本发明涉及机器人领域，特别涉及一种基于遗传算法的寻路机器人系统及寻路方法。
背景技术：
移动机器人路径规划是机器人学的一个重要研究领域，也是人工智能与机器人学的一个结合点。不论是哪种类别的移动机器人，都要求根据某一准则(如行走路线总长度最短，能量消耗最少等)，在工作空间中沿一条最优(或次优)的路径行走。
路径规划的典型方法有图搜索法、栅格法、人工势场法等，这些算法都有一定局限性，易陷入局部最优解，而遗传算法在解决非线性问题上具有良好的适用性，已成为路径规划中使用较多的一种方法。但是标准的遗传算法本身也存在着早熟，易陷入局部最优解等缺陷，不能保证对路径规划上计算效率和可靠性的要求。
为了提高路径规划的求解质量和求解效率，提出一种基于预选择机制小生境技术的改进遗传算法，并将其应用于移动机器人的路径规划，采用化复杂的二维坐标为一维坐标的编码方式，有效降低了遗传算法的搜索空间；根据移动机器人的行走特点，设计了自适应交叉算子、自适应变异算子、插入算子、删除算子、扰动算子和倒位算子。通过计算机仿真证明了改进后的遗传算法明显提高了搜索效率和收敛速度，并能保证收敛到全局最优解，克服了标准遗传算法的缺点，为机器人快速寻求一条无碰的最优路径。
技术实现要素：
鉴于此，本发明提供了一种基于遗传算法的寻路机器人系统及寻路方法，本发明具有自动寻路、效率高和准确性高等优点。
本发明采用的技术方案如下：
一种基于遗传算法的寻路机器人系统，其特征在于，所述系统包括：用于获取周围环境原始图像信息的图像采集装置；所述图像采集装置信号连接于用于对原始图像信息进行图像处理的图像处理器；所述图像处理器信号连接于控制机器人运行的主控制器；所述主控制器分别信号连接于用于驱动机器人运动的步进电机和用于规划机器人运动路径的路径规划处理器。
所述图像处理器包括：用于对图像进行锐化的图像锐化单元；所述图像锐化单元信号连接于用于对图像进行分割的图像分割单元；所述图像分割单元信号连接于用于对图像进行二值化处理的二值化单元；所述二值化单元信号连接于用于对图像进行阈值边缘检测的阈值边缘检测单元；所述阈值边缘检测单元信号连接于主控制器。
所述路径规划处理器包括：用于建立初始群体和确定遗传参数的初始化单元、所述初始化单元信号连接于用于计算个体适应度的适应度计算单元；所述适应度计算单元信号连接于用于进行遗传操作的遗传操作单元；所述遗传操作单元信号连接于用于比较子串和父串大小的比较单元。
所述主控制器包括：用于给整个系统供电的电源；所述电源信号连接于用于处理来往于主控制器数据信息的数据处理单元；所述数据处理单元信号连接于用于传输数据信号的数据传输单元和用于存储数据信息的存储器。
所述图像采集装置包括：用于获取原始图像信号的CCD摄像机；所述CCD摄像机信号连接于用于将模拟的原始图像信号转换为数字图像信号的模数转换单元。
一种基于遗传算法的寻路机器人系统的寻路方法，其特征在于，所述寻路方法包括以下步骤：
步骤1：系统启动，系统初始化；
步骤2：图像采集装置开始采集原始的图像信号，将图像信号经主控制器的处理后发送至路径规划处理器；
步骤3：路径规划处理器根据接收到的图像进行信号规划机器人的行动路径，将规划好的行动路径发送给主控制器；
步骤4：主控制器根据规划的行动路径发送控制命令到步进电机，控制步进电机驱动机器人的运动。
所述路径规划处理器进行路径规划的方法包括以下步骤：
步骤1：初始化种群，沿起点和终点连线方向等距离选取N个点，在这些点的垂直线上随机选取转向点的纵坐标，并且使这些转向点不在障碍物内；
步骤2：将每一代个体划分为n个类，每个类中选出若干适应度较大的个体，作为一个类的优秀代表，组成一个种群；得到种群规模为： ；
步骤4：计算种群中所有个体的适应度，将其最好的个体保留，然后采用锦标赛选择法，挑选父个体，以执行交叉操作，并且检查获得的子代个体染色体长度是否超过N，如果没有超过，则保留，否则丢弃；
步骤5：以设定的概率对新产生的子代个体进行变异、插入、扰动、删除、平滑的操作:；同时，采取预选择机制，比较子串和父串适应度的大小，如果子串的适应度高于父串的适应度，就替换父串；否则维持父串不变；
步骤6：重复执行步骤3和步骤4步直到获得的新个体数量与父代群体数量相等；
步骤7：用保留的上一代最优个体替换新种群中适应度最差的个体；
步骤8：检查算法停止条件。符合则中止，否则跳转至:步骤3，算法继续进行。
所述图像处理器对接收到的原始图像进行图像处理的方法包括以下步骤：
步骤1：图像锐化单元对接收到的原始图像信息进行锐化处理；将锐化处理后的图像发送至图像分割单元；
步骤2：图像分割单元对接收到的图像信息进行分割，将分割后的图像发送至二值化单元；
步骤3：二值化单元对接受到的图像进行二值化处理，将二值化处理后的图像发送至阈值边缘检测单元；
步骤4：阈值边缘检测单元对接收到的图像进行阈值边缘检测，将阈值边缘检测的结果发送至主控制器。
所述阈值边缘检测单元进行阈值边缘检测的方法包括以下步骤：
步骤1：采用隶属度函数将待处理的图像映射为一个模糊矩阵 ；
步骤2：设图像 具有 个灰度级，图像大小为 ，模糊矩阵 的元素 为图像的隶属度函数为：；参数F=2；与 的形状有关；
步骤3：对 进行非线性变换，得到：
;
步骤4：对 进行逆变换，得到模糊增强后的图像
步骤5：得到图像的边缘为：
。
采用以上技术方案，本发明产生了以下有益效果：
1、结构简单：本发明的机器人系统，各个处理器间的连接关系简单，图像识别、主控制器和路径规划处理器都可以单独生产再进行组装，大大降低了复杂度，降低了制作成本。
2、具备寻路功能：本发明的机器人系统，添加了路径规划处理器，能够为机器人规划合理的路径，保证机器人顺利的到达目标点。
3、准确性高：本发明采用CCD摄像机获取原始的图像信息，CCD摄像机本身的分辨率高，获取到的图像准确率高。
采用以上技术方案，本发明产生了以下有益效果：
1、准确性高：本发明的图像处理器对图像进行了改进的边缘阈值检测，获取的边缘阈值检测结果更加准确。同时本发明的路径规划处理器采用了改进的遗传算法，该算法对路径的规划更加准确。
2、运行效率高：本发明的遗传算法算法同时兼顾了遗传进化的快速性和群体的多样性，有效地抑制了“早熟”现象的发生，能很好地搜索局部最优解和全局最优解。该算法在不同的环境中都能够在较小的进化代数内收敛到最优解，算法的执行速度和成功率明显高于标准的遗传算法。另外，在进化的不同阶段选取合适的交叉和变异概率对于进化结果有着关键性的影响。同时本发明的边缘阈值算法在保证准确性的前提下，大大提升了系统的处理效率，处理效率更高。
3、成本低、结构简单：本发明的机器人系统，各个处理器间的连接关系简单，图像识别、主控制器和路径规划处理器都可以单独生产再进行组装，大大降低了复杂度，降低了制作成本。。
附图说明
图1是本发明的一种基于遗传算法的寻路机器人系统及寻路方法的系统结构示意图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
本发明实施例1中提供了一种基于遗传算法的寻路机器人系统，系统结构如图1所示：
一种基于遗传算法的寻路机器人系统，其特征在于，所述系统包括：用于获取周围环境原始图像信息的图像采集装置；所述图像采集装置信号连接于用于对原始图像信息进行图像处理的图像处理器；所述图像处理器信号连接于控制机器人运行的主控制器；所述主控制器分别信号连接于用于驱动机器人运动的步进电机和用于规划机器人运动路径的路径规划处理器。
所述图像处理器包括：用于对图像进行锐化的图像锐化单元；所述图像锐化单元信号连接于用于对图像进行分割的图像分割单元；所述图像分割单元信号连接于用于对图像进行二值化处理的二值化单元；所述二值化单元信号连接于用于对图像进行阈值边缘检测的阈值边缘检测单元；所述阈值边缘检测单元信号连接于主控制器。
所述路径规划处理器包括：用于建立初始群体和确定遗传参数的初始化单元、所述初始化单元信号连接于用于计算个体适应度的适应度计算单元；所述适应度计算单元信号连接于用于进行遗传操作的遗传操作单元；所述遗传操作单元信号连接于用于比较子串和父串大小的比较单元。
所述主控制器包括：用于给整个系统供电的电源；所述电源信号连接于用于处理来往于主控制器数据信息的数据处理单元；所述数据处理单元信号连接于用于传输数据信号的数据传输单元和用于存储数据信息的存储器。
所述图像采集装置包括：用于获取原始图像信号的CCD摄像机；所述CCD摄像机信号连接于用于将模拟的原始图像信号转换为数字图像信号的模数转换单元。
本发明实施例2中提供了一种基于遗传算法的寻路机器人的寻路方法：
一种基于遗传算法的寻路机器人系统的寻路方法，其特征在于，所述寻路方法包括以下步骤：
步骤1：系统启动，系统初始化；
步骤2：图像采集装置开始采集原始的图像信号，将图像信号经主控制器的处理后发送至路径规划处理器；
步骤3：路径规划处理器根据接收到的图像进行信号规划机器人的行动路径，将规划好的行动路径发送给主控制器；
步骤4：主控制器根据规划的行动路径发送控制命令到步进电机，控制步进电机驱动机器人的运动。
所述路径规划处理器进行路径规划的方法包括以下步骤：
步骤1：初始化种群，沿起点和终点连线方向等距离选取N个点，在这些点的垂直线上随机选取转向点的纵坐标，并且使这些转向点不在障碍物内；
步骤2：将每一代个体划分为n个类，每个类中选出若干适应度较大的个体，作为一个类的优秀代表，组成一个种群；得到种群规模为： ；
步骤4：计算种群中所有个体的适应度，将其最好的个体保留，然后采用锦标赛选择法，挑选父个体，以执行交叉操作，并且检查获得的子代个体染色体长度是否超过N，如果没有超过，则保留，否则丢弃；
步骤5：以设定的概率对新产生的子代个体进行变异、插入、扰动、删除、平滑的操作:；同时，采取预选择机制，比较子串和父串适应度的大小，如果子串的适应度高于父串的适应度，就替换父串；否则维持父串不变；
步骤6：重复执行步骤3和步骤4步直到获得的新个体数量与父代群体数量相等；
步骤7：用保留的上一代最优个体替换新种群中适应度最差的个体；
步骤8：检查算法停止条件。符合则中止，否则跳转至:步骤3，算法继续进行。
所述图像处理器对接收到的原始图像进行图像处理的方法包括以下步骤：
步骤1：图像锐化单元对接收到的原始图像信息进行锐化处理；将锐化处理后的图像发送至图像分割单元；
步骤2：图像分割单元对接收到的图像信息进行分割，将分割后的图像发送至二值化单元；
步骤3：二值化单元对接受到的图像进行二值化处理，将二值化处理后的图像发送至阈值边缘检测单元；
步骤4：阈值边缘检测单元对接收到的图像进行阈值边缘检测，将阈值边缘检测的结果发送至主控制器。
所述阈值边缘检测单元进行阈值边缘检测的方法包括以下步骤：
步骤1：采用隶属度函数将待处理的图像映射为一个模糊矩阵 ；
步骤2：设图像 具有 个灰度级，图像大小为 ，模糊矩阵 的元素 为图像的隶属度函数为：；参数F=2；与 的形状有关；
步骤3：对 进行非线性变换，得到：
;
步骤4：对 进行逆变换，得到模糊增强后的图像
步骤5：得到图像的边缘为：
。
本发明实施例3中提供了一种基于遗传算法的寻路机器人系统及寻路方法，系统结构图如图1所示：
一种基于遗传算法的寻路机器人系统，其特征在于，所述系统包括：用于获取周围环境原始图像信息的图像采集装置；所述图像采集装置信号连接于用于对原始图像信息进行图像处理的图像处理器；所述图像处理器信号连接于控制机器人运行的主控制器；所述主控制器分别信号连接于用于驱动机器人运动的步进电机和用于规划机器人运动路径的路径规划处理器。
所述图像处理器包括：用于对图像进行锐化的图像锐化单元；所述图像锐化单元信号连接于用于对图像进行分割的图像分割单元；所述图像分割单元信号连接于用于对图像进行二值化处理的二值化单元；所述二值化单元信号连接于用于对图像进行阈值边缘检测的阈值边缘检测单元；所述阈值边缘检测单元信号连接于主控制器。
所述路径规划处理器包括：用于建立初始群体和确定遗传参数的初始化单元、所述初始化单元信号连接于用于计算个体适应度的适应度计算单元；所述适应度计算单元信号连接于用于进行遗传操作的遗传操作单元；所述遗传操作单元信号连接于用于比较子串和父串大小的比较单元。
所述主控制器包括：用于给整个系统供电的电源；所述电源信号连接于用于处理来往于主控制器数据信息的数据处理单元；所述数据处理单元信号连接于用于传输数据信号的数据传输单元和用于存储数据信息的存储器。
所述图像采集装置包括：用于获取原始图像信号的CCD摄像机；所述CCD摄像机信号连接于用于将模拟的原始图像信号转换为数字图像信号的模数转换单元。
一种基于遗传算法的寻路机器人系统的寻路方法，其特征在于，所述寻路方法包括以下步骤：
步骤1：系统启动，系统初始化；
步骤2：图像采集装置开始采集原始的图像信号，将图像信号经主控制器的处理后发送至路径规划处理器；
步骤3：路径规划处理器根据接收到的图像进行信号规划机器人的行动路径，将规划好的行动路径发送给主控制器；
步骤4：主控制器根据规划的行动路径发送控制命令到步进电机，控制步进电机驱动机器人的运动。
所述路径规划处理器进行路径规划的方法包括以下步骤：
步骤1：初始化种群，沿起点和终点连线方向等距离选取N个点，在这些点的垂直线上随机选取转向点的纵坐标，并且使这些转向点不在障碍物内；
步骤2：将每一代个体划分为n个类，每个类中选出若干适应度较大的个体，作为一个类的优秀代表，组成一个种群；得到种群规模为： ；
步骤4：计算种群中所有个体的适应度，将其最好的个体保留，然后采用锦标赛选择法，挑选父个体，以执行交叉操作，并且检查获得的子代个体染色体长度是否超过N，如果没有超过，则保留，否则丢弃；
步骤5：以设定的概率对新产生的子代个体进行变异、插入、扰动、删除、平滑的操作:；同时，采取预选择机制，比较子串和父串适应度的大小，如果子串的适应度高于父串的适应度，就替换父串；否则维持父串不变；
步骤6：重复执行步骤3和步骤4步直到获得的新个体数量与父代群体数量相等；
步骤7：用保留的上一代最优个体替换新种群中适应度最差的个体；
步骤8：检查算法停止条件。符合则中止，否则跳转至:步骤3，算法继续进行。
所述图像处理器对接收到的原始图像进行图像处理的方法包括以下步骤：
步骤1：图像锐化单元对接收到的原始图像信息进行锐化处理；将锐化处理后的图像发送至图像分割单元；
步骤2：图像分割单元对接收到的图像信息进行分割，将分割后的图像发送至二值化单元；
步骤3：二值化单元对接受到的图像进行二值化处理，将二值化处理后的图像发送至阈值边缘检测单元；
步骤4：阈值边缘检测单元对接收到的图像进行阈值边缘检测，将阈值边缘检测的结果发送至主控制器。
所述阈值边缘检测单元进行阈值边缘检测的方法包括以下步骤：
步骤1：采用隶属度函数将待处理的图像映射为一个模糊矩阵 ；
步骤2：设图像 具有个灰度级，图像大小为 ，模糊矩阵 的元素 为图像的隶属度函数为：；参数F=2； 与 的形状有关；
步骤3：对 进行非线性变换，得到：
;
步骤4：对 进行逆变换，得到模糊增强后的图像
步骤5：得到图像的边缘为：
。。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。