CN112415997A - 一种用于多机器人协作的路径规划方法及系统 - Google Patents

Abstract

本发明提供一种用于多机器人协作的路径规划方法及系统。系统包括路径规划服务器和多个机器人。方法包括：系统初始化，获取各个机器人的初始位置，目标位置和路径集合，并建立机器人运行环境的全局二维栅格地图；每个机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达等设备探测环境实现周围环境感知，并将本机位置信息和感知到的环境信息发送至路径规划服务器；路径规划服务器为机器人锁定决策区域，并通过多机器人协作的路径规划方法为各个机器人选择运动过程中的初始预测位置和优化预测位置，从而实现多机器人的协作路径规划。该技术方案在复杂的环境中也能够高效、安全地做出路径规划，使多个机器人快速运动到目标位置。

Description

一种用于多机器人协作的路径规划方法及系统

技术领域

本发明涉及机器人路径规划技术领域，特别涉及一种用于多机器人协作的路径规划方法及系统。

背景技术

随着机器人技术的发展与机器人智能化水平的提高，多个智能机器人协作执行任务的应用已越来越多，这就涉及多机器人系统。多机器人系统已在仓储物流运送、餐厅酒店配送等场景中得到广泛应用，而多机器人系统中的路径规范方法是目前人工智能领域中的研究热点。

目前，针对多机器人协作的路径规划的研究还不够成熟,尤其缺乏即高效又安全的多机器人协作的路径规划方法。例如，申请号为CN201911216397.7的专利提供一种基于改进天牛须算法的多机器人路径规划方法，申请号为 CN201910784067.1的专利提供一种基于差分进化烟花算法的多机器人协同路径规划方法，申请号为CN201910735725.8的专利提供一种基于先验知识与DQN 算法的多机器人路径规划方法，这些专利提供的多个机器人规划路径的方法都比较复杂，且效率较低。

发明内容

针对现有技术的上述缺陷，本发明的实施例提供一种用于多机器人协作的路径规划方法及系统。

第一方面，本发明实施例提供一种用于多机器人协作的路径规划方法，包括：包括：

S1、路径规划服务器对路径规划参数进行初始化，确定机器人的数量为 n；

S2、路径规划服务器获取各个机器人的初始位置、目标位置和运动路径集合，机器人的初始运动路径集合只包括初始位置一个路径点；

S3、路径规划服务器根据各个机器人的初始位置和目标位置，建立机器人运行环境的全局二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格；

S4、机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达探测其当前位置在当前时刻的周围环境，并把探测到的周围环境信息以及机器人的当前位置信息发送给路径规划服务器；

S5、路径规划服务器根据机器人的周围环境信息、目标位置信息、运动路径集合以及机器人的当前位置信息为机器人锁定决策区域；当运动路径集合中最后的(n-1)个路径点均为同一个位置且不是目标位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置，当运动路径集合中最后的(n-1)个路径点不为同一个位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置；

S6、路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值；

S7、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置；

S8、路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值；

S9、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置；

S10、路径规划服务器判断机器人下一时刻的优化预测位置是否为该机器人的目标位置；

S11、如果为是，则机器人运动到其下一时刻的优化预测位置时即到达目标位置；

S12、如果为否，则机器人运动到其下一时刻的优化预测位置后，更新其当前位置，将更新的当前位置存储到运动路径集合，然后执行S4。

如上所述的路径规划方法，S6中所述的路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值，具体为：

式中，e(x_i)是x_i栅格位置的初始评价值，x_i∈X，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈} 或者X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉}，其中，x₁到x₈分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x₉对应当前位置；

是x_i栅格位置的第一评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置不是障碍物位置时，设置为1；c₁为第一距离评价参数， c₂为第二距离评价参数，c₁、c₂的在系统初始化后被导入系统；

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

进一步地，S7中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置，具体为：取初始评价值最小的栅格位置为机器人下一时刻的初始预测位置；

当存在有多个初始评价值最小的栅格位置时，选择规则为：距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高；

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级越高；根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置。

如上所述的路径规划方法，S8中所述的路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值，具体为：

式中，E(x_i)是x_i栅格位置的优化评价值，x_i∈X，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}，或者，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉}，其中，x₁到x₈分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x₉对应当前位置；

是x_i栅格位置的第二评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1；c₁为第一距离评价参数，c₂为第二距离评价参数，c₁、c₂的在系统初始化后被导入系统；

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

进一步地，S9中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置，具体为：取优化评价值最小的栅格位置为机器人下一时刻的优化预测位置；

当存在有多个优化评价值最小的栅格位置时，选择规则为：距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高；

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高；根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。

优选地，第一距离评价参数c₁、第二距离评价参数c₂的取值为1。

第二方面，本发明实施例提供一种用于多机器人的路径规划系统，包括：路径规划服务器和机器人，所述机器人的数量为多个，路径规划服务器与机器人之间建立网络连接，所述系统用于执行权利要求1-6任一项所述的路径规划方法。

与现有技术相比，本发明实施例提供的技术方案的优点在于：

运算效率高，在复杂的环境中也能够高效安全地做出路径规划，使多个机器人快速运动到目标位置。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的用于多机器人协作的路径规划方法的流程图；

图2为本发明提供的用于多机器人协作的路径规划方法及系统应用实施例的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

图1为本发明提供的用于多机器人协作的路径规划方法的流程图。参考图1 所示，本实施例的方法包括以下内容。

S1、路径规划服务器对路径规划参数进行初始化，确定机器人的数量。

S2、路径规划服务器获取各个机器人的初始位置、目标位置和运动路径集合。

机器人的初始运动路径集合只包括初始位置一个路径点(集合元素)。

S3、路径规划服务器根据各个机器人的初始位置和目标位置，建立机器人运行环境的全局二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格。

S4、机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达探测其当前位置在当前时刻的周围环境，并把探测到的周围环境信息以及机器人的当前位置信息发送给路径规划服务器。

S5、路径规划服务器根据机器人的周围环境信息、目标位置信息、运动路径集合以及机器人的当前位置信息为机器人锁定决策区域。

例如，在S1确定机器人的数量为n。当运动路径集合中最后的(n-1)个路径点(集合元素)均为同一个位置且不是目标位置时，为避免陷入运动锁死机器人一直待在某一位置的状态，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置；当运动路径集合中最后的(n-1)个路径点(集合元素)不为同一个位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置，其中n为机器人的数量。

S6、路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值。

S7、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置。

S8、路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值。

S9、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置。

S10、路径规划服务器判断机器人下一时刻的优化预测位置是否为该机器人的目标位置。

S11、如果为是，则机器人运动到其下一时刻的优化预测位置时即到达目标位置。

S12、如果为否，则机器人运动到其下一时刻的优化预测位置后，更新其当前位置，将更新的当前位置存储到运动路径集合，然后执行S4。

如上所述的路径规划方法，S6中所述的路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值，具体为：

式中，e(x_i)是x_i栅格位置的初始评价值，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}或者X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉}，其中，x₁到x₈分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x₉对应当前位置；

是x_i栅格位置的第一评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置不是障碍物位置时，设置为1；c₁为第一距离评价参数，c₂为第二距离评价参数，c₁、c₂的在系统初始化后被导入系统；

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

进一步地，S7中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置，具体为：

取初始评价值最小的栅格位置为机器人下一时刻的初始预测位置；

当存在有多个初始评价值最小的栅格位置时，选择规则为：距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高；

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级越高；根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置。

如上所述的路径规划方法，S8中所述的路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值，具体为：

式中，E(x_i)是x_i栅格位置的优化评价值，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}，或者， X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉}，其中，x₁到x₈分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x₉对应当前位置；

是x_i栅格位置的第二评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1；c₁为第一距离评价参数，c₂为第二距离评价参数，c₁、c₂的在系统初始化后被导入系统；

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

进一步地，S9中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置，具体为：取优化评价值最小的栅格位置为机器人下一时刻的优化预测位置；

当存在有多个优化评价值最小的栅格位置时，选择规则为：距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高；

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高；根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。

优选地，第一距离评价参数c₁、第二距离评价参数c₂的取值为1。

另一方面，本发明实施例提供一种用于多机器人的路径规划系统，系统包括：路径规划服务器和机器人，所述机器人的数量为多个，路径规划服务器与机器人之间建立网络连接，所述系统用于执行如上所述的路径规划方法。

图2为本发明提供的用于多机器人协作的路径规划方法及系统应用实施例的示意图。参考图2所示，在具体应用中，具体可以包括以下步骤：

步骤1，进行系统初始化，导入初始化参数。

初始化参数具体可以包括：机器人总数量n、机器人编号、第一距离评价参数和第二距离评价参数。

步骤2，多机器人智能管理系统获取每一个机器人的目标位置和运动路径集合，初始时的运动路径集合只包括初始位置一个路径点(集合元素)。

步骤3，建立一个环境的全局地图，全局地图设置为二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格。

具体的，基于栅格法将所述二维空间地图设置成多个栅格，栅格大小的划分取决于机器人的外廓大小，每个单元栅格的边长为机器人最大外廓长度加上预设定的避障安全距离。全局地图的各个栅格中除了各个机器人当前的位置所在的栅格外都被设置是不可通行的栅格，各个机器人当前的位置所在的栅格都被设置为可通行的栅格。

步骤4，基于全局二维栅格地图，各个机器人在当前位置利用视觉传感器、超声波传感器、红外传感器和激光雷达探测当前时刻的周围环境。

机器人探测墙体或其他障碍物的表面信息、同时探测可以通行的区域，针对可通行区域，其所占的初始全局地图中的栅格由不可通行的栅格更改为可通行栅格，再根据探测到的墙体或其他障碍物的表面信息，与障碍物相邻的可通行栅格都设置为可通行边界栅格。

步骤5，各个机器人利用自身的通信模块，将在当前时刻机器人探测到的周围环境信息，机器人的路径集合以及机器人当前位置，发送到多机器人智能管理系统。

步骤6，多机器人智能管理系统为每一个机器人锁定决策区域，当运动路径集合中最后的(n-1)个路径点(集合元素)均为同一个位置且不是目标位置，为避免陷入运动锁死机器人一直待在某一位置的状态，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置，当运动路径集合中最后的(n-1)个路径点(集合元素)不为同一个位置，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置，其中n为机器人的数量；

。设置上述8处或9处栅格位置为决策位置集合X， X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}或者X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉}，其中，x₁到x₈分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x₉对应当前位置。

步骤7，多机器人智能管理系统为每一个机器人对应的决策区域内每一个位置计算初始评价值。

其中，e(x_i)是x_i栅格位置的初始评价值，其中x_i∈X，

是x_i栅格位置的第一评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置不是障碍物位置时，设置为1。c₁为第一距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为1，该值可以根据实际应用可以设置为其他值。c₂为第二距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为1，该值可以根据实际应用可以设置为其他值。

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

步骤8，多机器人智能管理系统根据计算的机器人对应的决策区域内每一个位置的初始评价值来预测机器人下一时刻的初始预测位置。初始评价值最小的栅格位置为机器人下一时刻的初始预测位置。当存在有多个初始评价值最小的栅格位置时，设置选择规则，本实施例中设置的选择规则为距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高。

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级越高。根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置。

步骤9，多机器人智能管理系统为每一个机器人对应的决策区域内每一个位置计算优化评价值。

其中，E(x_i)是x_i栅格位置的优化评价值，其中x_i∈X，

是x_i栅格位置的第二评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1。c₁为第一距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为1，该值可以根据实际应用可以设置为其他值。c₂为第二距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为 1，该值可以根据实际应用可以设置为其他值。

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

多机器人智能管理系统根据计算的机器人对应的决策区域内每一个位置的优化评价值来预测机器人下一时刻的优化预测位置。优化评价值最小的栅格位置为机器人下一时刻的优化预测位置。当存在有多个优化评价值最小的栅格位置时，设置选择规则，本实施例中设置的选择规则为距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高。

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高。根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。

当为一个机器人确定了优化预测位置后，更新该机器人的初始预测位置，将优化预测位置设置为初始预测位置，在为其他未计算优化预测位置的机器人计算优化预测位置时，需要用到已经计算完优化预测位置的机器人的初始预测位置，则直接使用优化预测位置。

步骤10，多机器人智能管理系统判断机器人的优化预测位置是否是该机器人的目标位置，如果是该机器人的目标位置，则机器人运动到该优化预测位置后，完成了该机器人的路径规划，直到所有机器人到达目标位置后，完成多机器人的路径规划。如果不是该机器人的目标位置，则机器人运动到该优化预测位置后，机器人当前位置更新，然后返回执行步骤4。

综上所述，本实施例提供的技术方案在复杂的环境中也能够高效、安全地做出路径规划，进而能够使多个机器人快速运动到目标位置。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种用于多机器人协作的路径规划方法，其特征在于，包括：

S1、路径规划服务器对路径规划参数进行初始化，确定机器人的数量为n；

S2、路径规划服务器获取各个机器人的初始位置、目标位置和运动路径集合，机器人的初始运动路径集合只包括初始位置一个路径点；

S3、路径规划服务器根据各个机器人的初始位置和目标位置，建立机器人运行环境的全局二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格；

S4、机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达探测其当前位置在当前时刻的周围环境，并把探测到的周围环境信息以及机器人的当前位置信息发送给路径规划服务器；

S5、路径规划服务器根据机器人的周围环境信息、目标位置信息、运动路径集合以及机器人的当前位置信息为机器人锁定决策区域；当运动路径集合中最后的(n-1)个路径点均为同一个位置且不是目标位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置；当运动路径集合中最后的(n-1)个路径点不为同一个位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置；

S6、路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值；

S7、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置；

S8、路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值；

S9、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置；

S10、路径规划服务器判断机器人下一时刻的优化预测位置是否为该机器人的目标位置；

S11、如果为是，则机器人运动到其下一时刻的优化预测位置时即到达目标位置；

S12、如果为否，则机器人运动到其下一时刻的优化预测位置后，更新其当前位置，将更新的当前位置存储到运动路径集合，然后执行S4。

2.如权利要求1所述的路径规划方法，其特征在于，S6中所述的路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值，具体为：

式中，e(x_i)是x_i栅格位置的初始评价值，x_i∈X，X为机器人的决策位置集合，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}或者X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉}，其中，x₁到x₈分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x₉对应当前位置；

是x_i栅格位置的第一评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置不是障碍物位置时，设置为1；c₁为第一距离评价参数，c₂为第二距离评价参数，c₁、c₂的在系统初始化后被导入系统；

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

3.如权利要求2所述的路径规划方法，其特征在于，S7中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置，具体为：

取初始评价值最小的栅格位置为机器人下一时刻的初始预测位置；

当存在有多个初始评价值最小的栅格位置时，选择规则为：距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高；

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级越高；根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置。

4.如权利要求1所述的路径规划方法，其特征在于，S8中所述的路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值，具体为：

式中，E(x_i)是x_i栅格位置的优化评价值，x_i∈X，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}，或者，X＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉}，其中，x₁到x₈分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x₉对应当前位置；

是x_i栅格位置的第二评价参数，当x_i栅格位置是障碍物位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞⁺，当x_i栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1；c₁为第一距离评价参数，c₂为第二距离评价参数，c₁、c₂的在系统初始化后被导入系统；

是机器人在当前位置运动到x_i栅格位置的距离，

是x_i栅格位置到机器人目标位置的距离。

5.如权利要求4所述的路径规划方法，其特征在于，S9中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置，具体为：

取优化评价值最小的栅格位置为机器人下一时刻的优化预测位置；

当存在有多个优化评价值最小的栅格位置时，选择规则为：距离x_i栅格位置到机器人目标位置的距离

越小优先级越高，

相同时，机器人在当前位置运动到x_i栅格位置的距离

越小优先级越高；

和

相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高；根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。

6.如权利要求2-5任一项所述的路径规划方法，其特征在于，第一距离评价参数c₁、第二距离评价参数c₂的取值为1。

7.一种用于多机器人的路径规划系统，其特征在于，包括：路径规划服务器和机器人，所述机器人的数量为多个，路径规划服务器与机器人之间建立网络连接，所述系统用于执行权利要求1-6任一项所述的路径规划方法。

Images