个粒子表 示为一个D维的向量无…··b>W = L2···"2，g卩：第i个粒子在〇维的搜索空间中的位 置是\
[0039] 将:马带入目标函数计算出其适应值，根据适应值的大小衡量?,的优劣；
[0040] 第i个粒子的飞行速度也是一个D维的向量，记为％ 记第i个粒 子迄今为止搜索到的最优位置为尼M/V/h，…，Avd ;由此可以得出整个粒子群迄今为止 搜索到的最优位置为艮；
[0041] 到第t步时，粒子根据下面的公式更新自己的速度和位置：
[0042]
[0043]
[0044] 其中，Cl和c2为学习因子，也称加速常数；
[0045] A和r2为（0, 1)范围内的均匀随机数；
[0046]