一种智能割草机器人混合路径规划方法

本发明涉及智能割草机器人的控制技术领域，具体涉及一种智能割草机器人混合路径规划方法。

背景技术：

由于城镇规划和建设步伐的加快以及居民环境保护意识的不断加强，绿化面积也随之稳步增加，其中绿化区修剪工作的加大消耗了大量的人力、物力、财力，因此，智能割草机取代人工势必成为当今的发展趋势。

智能割草机器人的路径规划算法是其关键环节，由于随机路径规划算法易实现、成本较低的特点，目前智能割草机大多是采用随机路径规划算法。但是，单一的使用随机覆盖法或内外螺旋式路径规划算法，存在着较低覆盖率以及较高重复率的问题，这种路径规划方式费时费力，效率极低，不能达到智能割草机器人全面有序割草的目的。

技术实现要素：

本发明的目的是提供一种智能割草机器人混合路径规划方法，与传统的随机式路径规划算法不同，本算法是采用内螺旋算法与a星寻路算法相结合的方式，实现高覆盖率、低重复率、精确避障的目标，同时，也能满足智能割草机器人全面有序割草的目的。

为了达到上述目的，本发明所采用的技术方案是：一种智能割草机器人混合路径规划方法，首先构建全局环境地图，在全局环境地图的基础上以内螺旋算法和a星寻路算法相结合进行混合路径规划，该混合路径规划方法具体包括以下步骤：

s1：利用传感器组件对外界环境信息进行获取，并对智能割草机器人进行定位，所述传感器组件包括但不仅限于cmos相机、imu惯性导航系统和激光雷达；

s2：结合获取的外界环境信息，利用栅格法对全局环境地图进行构建，搭建智能割草机器人工作空间的环境模型，确定智能割草机器人的初始位置和方向；

s3：先使用内螺旋算法进行全局路径规划，按照既定的行走逻辑作业，直至智能割草机运动到作业死点，则跳转至步骤s4，若按照内螺旋算法进行作业的过程中未遇到作业死点，则跳转至步骤s5；

s4：当智能割草机运动到作业死点时，利用a星寻路算法对整个工作区域内的剩余区域在栅格地图上进行新的路径规划，得到在剩余区域内距离智能割草机的最近点，然后在新得到的最近点处继续执行步骤s3；

s5：使用a星寻路算法进行寻路并进行路径的可视化，即将当前的位置记录给x和y便于后续行走逻辑的可视化，检测是否还有未作业的区域，若有则返回步骤s3，反之则智能割草机完成全遍历有序割草。

进一步的，步骤s2在构建全局环境地图时，对传感器组件采集的环境信息，先后利用包括图像灰度转化、图像二值化处理、形态学去噪运算以及图像校正方法进行图像预处理，然后利用图像阈值分割方法、连通域检测方法识别障碍物区域，最后运用栅格法构建出全局环境地图。

进一步的，在步骤s3中，内螺旋算法遵循固定的行走逻辑。

进一步的，在步骤s4中，a星寻路算法使用的是广度优先搜索算法，以计算在未作业区域内距离当前智能割草机器人位置最近的点。

进一步的，在步骤s5中，a星寻路算法是点对点的最短路径计算方法，起点是当前智能割草机器人作业的死点，终点是利用广度优先搜索算法计算的距离当前作业死点最近的未清扫的点，利用a星寻路算法让智能割草机器人摆脱当前作业死点从而继续进行作业，直至遍历整个作业区域。

与现有技术相比，本发明的有益效果是：本发明提出一种新型智能割草机器人混合路径规划方法，将内螺旋算法和a星寻路算法相结合，避免了搜索路径的盲目性，减少了搜索时长，达到在约束条件下的相互弥补，提高智能割草机路径规划解决方案的质量和效率；本发明方法相比于单一的路径规划方法，可以使智能割草机遇到作业死点时，利用a星寻路算法，缩小了搜索空间，迅速在剩余未作业区域找到最近点，并实现动态规划和避障功能，保证了智能割草机器人运动过程中的实时性和安全性，完成了智能割草机器人全面有序割草的目标。

附图说明

图１是本发明一种智能割草机器人混合路径规划方法的整体步骤流程图；

图2是构建全局外界环境地图的基本流程图；

图３是利用栅格法初步构建的全局环境地图；

图４是内螺旋算法遍历环境初始过程；

图5是内螺旋算法与a星寻路算法首次结合探寻最近点；

图6是利用混合算法完成全遍历割草，其中启发点即为上述最近点；

图7是智能割草机器人视觉系统硬件结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种智能割草机器人混合路径规划方法，首先构建全局环境地图，在全局环境地图的基础上以内螺旋算法和a星寻路算法相结合进行混合路径规划，如图1所示，该混合路径规划方法具体包括以下步骤：

s1：利用传感器组件对外界环境信息进行获取，并对智能割草机器人进行定位，所述传感器组件包括但不仅限于cmos相机、imu惯性导航系统和激光雷达，智能割草机器人视觉系统硬件结构框图如图7所示。

s2：结合获取的外界环境信息，利用栅格法对全局环境地图进行构建，搭建智能割草机器人工作空间的环境模型，确定智能割草机器人的初始位置和方向；其中，利用栅格法初步构建的全局环境地图如图３所示。

s3：先使用内螺旋算法进行全局路径规划，内螺旋算法遍历环境初始过程如图４所示，按照既定的行走逻辑作业，直至智能割草机运动到作业死点，则跳转至步骤s4，若按照内螺旋算法进行作业的过程中未遇到作业死点，则跳转至步骤s5；

s4：当智能割草机运动到作业死点时，利用a星寻路算法对整个工作区域内的剩余区域在栅格地图上进行新的路径规划，得到在剩余区域内距离智能割草机的最近点，然后在新得到的最近点处继续执行步骤s3；内螺旋算法与a星寻路算法首次结合探寻最近点如图5所示。

s5：使用a星寻路算法进行寻路并进行路径的可视化，即将当前的位置记录给x和y便于后续行走逻辑的可视化，检测是否还有未作业的区域，若有则返回步骤s3，反之则智能割草机完成全遍历有序割草。图6是利用混合算法完成全遍历割草，其中启发点即为上述最近点；

如图2所示，步骤s2在构建全局环境地图时，对传感器组件采集的环境信息，先后利用包括图像灰度转化、图像二值化处理、形态学去噪运算以及图像校正方法进行图像预处理，然后利用图像阈值分割方法、连通域检测方法识别障碍物区域，最后运用栅格法构建出全局环境地图。

在步骤s3中，内螺旋算法遵循固定的行走逻辑，这个行走逻辑决定了智能割草机器人在周围没有障碍物的时候行走的方式。

在步骤s4中，a星寻路算法使用的是广度优先搜索算法，以计算在未作业区域内距离当前智能割草机器人位置最近的点。这个行走逻辑是当前方左边和右边没有障碍物的时候，前进的优先级高于向左的优先级和向右的优先级，向左的优先级高于向右的优先级。

在步骤s5中，a星寻路算法是点对点的最短路径计算方法，起点是当前智能割草机器人作业的死点，终点是利用广度优先搜索算法计算的距离当前作业死点最近的未清扫的点，利用a星寻路算法让智能割草机器人摆脱当前作业死点从而继续进行作业，直至遍历整个作业区域。

本发明的其中一个实施方式如下：

1）利用多传感器融合技术确定当前位置，并利用广度优先算法进行计算终点信息，涉及到的传感器组件包括激光雷达、cmos相机、惯性导航系统。

2）利用激光扫描雷达对全地图建模的信息，利用栅格法将地图划分为若干个小栅格，每一个栅格就代表机器人行驶路径上的一个点。

3）智能割草机器人从起始点开始进行内螺旋的行驶算法，行驶规则为向前行驶的优先级高于向右行驶的优先级，向左行驶的优先级高于向右行驶的优先级

4）每行走一个栅格之后就会利用cmos相机、二维激光扫描雷达等传感器进行周围障碍物的检测，然后使用广度优先算法计算距离当前点最近的点。

5）以当前智能割草机所在栅格为中心一层一层往外逐步扩散，查找栅格值为1的栅格位置，确定搜索层数和每层检查的范围，此时就获取了局部路径规划中的两个点（当前点和局部路径规划中的最近点），此时利用a星寻路算法进行路径规划。

6）按照3）-5）的步骤循环进行，利用内螺旋算法和a星寻路算法交替使用，直至能完成对整个地图栅格点的遍历。

本发明将内螺旋算法和a星寻路算法相结合，避免了搜索路径的盲目性，减少了搜索时长，达到在约束条件下的相互弥补，提高智能割草机路径规划解决方案的质量和效率；本发明方法相比于单一的路径规划方法，可以使智能割草机遇到作业死点时，利用a星寻路算法，缩小了搜索空间，迅速在剩余未作业区域找到最近点，并实现动态规划和避障功能，保证了智能割草机器人运动过程中的实时性和安全性，完成了智能割草机器人全面有序割草的目标。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。