一种动态复杂环境下的移动机器人路径规划方法
【专利摘要】本发明提出了一种动态复杂环境下的移动机器人全局路径规划方法，包括步骤：根据实际环境建立全局环境地图；建立动态障碍物环境；利用栅格法得到栅格地图；栅格法表示的障碍物分布图转化为图的赋权邻接矩阵；采用蚁群算法对环境进行全局路径规划，并使用退步法则处理环境中的陷阱问题；判断路径的当前位置是否到达目标点，如没有到达指定目标点的位置，则重复以上步骤；当前位置已经是指定的目标点位置，结束；本方法简单且易于实现，路径规划效果良好。
【专利说明】一种动态复杂环境下的移动机器人路径规划方法
【技术领域】
[0001]本发明涉及一种路径规划方法，尤其涉及一种在动态障碍物与静态障碍物并存的复杂情况下的移动机器人全局路径规划方法。
【背景技术】
[0002]随着机器人的应用越来越广泛，人们对机器人的要求不断提高，移动机器人作为机器人应用中的重要分支，其在生产生活中的重要性也逐渐体现出来。机器人要完成某项任务，先决条件是要到达任务区域，所以机器人的路径规划问题是机器人研究中最基础同时也是最重要的问题。
[0003]目前解决路径规划的方法有很多，比较常用的是人工势场法和Dijkstra法。人工势场法由于结构简单，便于低层的实时控制，在实时避障和平滑的轨迹控制方面，得到了广泛应用，但是其不足在于存在局部最优解，容易产生死锁现象，因而可能使移动机器人在到达目标点之前就停留在局部最优点。Dijkstra算法是典型的最短路径路由算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法能得出最短路径的最优解，但是其不足是遍历计算的节点很多，导致运行效率很低。
[0004]同时，大多数的路径规划方法都只针对含有静态障碍物的结构性地图，对全局环境中包括静态障碍物和动态障碍物的复杂环境下的研究不多，尤其是针对环境中含有可使程序陷入死循环的陷阱的情况，研究更是不足。所以研究一种含有陷阱和动态障碍物的动态复杂环境下的路径规划方法具有重要意义。
【发明内容】
[0005]针对以上现有技术中的不足，本发明的目的在于提供一种解决动态复杂环境下的移动机器人路径的规划方法，为达到上述目的，本发明的技术方案是:
一种动态复杂环境下的移动机器人路径规划方法，包括以下步骤:
101、根据移动机器人的运动环境建立全局静态环境地图，将全局静态环境地图位置信息初始化，包括移动机器人的移动路径的起始点位置、目标点位置，全局静态环境地图中的静态障碍物位置及机器人运动陷阱位置，通过栅格法对全局静态环境地图覆盖得到全局静态障碍物栅格地图，并采用序号法对全局静态障碍物栅格地图中的起始点位置与目标点标记；
102、在步骤101中得到的全局静态障碍物栅格地图中加入动态障碍物，并测量动态障碍物的大小、运动方向及速度，形成全局动态障碍物栅格地图，并用O表示全局动态障碍物栅格地图中可移动的自由位置信息，数字I表示实际环境中静态障碍物或/和动态障碍物，其中静态障碍物无运动速度；
103、将步骤102中得到的动态障碍物栅格地图中的栅格一一对应转化为节点，并形成一个由《ΧΗ个节点组成的有向图并赋权值形成赋权邻接矩阵；104、采用蚁群算法对环境进行全局路径规划，并使用退步法则处理环境中的陷阱问题，即在赋权值的有向图中找出从起始点到目标点的一条最短路径，这条路径即为机器人的最优规划路径；
105、判断机器人路径的当前位置是否到达步骤101中所述的目标点，如没有到达指定目标点的位置，则跳转至步骤104直至找到目标点，结束。
[0006]进一步的，在102获得的全局动态障碍物栅格地图上，起始点到终止点对角线上的非数字I位置的距离为规划路径；陷阱为其中三面为数字I的障碍物，一面为数字O的自由位置组合形成。
[0007]进一步的，步骤103中，将与节点相邻的八个方向，分别为东、西、南、北、东南、西南、东北、西北方向上的其他节点之间赋权值，当自由位置节点与障碍物位置节点相邻时，两节点之间赋O值，当垂直或水平的两个自由位置节点相邻时，两节点之间赋I值，其他方向上自由位置节点相邻时，两节点赋及值。
[0008]进一步的，步骤104中蚁群算法为，定义K轮蚂蚁觅食活动，每轮活动可派出M只蚂蚁，蚂蚁按照以下的公式选择下一个节点:
【权利要求】
1.一种动态复杂环境下的移动机器人路径规划方法，其特征是，包括以下步骤: .101、根据移动机器人的运动环境建立全局静态环境地图，将全局静态环境地图位置信息初始化，包括移动机器人的移动路径的起始点位置、目标点位置，全局静态环境地图中的静态障碍物位置及机器人运动陷阱位置，通过栅格法对全局静态环境地图覆盖得到全局静态障碍物栅格地图，并采用序号法对全局静态障碍物栅格地图中的起始点位置与目标点标记； . 102、在步骤101中得到的全局静态障碍物栅格地图中加入动态障碍物，并测量动态障碍物的大小、运动方向及速度，形成全局动态障碍物栅格地图，并用O表示全局动态障碍物栅格地图中可移动的自由位置信息，数字I表示实际环境中静态障碍物或/和动态障碍物，其中静态障碍物无运动速度； . 103、将步骤102中得到的动态障碍物栅格地图中的栅格一一对应转化为节点，并形成一个由KXK个节点组成的有向图并赋权值形成赋权邻接矩阵； . 104、采用蚁群算法对环境进行全局路径规划，并使用退步法则处理环境中的陷阱问题，即在赋权值的有向图中找出从起始点到目标点的一条最短路径，这条路径即为机器人的最优规划路径； .105、判断机器人路径的当前位置是否到达步骤101中所述的目标点，如没有到达指定目标点的位置，则跳转至步骤104直至找到目标点，结束。
2.根据权利要求1所述的动态复杂环境下的移动机器人路径规划方法，其特征在于:在102获得的全局动态障碍物栅格地图上，起始点到终止点对角线上的非数字I位置的距离为规划路径；陷阱为其中三面为数字I的障碍物，一面为数字O的自由位置组合形成。
3.根据权 利要求1所述的动态复杂环境下的移动机器人路径规划方法，其特征在于:步骤103中，将与节点相邻的八个方向，分别为东、西、南、北、东南、西南、东北、西北方向上的其他节点之间赋权值，当自由位置节点与障碍物位置节点相邻时，两节点之间赋O值，当垂直或水平的两个自由位置节点相邻时，两节点之间赋I值，其他方向上自由位置节点相邻时，两节点赋及值。
4.根据权利要求1所述的动态复杂环境下的移动机器人路径规划方法，其特征在于:步骤104中蚁群算法为，定义K轮蚂蚁觅食活动，每轮活动可派出Af只蚂蚁，蚂蚁按照以下的公式选择下一个节点:
5.根据权利要求4所述的动态复杂环境下的移动机器人路径规划方法，其特征在于:蚁群算法中当蚂蚁进 入陷阱时，采用CeU数组使蚂蚁退步。
【文档编号】G05D1/02GK103439972SQ201310338671
【公开日】2013年12月11日 申请日期:2013年8月6日 优先权日:2013年8月6日
【发明者】唐贤伦, 张鹏, 庄陵, 张毅, 蒋畅江, 蒋波杰, 李洋, 董磊 申请人:重庆邮电大学