本发明涉及点机器人路径规划领域,具体涉及一种点移动机器人在概率路线图中路径规划的神经网络方法。
背景技术:
点移动机器人由于具有可移动性,可以代替人执行一些操作在危险、恶劣环境(如辐射、有毒等)或者复杂环境(如宇宙空间、水下等)中的任务,比如采矿、建筑、排险等。经过专家和学者多年的努力,点移动机器人已经开始普遍运用于原子能、工厂自动化、军事、服务、农业等方面,目前已经存在相当多的实例诸如使用点移动机器人提高工厂生产效率或者替代工人作业等,并且在一些具有重大战略意义的工程中(如军事,国防等),对于点移动机器人的需求也日益增长。随着科技的快速发展,点移动机器人在宇宙探测、海洋开发、原子能等领域发挥着巨大的潜力,并体现出广泛的应用前景。点机器人因地图中节点数量过多以及变化环境的限制,通常不具有在动态环境中追踪移动目标的能力,也即,点机器人可能只是在静态环境中规划出最短路径来追踪目标。在变化多样的环境中,点机器人可能因为工作地图中可行节点的数量巨大以及节点之间因为距离导致的网络通信延迟而难以规划出追踪目标的最优路径,最近提出的偏倚最小共识算法提供了使用控制理论工具进行路径规划的新维度,然而,研究的结果仅限于静止环境,并且可能会在存在动态障碍物的情况下失败。
技术实现要素:
本发明为了克服以上技术的不足,提供了一种无论是在静态环境还是在变化的环境中或是追踪静止的目标还是移动的目标都能较好地完成最优路径规划任务的点移动机器人在概率路线图中路径规划的神经网络方法。
本发明克服其技术问题所采用的技术方案是:
一种点移动机器人在概率路线图中路径规划的神经网络方法,包括如下步骤:
a)点移动机器人通过碰撞检测在地图上随机生成
b)
c)重复步骤b)中的路径检查,分别对
d)通过欧几里得距离算法计算每个邻居集
e)根据距离长度d的大小,确定距离每个可行节点
本发明的有益效果是:通过选取出最优化的可行节点
具体实施方式
下面对本发明做进一步说明。
一种点移动机器人在概率路线图中路径规划的神经网络方法,包括如下步骤:
a)点移动机器人通过碰撞检测在地图上随机生成
b)
c)重复步骤b)中的路径检查,分别对
d)通过欧几里得距离算法计算每个邻居集
e)根据距离长度d的大小,确定距离每个可行节点