一种优化转弯角度的移动机器人路径规划方法与流程

1.本发明涉及路径规划、信号处理、物联网的技术领域，尤其涉及一种优化转弯角度的移动机器人路径规划方法。


背景技术：

2.机器人在运行中的代价，我们认为应该从以下几个方面考虑：机器人的运动距离，从常识我们可以得知，在运动环境基本一致的情况下，机器人的运动能耗与运动距离成正相关，即运动距离越远，则其所消耗的能量越大，对于移动机器人系统来说，我们希望在完成机器人运动目标的前提下尽可能降低机器人的运动距离，这一点利用路径规划的经典算法即可以做到；机器人的转弯角度，频繁的或者大角度的转弯不仅影响机器人运动时的工作效率，在运动同等距离的条件下，还会消耗更多的能量，虽然随着锂电池等可充电电池技术近年来的快速发展和成熟，机器人的续航时间越来越长，但是充电时间长等缺点仍然限制着机器人的循环使用效率。
3.对于移动机器人的实际应用来说，a*算法保证了距离上最短的同时却不能保证搜索出的路径对机器人来说代价最小，若采用栅格地图，由于运动方向限制为八个相邻节点，对于一些特定角度的路径，经典的a*算法可能会给出距离最短，但较为曲折的路径，除此之外，相比于dijkstra算法，虽然a*算法加入了启发函数使得路径搜索效率有了非常大的提升，但对于较为复杂的或者大范围的运动环境，a*算法在实际应用所表现出的搜索效率仍然不能令人满意；这是因为如前文所述，经典a*算法中的启发函数是一种对当前节点和目标节点距离的估计，若在理想无障碍的情况下，这种估计是完全准确的，则可以实现a*算法完全按照最优路径去搜索，这种条件下搜索效率最高，但是在有障碍物或者较为复杂的实际环境中，启发函数往往不能准确估计这个距离，若启发函数的估计距离值较实际距离值偏大，则算法给出的路径可能不是最短路径；反之，若启发函数的估计距离值较实际距离值偏小，则算法可以给出最有解，但启发函数偏小的程度越大，则算法需要搜索的节点越多，总体的时间效率越低。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述现有存在的问题，提出了本发明。
6.因此，本发明解决的技术问题是：现有技术中机器人的工作效率低，在有障碍物或者较为复杂的实际环境中其距离估计准确较低。
7.为解决上述技术问题，本发明提供如下技术方案：基于移动机器人所在环境建立栅格地图以及右手直角坐标系；计算所述栅格地图中每个节点可以运动的角度以及新加入节点的角度和前一路径角度的差，并实时计算移动机器人的转弯代价；将所述转弯代价的
代价函数加入a*算法的总代价函数中，得到优化后的a*算法代价函数，利用所述a*算法代价函数对具有障碍物的环境进行路径规划。
8.作为本发明所述的优化转弯角度的移动机器人路径规划方法的一种优选方案，其中：所述右手直角坐标系的建立包括，以当前节点为原点，以右侧为横轴方向建立所述右手直角坐标系。
9.作为本发明所述的优化转弯角度的移动机器人路径规划方法的一种优选方案，其中：所述每个节点因转弯所带来的代价包括，
[0010][0011]
其中，c(n)为节点的原始代价，δα为新加入节点的角度和前一路径角度的差，k2为归一化系数。
[0012]
作为本发明所述的优化转弯角度的移动机器人路径规划方法的一种优选方案，其中：将所述转弯代价的代价函数加入a*算法的总代价函数中，得到优化后的a*算法代价函数包括，
[0013]
f(n)＝g(n)+h(n)+r2(n)
[0014]
其中，g(n)表示从初始节点到任意节点n的代价，h(n)表示从节点n到目标节点的启发式评估代价。
[0015]
作为本发明所述的优化转弯角度的移动机器人路径规划方法的一种优选方案，其中：所述a*算法的总代价函数包括，
[0016]
f(n)＝g(n)+h(n)。
[0017]
作为本发明所述的优化转弯角度的移动机器人路径规划方法的一种优选方案，其中：所述每个节点可以运动的角度包括，
[0018]
‑
3≤k≤4且k∈n。
[0019]
作为本发明所述的优化转弯角度的移动机器人路径规划方法的一种优选方案，其中：采用所述栅格地图时所述移动机器人运动方向为八个相邻节点。
[0020]
作为本发明所述的优化转弯角度的移动机器人路径规划方法的一种优选方案，其中：所述c(n)还包括，若再拓展新的节点，则c(n)表示a*算法中的启发函数计算结果；若再将节点加入已知节点，则c(n)为两节点间实际的欧式距离。
[0021]
本发明的有益效果：本发明对具有障碍物的环境进行路径规划，可得到不必要的转弯更少、转弯角度更小的平滑路径，极大的缩小了算法的时间复杂度。
附图说明
[0022]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0023]
图1为本发明一个实施例提供的一种优化转弯角度的移动机器人路径规划方法的基本流程示意图；
[0024]
图2为本发明一个实施例提供的一种优化转弯角度的移动机器人路径规划方法的经典a*算法在栅格地图下利用欧式距离的路径规划结果示意图；
[0025]
图3为本发明一个实施例提供的一种优化转弯角度的移动机器人路径规划方法的考虑转弯角度后的路径与经典a*算法路径搜索结果对比示意图。
具体实施方式
[0026]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
[0027]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0028]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0029]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0030]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0031]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0032]
实施例1
[0033]
参照图1，为本发明的一个实施例，提供了一种优化转弯角度的移动机器人路径规划方法，包括：
[0034]
s1：基于移动机器人所在环境建立栅格地图以及右手直角坐标系；
[0035]
其中，右手直角坐标系的建立包括：
[0036]
以当前节点为原点，以右侧为横轴方向建立右手直角坐标系。
[0037]
s2：计算栅格地图中每个节点可以运动的角度以及新加入节点的角度和前一路径角度的差，并实时计算移动机器人的转弯代价；
[0038]
具体的，在栅格地图上进行路径搜索的时候，每个节点的运动方向被限制为其八个相邻节点的方向，每个节点可以运动的角度包括：
[0039]
‑
3≤k≤4且k∈n
[0040]
然而在实际应用中，由于目标节点和当前节点的角度是连续的，因此a*算法为了最小化代价函数，会出现反复转向以趋近最优角度的情况，这样会在实际运动控制中给机器人带来过多的能源消耗和时间消耗；本发明所提出的方法，视为了在保证距离最优的条件下尽可能的减少路径搜索结果中转弯的次数和转弯的总角度；因此，在搜索的过程中，本发明将每个节点因转弯所带来的代价描述为：
[0041][0042]
其中，c(n)为节点的原始代价，δα为新加入节点的角度和前一路径角度的差，k2为归一化系数；
[0043]
其中，c(n)还包括：若再拓展新的节点，则c(n)表示a*算法中的启发函数计算结果；若再将节点加入已知节点，则c(n)为两节点间实际的欧式距离。
[0044]
s3：将转弯代价的代价函数加入a*算法的总代价函数中，得到优化后的a*算法代价函数，利用a*算法代价函数对具有障碍物的环境进行路径规划。
[0045]
具体的，将此代价函数加入a*算法的总代价函数中，则代价函数变为：
[0046]
f(n)＝g(n)+h(n)+r2(n)
[0047]
其中，g(n)表示从初始节点到任意节点n的代价，h(n)表示从节点n到目标节点的启发式评估代价。
[0048]
其中，a*算法的总代价函数包括：
[0049]
f(n)＝g(n)+h(n)。
[0050]
利用此优化后的a*算法代价函数，对具有障碍物的环境进行路径规划测试。
[0051]
本发明提出了一种优化了转弯角度的移动机器人路径规划方法，该优化方法以a*算法为基础，结合为移动机器人做路径规划所面临的实际问题和需求，通过重新定义代价函数，在保证经典a*算法路径搜索效果的同时，考虑了转弯频率、转弯角度对机器人运动的影响，同时通过优化启发函数算法，减少优化后的算法所需要搜索的总节点数，极大的缩小了算法的时间复杂度，从而显著地提高优化后算法的时间效率。
[0052]
实施例2
[0053]
参照图2～3为本发明另一个实施例，该实施例不同于第一个实施例的是，提供了一种优化转弯角度的移动机器人路径规划方法的验证测试，为对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
[0054]
如图2所示，传统的经典a*算法给出的路径有许多不必要的转弯，这会极大地影响机器人的工作效率；为验证本方法相对传统方法具有较高工作效率，因此，本实施例中将采用传统a*算法和本方法分别对移动机器人的工作效率进行实时测量对比。实验结果如图3所示，从图中可以看出，两种算法选择了不同的障碍物的躲避方式，从移动机器人实际应用的角度来看，优化后的路径在实际的导航与运动过程中显然会在转弯和路径的平顺问题上具有较大的优势；而未经过转角优化的路径不仅在路径的起始部分有较多无用的波动，也存在由障碍物带来的直角转弯的情况；另外，经过优化后的路径仅仅在障碍物附近会表现
出与经典a*算法的不同，如图3所示，优化前与优化后的两条路径在前后两端的路径是完全重合的。
[0055]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。