点移动机器人在概率路线图中路径规划的神经网络方法与流程

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个节点，位于地图内且与障碍物没有发生碰撞的个节点均判定为可行节点，碰撞检测前点移动机器人原点位置定义为机器人节点，点移动机器人在地图上将要达到的终点定义为目标节点，机器人节点及目标节点为附加节点，在地图中迭代添加；

b)中的每个可行节点与其他个节点通过路径检查判断每个节点的邻接信息，所述路径检查为选取一可行节点及另一可行节点之间路径（）上的m个点，对m个点分别进行碰撞检测，如果m个点均为可行节点，则判定该路径（）为可行路径，如果m个点中有不可行节点，则舍弃该路径（）；

c)重复步骤b)中的路径检查，分别对中的每一个可行节点创建包含该节点所有可行路径的一个邻居集；

d)通过欧几里得距离算法计算每个邻居集中所有可行路径的距离长度；

e)根据距离长度d的大小，确定距离每个可行节点最近的个邻居节点，然后结合每个邻居节点的状态值，在可行节点的邻居集中选取具有的可行节点为规划路径上的当前可行节点的下一个节点。

本发明的有益效果是：通过选取出最优化的可行节点，从而得到最优化的路径为（，），因此点移动机器人不论实在静态环境还是在变化的环境中或者不论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的规划任务。

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个节点，位于地图内且与障碍物没有发生碰撞的个节点均判定为可行节点，碰撞检测前点移动机器人原点位置定义为机器人节点，点移动机器人在地图上将要达到的终点定义为目标节点，机器人节点及目标节点为附加节点，在地图中迭代添加；

b)中的每个可行节点与其他个节点通过路径检查判断每个节点的邻接信息，所述路径检查为选取一可行节点及另一可行节点之间路径（）上的m个点，对m个点分别进行碰撞检测，如果m个点均为可行节点，则判定该路径（）为可行路径，如果m个点中有不可行节点，则舍弃该路径（）；

c)重复步骤b)中的路径检查，分别对中的每一个可行节点创建包含该节点所有可行路径的一个邻居集；

d)通过欧几里得距离算法计算每个邻居集中所有可行路径的距离长度；

e)根据距离长度d的大小，确定距离每个可行节点最近的个邻居节点，然后结合每个邻居节点的状态值，在可行节点的邻居集中选取具有的可行节点为规划路径上的当前可行节点的下一个节点。通过选取出最优化的可行节点，从而得到最优化的路径为（，），因此点移动机器人不论实在静态环境还是在变化的环境中或者不论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的规划任务。