极小点，从而避免传统人工势场法出现的局部极小 点的出现;其二，由于引入局部目标点后将路径规划为折线，路径虽为最优路径，但是不适 用于机器人控制，通过时间虚拟驱动力可增加路径平滑度，解决机器人在行进过程中的控 制量突变的情况，从而实现机器人的平稳行进。
[0096] 加入了局部目标点后，可W将机器人的路径规划任务划分为很多子任务，只需控 制每个子任务的路径都是最优、且最利于机器人行进控制，那么，整体的路径就可W呈现最 优的状态。加入局部目标点后，就可W主动避免上述第二种出现局部极小点的情景，而无需 增加额外的判断和计算，因此提高效率。
[0097] 本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并 且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可 W从本发明的实践中得到教导。本发明的目标和其他优点可W通过下面的说明书和权利要 求书来实现和获得。
【附图说明】
[009引本发明的【附图说明】如下。
[0099] 图la为本实施例提供的机器人陷入局部最小值的第一种常见情况（目标在障碍物 与机器人之间）。
[0100] 图化为本实施例提供的机器人陷入局部最小值的第二种常见情况(障碍物在目标 与机器人之间）。
[0101] 图Ic为本实施例提供的机器人陷入局部最小值的第Ξ种常见情况(障碍物群与目 标构成的合力为零）。
[0102] 图2为本实施例提供的在激光雷达可视范围内一个障碍物时局部目标点的安全距 离示意图。
[0103] 图3为本实施例提供的在激光雷达可视范围内一个障碍物时局部目标点的安全距 离示意图。
[0104] 图4为本实施例提供的改进型人工势场法总体流程图。
[0105] 图5为本实施例提供的局部目标点选取流程图。
[0106] 图6为本实施例提供的改进型人工势场法系统原理框图。
【具体实施方式】
[0107] 下面结合附图和实施例对本发明作进一步说明。
[010引实施例1
[0109] 本实施例提供的基于改进型人工势场法的机器人路径规划方法，
[0110] 本实施例提供了一种基于改进型人工势场法的机器人路径规划方法，包括W下步 骤：
[0111] SI:获取机器人的初始化状态参数、环境信息和最终目标点；
[0112] S2:获取机器人当前坐标位置和局部目标点；
[0113] S3:建立基于时间虚拟驱动力的人工势场法生成机器人当前坐标位置和局部目标 点之间的可达路径；
[0114] S4:控制机器人沿可达路径行进；
[0115] S5:在激光雷达可视范围内检测机器人当前坐标位置是否达到局部目标点，如果 没有达到，则返回步骤S4继续控制驱动机器人行进；
[0116] S6:如果达到局部目标点，则检测机器人是否达到最终目标点，如果没有达到，贝U 返回步骤S2;
[0117] S7:如果达到最终目标点，则结束机器人的行进。
[0118] 所述局部目标点的确定，具体包括W下步骤：
[0119] S21:检测最终目标点和当前坐标位置之间可通过的直线路径下有无障碍物，如果 没有障碍物，则设置最终目标点作为局部目标点；
[0120] S22:如果有障碍物，则判断障碍物的个数是否小于两个，如果否，则设置离此障碍 物充分安全距离的任一点最为新坐标点作为局部目标点；
[0121 ] S23:如果是，则建立离最终目标点最近的两个障碍物呈现的斥力势场，并构建试 探点寻找斥力场合力零的坐标作为局部目标点。
[0122] 所述试探点寻找斥力场合力零的坐标具体按照W下步骤来实现：
[0123] S231:按照W下斥力势函数建立障碍物对机器人造成的人工斥力势场模型；
[0124]
[0125] 式中；
[0126] δ :相应的正比例位置增益系数；
[0127] Ρ0:正常数，表示障碍物区域可对机器人的运动产生影响的最大距离；
[012引 p(q):某一障碍物区域Cobs到位置q的最小距离，对于所有的q/ eC0bs，P(q)=min| q-q' Μ;
[0129] S232:根据斥力势函数按照W下公式确定机器人所受的排斥力：
[0130]
[0131] 式中，用qc表示障碍物区域Cobs上距离q最近的位置点；
[013。 p(q) = I I q-qc I I ;
[0133] 是由qc指向q的单位向量，
[0134] S233:选取距离全局目标点距离最近的障碍物，并获取障碍物在平面上呈现的斥 力势场，
[0135] S234:根据斥力势场计算排斥力，选取排斥力合力为零的点作为局部目标点。
[0136] 所述机器人在达到局部目标点之前还包括W下步骤来实现：
[0137] S31:建立机器人与障碍物之间的斥力势函数并计算斥力：
[0138] S32:建立机器人与局部目标点之间的引力势函数；
[0139]
[0140] 式中；
[0141] ε :人工势场法引力势场增益参数；
[0142] 化(q):机器人当前位置距离局部目标点的欧氏距离；
[0143] S33:按照W下公式计算局部目标点对机器人的引力：
[0144]
[0145] S34:通过W下公式来计算机器人的引力和斥力的合力为零时确定局部极小点；
[0146]
[0147] S35:按照W下公式计算时间虚拟驱动力的大小：
[014 引
[0149] 式中；
[0150] 丫 ：调节Ftime的常数。
[0151] 本实施例还提供了一种基于改进型人工势场法的机器人路径规划系统，包括机器 人参数信息采集单元、机器人位置采集单元、局部目标点生成单元、可达路径生成单元、进 行控制单元、局部目标点判断单元和最终目标点判断单元；
[0152] 所述机器人参数信息采集单元，用于获取机器人的初始化状态参数、环境信息和 最终目标点；
[0153] 所述机器人位置采集单元，用于获取机器人当前坐标位置；
[0154] 所述局部目标点生成单元，用于确定机器人行进中的局部目标点；
[0155] 所述可达路径生成单元，用于计算机器人当前位置和局部目标点之间的可达路 径；
[0156] 所述进行控制单元，用于控制、驱动机器人沿可达路径行进；
[0157] 所述局部目标点判断单元，用于计算并判断机器人当前坐标位置是否达到局部目 标点；
[0158] 所述最终目标点判断单元，用于计算并判断机器人是否达到最终目标点；
[0159] 所述机器人参数信息采集单元和机器人位置采集单元分别与局部目标点生成单 元连接;所述机器人位置采集单元与可达路径生成单元连接;所述可达路径生成单元与进 行控制单元连接;所述局部目标点判断单元和最终目标点判断单元分别与行进控制单元连 接。
[0160] 所述局部目标点生成单元是按照W下步骤来进行的：
[0161] S11:检测最终目标点和当前坐标位置之间可通过的直线路径下有无障碍物，如果 没有障碍物，则设置最终目标点作为局部目标点；
[0162] S12:如果有障碍物，则判断障碍物的个数是否小于两个，如果否，则设置离此障碍 物充分安全距离的任一点最为新坐标点作为局部目标点；
[0163] S13:如果是，则建立离最终目标点最近的两个障碍物呈现的斥力势场，并构建试 探点寻找斥力场合力零的坐标作为局部目标点；
[0164] 所述试探点寻找斥力场合力零的坐标具体按照W下步骤来实现：
[0165] S14:按照W下斥力势函数建立障碍物对机器人造成的人工斥力势场模型；
[0166]
[0167] 式中；
[0168] δ :相应的正比例位置增益系数；
[0169] Ρ0:正常数，表示障碍物区域可对机器人的运动产生影响的最大距离；
[0170] P(q):某一障碍物区域Cobs到位置q的最小距离，对于所有的q/ eC〇bs，P(q)=min| q-q' Μ;
[0171] S15:根据斥力势函数按照w下公式确定机器人所受的排斥力：
[0172]
[0173] 式中，用qc表示障碍物区域Cobs上距离q最近的位置点；
[0174] p(q)= I |q-qd | ;
[0175] 是由qc指向q的单位向量：
[0176] S16:选取距离全局目标点距离最近的障碍物，并获取障碍物在平面上呈现的斥力 势场，
[0177] S17:根据斥力势场计算排斥力，选取排斥力合力为零的点作为局部目标点。
[0178] 还包括与进行控制单元连接的时间虚拟驱动力单元;所述时间虚拟驱动力单元机 是通过W下步骤来实现：
[0179] S41:建立机器人与障碍物之间的斥力势函数并计算斥力：
[0180] S42:建立机器人与局部目标点之间的引力势函数；
[0181]
[0182] 式中；
[0183] ε:人工势场法引力势场增益参数；
[0184] 化(q):机器人当前位置距离局部目标点的欧氏距离；
[0185] S43:按照W下公式计算局部目标点对机器人的引力：
[0186]
[0187] S44:通过W下公式来计算机器人的引力和斥力的合力为零时确定局部极小点；
[018 引
[0189] S45:按照W下公式计算时间虚拟驱动力的大小：
[0190]
[0191] 式中：
[0192] 丫 ：调节Ftime的常数。
[0193] 实施例2
[0194] 基于人工势场法的机器人路径规划会出现局部最小的情景有Ξ种：图la-c为本实 施例提供的基于人工势场法的机器人路径规划会出现局部最小情景示意图；图la为本实施 例提供的机器人陷入局部最小值的第一种常见情况（目标在障碍物与机器人之间）；图中方 框表示障碍物影响范围，方框中的圆点表示目标，方框外部圆圈为机器人;图化为本实施例 提供的机器人陷入局部最小值的第二种常见情况(障碍物在目标与机器人之间）；图中方框 表示障碍物影响范围，方框上方的圆点表示目标，方框外部圆圈为机器人;图Ic为本实施例 提供的机器人陷入局部最小值的第Ξ种常见情况(障碍物群与目标