122] 综上所述，本发明提供一种用于机器人静态路径规划的势场栅格结合粒子群算 法，将势场法、栅格法和粒子群法结合起来，根据人工势场和粒子群算法的共同作用决定粒 子的行走路线，避免了单独采用人工势场法容易陷入局部最优的问题，且首先通过粒子群 进行模拟行走寻找到最优路线后，机器人再开始沿最优路线行走，提高了行走效率。以上即 为完整的路径规划过程，模拟结果显示了其巨大的优越性。保存了人工势场法局部避障的 优势，克服了人工势场法的局部陷阱，并且在未知环境中也可以快速的探索寻找到最优路 径。
【主权项】
1. 一种机器人静态路径规划方法，其特征在于，该方法包括如下步骤： 步骤100 ;设定目标点，W目标点为终点，在地图范围内建立人工势场； 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(0，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； 步骤300;大部分粒子逐渐向多条轨迹中的一条轨迹聚挽收敛，进而在地图范围内得 到从起点到终点的最优行走路径； 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。2. 如权利要求1所述的机器人静态路径规划方法，其特征在于，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： 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 Fi (t)，取Fi W的单位方向向量为氏/ W ; 根据粒子群算法得到此时粒子i的飞行速度;，取；;的的单位方向向量为民.(f), 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 !/,(^)二"兵,（叫+ /?【':/(>)，其中1]1和]1为常数系数； 在粒子群算法中W调整后的飞行速度氏(0替代飞行速度的。3. 如权利要求2所述的机器人静态路径规划方法，其特征在于，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n的的方向修正为朝向与其最接近的栅格中必的方向， 定义修正后飞行速度为，在粒子群算法中W修正后飞行速度户,.(/)替代调整后的飞 行速度氏.的。4. 如权利要求1所述的机器人静态路径规划方法，其特征在于， 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： 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 Fi (t)，取Fi (t)的单位方向向量为內/ 0); 根据粒子群算法得到此时粒子i的飞行速度与的，取的的单位方向向量为戸2,. ); 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 K, (0二…r/'i, W + /心2,:(')，其中m和n为常数系数； 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的方向修正为朝向与其最 接近的栅格中必的方向，定义修正后飞行速度为(0，在粒子群算法中W修正后飞行速度 护,.(0替代飞行速度;,(0。5. 如权利要求3或4所述的机器人静态路径规划方法，其特征在于，所述栅格地图的创 建方法，具体包括： 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 在先障碍物区域狂）； 步骤B=W初始栅格地图中栅格的顶点为中必福射至单元格大小，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必点； 步骤C ;在新的栅格地图中，把含有在先障碍物区域狂）的单元格定义为最终障碍物区 域狂）。6. 如权利要求5所述的机器人静态路径规划方法，其特征在于，所述步骤A具体为： 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（400)，若判断存在障碍物（400)，则在初始栅格地图中把障碍物（400)所对 应的单元格定义为在先障碍物区域狂)。7. 如权利要求1所述的机器人静态路径规划方法，其特征在于，所述步骤100中的人工 势场具体包括： 引力势函数为：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； 斥力势函数为：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； 总势场函数为：当粒子距离障碍物越远时，ILpOO越小，当距离目标点越近时，UgOO越小，因此，在启 发函数下，粒子寻找U狂）下降最快的方向，逐渐的远离障碍物而趋近目标点。8. 如权利要求1所述的机器人静态路径规划方法，其特征在于，所述步骤200中的粒子 群算法具体包括： 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=扣，，即：第i个粒子在D维的搜索空间中的位置是 %， 将考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； 第i个粒子的飞行速度也是一个D维的向量，记为巧=(?，巧2，.记第i个粒子迄 今为止搜索到的最优位置为A =(Ai，A:!，…，化，由此可W得出整个粒子群迄今为止搜索 到的最优位置为或二心]…"!，印\ 到第t步时，粒子根据下面的公式更新自己的速度和位置： V,- (V)二灼策扭一巧)'+依巧:(巧:一劫）:一從(1) ;,(〇 =如-1)+ 部)； （2) 其中，Cl和C2为学习因子，也称加速常数； ri和。为（0, 1)范围内的均匀随机数； 式（1)右边由H部分组成，第一部分为"惯性"部分，反映了粒子的运动习惯，代表粒子 有维持自己先前速度的趋势；第二部分为"认知"部分，反映了粒子对自身历史经验的记忆， 代表粒子有向自身历史最佳位置逼近的趋势；第H部分为"社会"部分，反映了粒子间协同 合作与知识共享的群体历史经验，代表粒子有向群体或邻域历史最佳位置逼近的趋势。9. 如权利要求8所述的机器人静态路径规划方法，其特征在于，所述目标函数为粒子X 与目标点Xg之间的距离函数，设目标点坐标Xg = (?, Xg2, . . .，XgD)， 则目标函数为：10. 如权利要求8所述的机器人静态路径规划方法，其特征在于，所述目标函数为人工 势场中的总势场函数。11. 如权利要求9或10所述的机器人静态路径规划方法，其特征在于，所述步骤200中 的粒子群算法的搜索空间为二维空间，具体包括：在机器人的二维搜索空间中，设群体规模 为m，群体中每个粒子i (1《i《m)有如下属性： 到第t步时，粒子i所处的位置为；A-/(〇 = (.'(,.1，.'郑； 飞行速度为句=仍1，;巧冯。
【专利摘要】一种机器人静态路径规划方法，包括：设定目标点，以目标点为终点，在地图范围内建立人工势场；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；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；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。本发明将势场法、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，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。
【IPC分类】G05D1/02
【公开号】CN105511457
【申请号】CN201410497805
【发明人】汤进举
【申请人】科沃斯机器人有限公司
【公开日】2016年4月20日
【申请日】2014年9月25日
【公告号】WO2016045615A1