CN114593743A - 一种基于改进双向rrt算法的路径规划方法及装置 - Google Patents

一种基于改进双向rrt算法的路径规划方法及装置 Download PDF

Info

Publication number
CN114593743A
CN114593743A CN202210202790.6A CN202210202790A CN114593743A CN 114593743 A CN114593743 A CN 114593743A CN 202210202790 A CN202210202790 A CN 202210202790A CN 114593743 A CN114593743 A CN 114593743A
Authority
CN
China
Prior art keywords
point
path
tree
new
initial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210202790.6A
Other languages
English (en)
Inventor
林禛
项基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Huakun Yunqi Information Technology Co ltd
Huzhou Institute of Zhejiang University
Original Assignee
Hangzhou Huakun Yunqi Information Technology Co ltd
Huzhou Institute of Zhejiang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Huakun Yunqi Information Technology Co ltd, Huzhou Institute of Zhejiang University filed Critical Hangzhou Huakun Yunqi Information Technology Co ltd
Priority to CN202210202790.6A priority Critical patent/CN114593743A/zh
Publication of CN114593743A publication Critical patent/CN114593743A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及自主导航技术领域，尤其涉及一种基于改进双向RRT算法的路径规划方法及装置，包括以下步骤：获取环境图像，利用二值化将环境图像划分为障碍物区域和非障碍物区域；并获取所有障碍物的特征点，根据预先建立的优先级配置规则设置所有特征点的初始优先级；基于特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；利用贝塞尔曲线对初始路径进行平滑处理，得到最终路径。本方案首先获取区域内所有障碍物的特征点，再为每个特征点进行动态优先级设置，然后利用这些信息结合改进双向RRT算法实现加速搜索，降低了向低效搜索区域扩展的概率，减少了内存消耗，同时实现对生成路径的平滑处理，有利于智能移动设备的实际执行。

Description

一种基于改进双向RRT算法的路径规划方法及装置
技术领域
本申请涉及自主导航技术领域，尤其涉及一种基于改进双向RRT算法的路径规划方法及装置。
背景技术
近年来，随着自主导航技术的快速发展，无人驾驶汽车、无人机和移动机器人等智能移动设备的应用越来越普遍，而实现这一应用的关键技术—路径规划也得到相关技术人员的高度重视，路径规划是指在有障碍物的工作环境中，为智能移动设备规划一条从起点到终点的运动路径，让智能移动设备可以安全、无碰撞地通过所有障碍物，并使花费的时间尽可能少，走过的路径尽可能短。
传统的路径规划算法包括栅格法、遗传算法、RRT算法、人工势场法和仿生算法等，但他们都存在各种问题，如栅格法把全局分解成若干个单元，对每个单元进行标记后再使用启发式算法在单元中搜索安全路径，虽能快速生成单元，但搜索耗时长，如遗传算法对路径群体进行初始化，再进行选择、交叉等遗传操作，经过若干代进化后，输出当前最优个体，虽能克服局部极小值问题，但存在无法搜索到实际存在的可行路径的问题，而现有的双向RRT算法虽具有强大的搜索能力，但存在很多对空白区域的冗余搜索，规划用时长，采样点利用率低。
发明内容
本发明为了解决上述现有技术存在的问题，提出了一种基于改进双向RRT算法的路径规划方法，以减少对低效采样区域的搜索、提高搜索效率，并实现高效采样点的筛选。
为实现上述目的，本申请采用以下技术方案：
本申请的一种基于改进双向RRT算法的路径规划方法，包括以下步骤：
获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；
基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；
利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
作为优选，所述获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级之前还包括：
获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域。
作为优选，所述获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级，包括：
获取所述障碍物区域中所有障碍物的轮廓点，并确定二值化后的环境图像中的起始点和目标点；
根据所述起始点与所述目标点建立二维坐标系，并计算所有轮廓点在所述二维坐标系中的坐标；
对同一障碍物的轮廓点坐标进行比对以确定所述所有障碍物的特征点，并根据预先建立的优先级配置规则设置每个特征点的初始优先级。
作为优选，所述基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径，包括：
分别以所述起始点和所述目标点为起点构建两棵随机树Ta和Tb；
利用随机采样方法生成随机采样点，并结合所述所有特征点的初始优先级和预设的目标扩展策略生成树Ta与树Tb各自的新节点；
判断两个新节点的距离是否小于两棵树的连接阈值，若是则返回双树信息,否则重复上述步骤，直至满足所述连接阈值或达到最大迭代次数；
将随机树Ta和Tb交换进行扩展，并重复上述步骤直至得到初始路径。
作为优选，所述利用随机采样方法生成随机采样点，并结合所述所有特征点的初始优先级和预设的目标扩展策略生成树Ta与树Tb各自的新节点，包括:
利用随机采样方法获取位于所述非障碍物区域的随机采样点xrand；
确定树Ta上与点xrand最近的节点xnearest，以点xnearest为起点向点xrand方向进行单个预设步长的扩展操作，并对得到的边进行碰撞检测，若无碰撞则得到树Ta的新节点xnew，将点xnew和对应的边加入到树Ta中，否则重复上述步骤；
确定树Tb上离点xnew最近的点xnearest1，并结合所述所有特征点的初始优先级和预设的代价函数生成树Tb的新节点。
作为优选，所述确定树Tb上离点xnew最近的点xnearest1，并结合所述所有特征点的初始优先级和预设的代价函数生成树Tb的新节点xnew1，包括：
连接点xnearest1和点xnew，并利用式(1)所示的公式计算点xnearest1和点xnew的连线与所有障碍物的交集：
Figure BDA0003528042760000031
式(1)中，Xobs为障碍物集合，
Figure BDA0003528042760000036
为单个障碍物，L(·，·)表示两个点间的线段，
Figure BDA0003528042760000032
为障碍物
Figure BDA0003528042760000033
上的两个特征点，I为xnearest1和xnew的连线所经过的障碍物集合；
将所述障碍物集合中与点xnearest1最近的障碍物作为目标障碍物，并确定所述目标障碍物对应的特征点
Figure BDA0003528042760000034
根据代价函数计算
Figure BDA0003528042760000035
各自的代价值，并将代价值大的特征点记为H，代价值小的记为L；
根据预设的查询表结合所述所有特征点的初始优先级对点xnew、H和L进行评估，确定树Tb的新节点xnew1，并将点xnew1和对应的边加入树Tb中。
作为优选，所述判断两个新节点的距离是否小于两棵树的连接阈值，若是则返回双树信息,否则重复上述步骤，直至满足所述连接阈值或达到最大迭代次数，包括：
连接点xnew和点xnew1，并将得到的边与两棵树的连接阈值进行比较，若点xnew到点xnew1的距离小于所述连接阈值，则结束迭代并返回双树信息，否则以点xnew1为起点向点xnew方向扩展单个预设步长，得到新的边和点xnew2，并进行碰撞检测，若无碰撞，则将点xnew2和对应的边加入到树Tb中，否则进行特征点优先级更新并重复上述步骤。
一种基于改进双向RRT算法的路径规划装置，包括：
划分模块，用于获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域；
设置模块，用于获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；
搜索模块，用于基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；
平滑模块，用于利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种基于改进双向RRT算法的路径规划方法。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述中任一项所述的一种基于改进双向RRT算法的路径规划方法。
本发明具有如下有益效果：
本方案使用了基于障碍物轮廓信息的引导方式，首先获取区域内所有障碍物的特征点，这些特征点代表了每个障碍物的边界，再为每个特征点进行动态优先级设置，然后利用这些障碍物的特征点信息结合改进双向RRT算法进行加速搜索，降低了向低效搜索区域扩展的概率，减少了内存消耗，同时实现了对生成路径的平滑处理，有利于智能移动设备的实际执行。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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他的附图。
图1是本申请实施例1实现一种基于改进双向RRT算法的路径规划方法第一流程图；
图2是本申请实施例2实现一种基于改进双向RRT算法的路径规划方法第二流程图；
图3是本申请实施例3实现一种基于改进双向RRT算法的路径规划方法第三流程图；
图4是本申请的路径规划算法与三种对比算法在矩形障碍环境下寻找路径的结果示意图；
图5是本申请的路径规划算法与三种对比算法在不规则障碍环境下寻找路径的结果示意图；
图6是本申请的路径规划算法与三种对比算法在矩形障碍环境下的规划时间示意图；
图7是本申请的路径规划算法与三种对比算法在不规则障碍环境下的规划时间示意图；
图8是本申请实施例4实现一种基于改进双向RRT算法的路径规划装置示意图；
图9是本申请实施例5实现一种基于改进双向RRT算法的路径规划方法的一种电子设备示意图。
具体实施方式
下面将结合附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术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，都属于本申请保护的范围。
本申请的权利要求书和说明书的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序，应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式，此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他单元。
实施例1
如图1所示，一种基于改进双向RRT算法的路径规划方法，包括以下步骤：
S110、获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域；
S120、获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；
S130、基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；
S140、利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
根据实施例1可知，本方案首先获取全局地图信息即环境图像，并利用基于python的opencv库编写图像二值化处理程序，将环境图像中的障碍物信息和非障碍物信息区分开，然后获取所有障碍物的轮廓点坐标并构建成障碍物的轮廓点集合，再根据用户给定的起始点和目标点信息，构建以该起始点与目标点的中点为原点的二维坐标系，同时计算每个障碍物的轮廓点在该二维坐标系纵轴方向的值，并选取其在纵轴方向最高和最低的轮廓点作为该障碍物的特征点，再根据预设的优先级配置规则为每个特征点设置好初始优先级，并分别以用户给定的起始点和目标点为起点构建两颗随机树Ta和Tb,同时根据实际需要设计好随机树的最大迭代次数k和迭代时的步长n，利用随机采样的方法和碰撞检测确定树Ta的扩展节点，再确定树Tb上距离树Ta的扩展节点最近的节点，并根据障碍物的轮廓点集合与树Ta的扩展节点和树Tb上距离树Ta的扩展节点最近的节点的连线的交集确定目标障碍物，再根据设计的代价函数和查询表结合特征点的优先级信息及碰撞检测确定树Tb的扩展节点，然后判断两棵树扩展节点的距离是否小于两棵树的连接阈值，若是就结束迭代，返回双树的信息，否则就对树Tb进行单个步长的扩展操作并进行碰撞检测，若通过碰撞检测，则得到树Tb新的扩展节点并再次进行连线距离与连接阈值的判断，若不通过碰撞检测，则更新特征点的优先级，并重新确定树Tb的扩展方向，直至满足阈值或达到最大迭代次数，然后，将随机树Ta和Tb交换进行扩展，并重复前述步骤直至得到初始路径，最后，根据随机树搜索到的路径，从最终的连接点处回溯至根节点，按顺序返回路径上的节点，基于这些节点构建贝塞尔曲线，得到一条平滑的路径，并在这条平滑路径中根据导航的需要按照一定间隔取点，作为最终的全局路径点以便在航行中控制全局方向。本方案与传统的路径规划方法相比，使用了随机采样过程，在概率上保证了完备性，并且提高了搜索效率；与其他基于双向快速扩展随机树的方法相比，使用了基于障碍物轮廓信息的引导方式，通过动态设置优先级，在利用障碍物边界信息进行加速搜索的同时，降低了向低效搜索区域扩展的概率，减少了内存消耗，并且实现了对生成路径的平滑处理，并且整个过程基于python程序，自动化程度高，且能实现任意全局环境下的路径搜索，满足实际场景的需求。
实施例2
如图2所示，一种基于改进双向RRT算法的路径规划方法，包括：
S210、获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域；
S220、获取所述障碍物区域中所有障碍物的轮廓点，并确定二值化后的环境图像中的起始点和目标点；
S230、根据所述起始点与所述目标点建立二维坐标系，并计算所有轮廓点在所述二维坐标系中的坐标；
S240、对同一障碍物的轮廓点坐标进行比对以确定所述所有障碍物的特征点，并根据预先建立的优先级配置规则设置每个特征点的初始优先级；
S250、基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；
S260、利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
根据实施例2可知，本方案首先获取环境图像，并利用python脚本和opencv库，结合环境图像上非障碍物和障碍物的像素信息，对图像进行二值化处理，再根据用户给定的起始点(x1,y1)和目标点(x2,y2)，以其中点
Figure BDA0003528042760000091
为原点，构建坐标系S，其中起始点沿目标点方向为x轴正方向，然后获取环境中所有障碍物的轮廓点信息，并计算每个障碍物轮廓点(x，y)在该坐标系纵轴方向的值ynew：
Figure BDA0003528042760000092
分别选取各障碍物轮廓点中纵轴方向最大值和最小值所对应的点作为该障碍物的特征点，再根据预设的特征点优先级配置规则设置每个特征点的初始优先级以便于利用已知的环境信息判断各特征点引导随机树扩展的有效程度，其中，预设的优先级配置规则具体如下：
(1)特征点离其他障碍物和边界较远的，优先级为0；
(2)特征点处于狭窄的区域内，优先级为1；
(3)特征点离随机树最近节点距离小于阈值，优先级为2；
(4)特征点已经位于边界处，不具备引导树扩展的能力，优先级为3。
此处需要说明的是，在两棵随机树没有扩展前，优先级为2的特征点是不存在的。
然后构建两棵随机树，并根据特征点的优先级信息和改进双向RRT算法进行全局路径搜索，得到初始路径，最后利用贝塞尔曲线对得到的路径进行平滑处理，得到最终路径。本方案结合了障碍物轮廓信息，有效降低了对低效搜索区域的扩展，提高了搜索效率并减少内存消耗，可以满足复杂环境下的需要，同时使用了动态优先级设置，在迭代过程中结合特征点集合实现了高效引导点的筛选，避免了对已探索区域的冗余扩展。
实施例3
如图3所示，一种基于改进双向RRT算法的路径规划方法，包括：
S310、获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域；
S320、获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；
S330、获取用户设置的起始点和目标点，分别以所述起始点和所述目标点为起点构建两棵随机树Ta和Tb；
S340、利用随机采样方法生成随机采样点，并结合所述所有特征点的初始优先级和预设的目标扩展策略生成树Ta与树Tb各自的新节点；
S350、判断两个新节点的距离是否小于两棵树的连接阈值，若是则返回双树信息,否则重复上述步骤，直至满足所述连接阈值或达到最大迭代次数；
S360、将随机树Ta和Tb交换进行扩展，并重复上述步骤直至得到初始路径；
S370、利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
根据实施例3可知，本方案在配置好特征点的优先级后，会分别以用户设置的起始点和目标点为起点构建两棵随机树Ta和Tb，并根据实际需要设计最大迭代次数k和迭代时的步长n，然后利用随机采样的方法获取位于非障碍区域的随机采样点xrand，寻找树Ta上离点xrand最近的点xnearest，让xnearest沿xrand方向进行一次单个步长n的扩展操作并对得到的边进行碰撞检测，若无碰撞则得到新节点xnew，并将点xnew和对应的边加入到树Ta中，否则重新确定随机采样点并重复上述步骤。
确定树Ta的新节点xnew后，寻找树Tb上离点xnew最近的点xnearest1，连接点xnearest1与点xnew，并判断它们的连线与障碍物是否有交集：
Figure BDA0003528042760000111
其中，Xobs为障碍物集合，
Figure BDA0003528042760000117
为单个障碍物，d(·，·)表示两个点间的线段，
Figure BDA0003528042760000112
为障碍物
Figure BDA0003528042760000113
上的两个特征点，I为xnearest1和xnew的连线所经过的障碍物集合。
当集合I不为空时，将I中离点xnearest1最近的障碍物作为目标障碍物，其对应的特征点为
Figure BDA0003528042760000114
并设计一个代价函数对
Figure BDA0003528042760000115
进行评估：
Cost(p)＝d(xnearest1,p)+d(xnew,p)
其中，p表示对应的特征点,d(·，·)为计算两个点间欧式距离的函数。
根据代价函数的计算结果，将代价值较大的特征点记为H，代价值较小的记为L，再利用表1所示的查询表对xnew、H和L三点进行评估，选择其中的最优点作为新的xnew，来实现对点xnearest1的引导：
表1查询表
Figure BDA0003528042760000116
其中，P1(H)和P1(L)分别代表特征点H和特征点L所对应的优先级，“-”表示在该情况下两个特征点均不合适，保持树原有的引导方向即以现在的xnew为扩展方向进行树Tb的扩展。
若新的xnew为特征点，且其优先级为2，则在树Ta上选择离xnearest1最近的节点作为新的xnew，并将标志位ch置为True，然后在树Tb上重新选择离新的xnew最近的点xnearest1。
然后，点xnearest1沿xnew方向进行一次单个步长的扩展操作，并对得到的边进行碰撞检测，若无碰撞则得到新节点xnew1，并将点xnew1和对应的边加入到树Tb中；并检测xnew和xnew1的距离是否小于两棵随机树的连接阈值，若是则结束迭代，返回双树的信息，并生成初始路径，否则让xnew1沿xnew方向进行一次单个步长的扩展操作，得到新的边和点xnew2，再进行碰撞检测，若其通过碰撞检测，则将点xnew2和对应的边加入到树Tb中，并用点xnew2代替xnew1，再次与点xnew连接进行是否满足连接阈值的判断，最后将树Ta和Tb交换进行扩展，重复确定随机采样点及以后的所有步骤，得到初始路径，并用贝塞尔曲线对初始路径进行平滑得到最终路径。
本方案对调节参数的要求低，搜索效率高，且规划过程可由Python程序自动实现，无需人为干预；同时与其他基于双向快速扩展随机树的方法相比，利用障碍物轮廓信息，有效降低了对低效搜索区域的扩展，提高了搜索效率并减少内存消耗，可以满足复杂环境下的需要；并且仅根据双向快速扩展随机树所得路径对应的节点就可以生成贝塞尔曲线，得到一条光滑的全局路径，更有利于智能移动设备实际执行任务，且对环境没有限制；最后，针对不同规模的应用场景可通过调节步长来加快搜索效率，减少过程中产生的节点，降低内存消耗，同时可调参数的简化使得算法具有更好的实时性能，也适用于更广泛的场景。
为验证本方案路径规划算法在不同环境下的适用性，在矩形障碍环境和不规则障碍环境下分别使用本方案的改进算法和三种对比算法进行路径规划，所选的对比算法分别为基本的RRT算法、双向的Bi-RRT算法和基于障碍物轮廓信息的单向树版本H-RRT算法，实验结果如图4和图5，由图4和图5可知，本方案算法扩展的冗余空间少，搜索效率高。
同时，为验证本方案路径规划算法的稳定性，多次运行本方案的改进算法与上述三种对比算法进行路径规划，得到的运行时间和成功率如图6和图7，由图6和图7可知，与三种对比算法相比较，本方案的改进算法在短时间内的规划成功率显著增加。
实施例4
如图8所示，一种基于改进双向RRT算法的路径规划装置，包括：
划分模块10，用于获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域；
设置模块20，用于获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；
搜索模块30，用于基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；
平滑模块40，用于利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
上述装置的一种实施方式可为：划分模块10获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域；设置模块20获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；搜索模块30基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；平滑模块40利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
实施例5
如图9所示，一种电子设备，包括存储器901和处理器902，所述存储器901用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器902执行以实现上述的一种基于改进双向RRT算法的路径规划方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的一种基于改进双向RRT算法的路径规划方法。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器901中，并由处理器902执行，并由输入接口905和输出接口906完成数据的I/O接口传输，以完成本发明,一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，存储器901、处理器902,本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入器907、网络接入设备、总线等。
处理器902可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器902、数字信号处理器902(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgRAM1003mableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器902可以是微处理器902或者该处理器902也可以是任何常规的处理器902等。
存储器901可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器901也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等,进一步地，存储器901还可以既包括计算机设备的内部存储单元也包括外部存储设备,存储器901用于存储计算机程序以及计算机设备所需的其他程序和数据,存储器901还可以用于暂时地存储在输出器908，而前述的存储介质包括U盘、移动硬盘、只读存储器ROM903、随机存储器RAM904、碟盘或光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何在本发明揭露的技术范围内的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于改进双向RRT算法的路径规划方法，其特征在于，包括以下步骤：
获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；
基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；
利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
2.根据权利要求1所述的一种基于改进双向RRT算法的路径规划方法，其特征在于，所述获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级之前还包括：
获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域。
3.根据权利要求2所述的一种基于改进双向RRT算法的路径规划方法，其特征在于，所述获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级，包括：
获取所述障碍物区域中所有障碍物的轮廓点，并确定二值化后的环境图像中的起始点和目标点；
根据所述起始点与所述目标点建立二维坐标系，并计算所有轮廓点在所述二维坐标系中的坐标；
对同一障碍物的轮廓点坐标进行比对以确定所述所有障碍物的特征点，并根据预先建立的优先级配置规则设置每个特征点的初始优先级。
4.根据权利要求3所述的一种基于改进双向RRT算法的路径规划方法，其特征在于，所述基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径，包括：
分别以所述起始点和所述目标点为起点构建两棵随机树Ta和Tb；
利用随机采样方法生成随机采样点，并结合所述所有特征点的初始优先级和预设的目标扩展策略生成树Ta与树Tb各自的新节点；
判断两个新节点的距离是否小于两棵树的连接阈值，若是则返回双树信息，否则重复上述步骤，直至满足所述连接阈值或达到最大迭代次数；
将随机树Ta和Tb交换进行扩展，并重复上述步骤直至得到初始路径。
5.根据权利要求4所述的一种基于改进双向RRT算法的路径规划方法，其特征在于，所述利用随机采样方法生成随机采样点，并结合所述所有特征点的初始优先级和预设的目标扩展策略生成树Ta与树Tb各自的新节点，包括：
利用随机采样方法获取位于所述非障碍物区域的随机采样点xrand；
确定树Ta上与点xrand最近的节点xnearest，以点xnearest为起点向点xrand方向进行单个预设步长的扩展操作，并对得到的边进行碰撞检测，若无碰撞则得到树Ta的新节点xnew，将点xnew和对应的边加入到树Ta中，否则重复上述步骤；
确定树Tb上离点xnew最近的点xnearest1，并结合所述所有特征点的初始优先级和预设的代价函数生成树Tb的新节点。
6.根据权利要求5所述的一种基于改进双向RRT算法的路径规划方法，其特征在于，所述确定树Tb上离点xnew最近的点xnearest1，并结合所述所有特征点的初始优先级和预设的代价函数生成树Tb的新节点xnew1，包括：
连接点xnearest1和点xnew，并利用式(1)所示的公式计算点xnearest1和点xnew的连线与所有障碍物的交集：
Figure FDA0003528042750000021
式(1)中，Xobs为障碍物集合，
Figure FDA0003528042750000022
为单个障碍物，L(·，·)表示两个点间的线段，
Figure FDA0003528042750000031
为障碍物
Figure FDA0003528042750000032
上的两个特征点，I为xnearest1和xnew的连线所经过的障碍物集合；
将障碍物集合I中离点xnearest1最近的障碍物作为目标障碍物，并确定所述目标障碍物对应的特征点
Figure FDA0003528042750000033
根据代价函数计算
Figure FDA0003528042750000034
各自的代价值，并将代价值大的特征点记为H，代价值小的记为L；
根据预设的查询表结合所述所有特征点的初始优先级对点xnew、H和L进行评估，确定树Tb的新节点xnew1，并将点xnew1和对应的边加入树Tb中。
7.根据权利要求6所述的一种基于改进双向RRT算法的路径规划方法，其特征在于，所述判断两个新节点的距离是否小于两棵树的连接阈值，若是则返回双树信息，否则重复上述步骤，直至满足所述连接阈值或达到最大迭代次数，包括：
连接点xnew和点xnew1，并将得到的边与两棵树的连接阈值进行比较，若点xnew到点xnew1的距离小于所述连接阈值，则结束迭代并返回双树信息，否则以点xnew1为起点向点xnew方向扩展单个预设步长，得到新的边和点xnew2，并进行碰撞检测，若无碰撞，则将点xnew2和对应的边加入到树Tb中，否则进行特征点优先级更新并重复上述步骤。
8.一种基于改进双向RRT算法的路径规划装置，其特征在于，包括：
划分模块，用于获取环境图像，利用二值化将所述环境图像划分为障碍物区域和非障碍物区域；
设置模块，用于获取环境中所有障碍物的特征点，并根据预先建立的优先级配置规则设置所有特征点的初始优先级；
搜索模块，用于基于所述所有特征点的初始优先级，结合改进双向RRT算法进行全局路径搜索，得到初始路径；
平滑模块，用于利用贝塞尔曲线对所述初始路径进行平滑处理，得到最终路径。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1～7中任一项所述的一种基于改进双向RRT算法的路径规划方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现如权利要求1～7中任一项所述的一种基于改进双向RRT算法的路径规划方法。
CN202210202790.6A 2022-03-02 2022-03-02 一种基于改进双向rrt算法的路径规划方法及装置 Pending CN114593743A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210202790.6A CN114593743A (zh) 2022-03-02 2022-03-02 一种基于改进双向rrt算法的路径规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210202790.6A CN114593743A (zh) 2022-03-02 2022-03-02 一种基于改进双向rrt算法的路径规划方法及装置

Publications (1)

Publication Number Publication Date
CN114593743A true CN114593743A (zh) 2022-06-07

Family

ID=81807198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210202790.6A Pending CN114593743A (zh) 2022-03-02 2022-03-02 一种基于改进双向rrt算法的路径规划方法及装置

Country Status (1)

Country Link
CN (1) CN114593743A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115950439A (zh) * 2023-03-15 2023-04-11 季华实验室 双向rrt路径规划方法、装置、电子设备及存储介质
CN116596174A (zh) * 2023-04-28 2023-08-15 北京大数据先进技术研究院 综合成本与收益的路径规划方法、装置、设备及存储介质
CN118050006A (zh) * 2024-04-16 2024-05-17 山东大学 一种四足机器人全局路径规划方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101508072B1 (ko) * 2013-12-24 2015-04-07 박매호 스마트폰 분실방지를 위한 양방향 경보장치, 그리고 이를 포함하는 스마트폰 분실방지 시스템
CN110497403A (zh) * 2019-08-05 2019-11-26 上海大学 一种改进双向rrt算法的机械臂运动规划方法
CN110919661A (zh) * 2019-12-26 2020-03-27 中国科学院沈阳自动化研究所 一种手套箱封闭空间内机械臂的运动规划方法
CN112987737A (zh) * 2021-02-26 2021-06-18 华中科技大学 考虑转角约束的Bi-RRT无人艇多艇导航方法及设备
CN113219998A (zh) * 2021-06-15 2021-08-06 合肥工业大学 一种基于改进双向informed-RRT*的车辆路径规划方法
CN113785253A (zh) * 2019-05-09 2021-12-10 索尼集团公司 信息处理装置、信息处理方法和程序
CN113778099A (zh) * 2021-09-16 2021-12-10 浙江大学湖州研究院 基于NDT算法和Hybrid A*算法的无人船路径规划方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101508072B1 (ko) * 2013-12-24 2015-04-07 박매호 스마트폰 분실방지를 위한 양방향 경보장치, 그리고 이를 포함하는 스마트폰 분실방지 시스템
CN113785253A (zh) * 2019-05-09 2021-12-10 索尼集团公司 信息处理装置、信息处理方法和程序
CN110497403A (zh) * 2019-08-05 2019-11-26 上海大学 一种改进双向rrt算法的机械臂运动规划方法
CN110919661A (zh) * 2019-12-26 2020-03-27 中国科学院沈阳自动化研究所 一种手套箱封闭空间内机械臂的运动规划方法
CN112987737A (zh) * 2021-02-26 2021-06-18 华中科技大学 考虑转角约束的Bi-RRT无人艇多艇导航方法及设备
CN113219998A (zh) * 2021-06-15 2021-08-06 合肥工业大学 一种基于改进双向informed-RRT*的车辆路径规划方法
CN113778099A (zh) * 2021-09-16 2021-12-10 浙江大学湖州研究院 基于NDT算法和Hybrid A*算法的无人船路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHEN LIN 等: "Bidirectional Homotopy-Guided RRT for Path Planning", 《2020 16TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION, ROBOTICS AND VISION 》, 15 December 2020 (2020-12-15), pages 33 - 338, XP033873813, DOI: 10.1109/ICARCV50220.2020.9305400 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115950439A (zh) * 2023-03-15 2023-04-11 季华实验室 双向rrt路径规划方法、装置、电子设备及存储介质
CN115950439B (zh) * 2023-03-15 2023-06-02 季华实验室 双向rrt路径规划方法、装置、电子设备及存储介质
CN116596174A (zh) * 2023-04-28 2023-08-15 北京大数据先进技术研究院 综合成本与收益的路径规划方法、装置、设备及存储介质
CN116596174B (zh) * 2023-04-28 2023-10-20 北京大数据先进技术研究院 综合成本与收益的路径规划方法、装置、设备及存储介质
CN118050006A (zh) * 2024-04-16 2024-05-17 山东大学 一种四足机器人全局路径规划方法及系统

Similar Documents

Publication Publication Date Title
CN114593743A (zh) 一种基于改进双向rrt算法的路径规划方法及装置
US11113546B2 (en) Lane line processing method and device
US20190086543A1 (en) Method And Apparatus For Tracking Obstacle
CN108876024B (zh) 路径规划、路径实时优化方法及装置、存储介质
US11048262B2 (en) Robot movement control method and apparatus and robot using the same
CN114427866A (zh) 路径规划方法、电子设备以及存储介质
US20220350333A1 (en) Method and apparatus for continuous path planning, computer device, and storage medium
CN111553466B (zh) 信息处理方法、装置及设备
CN113223078B (zh) 标志点的匹配方法、装置、计算机设备和存储介质
CN114764249A (zh) 实时避障路径规划方法、系统、设备及介质
CN113188555A (zh) 一种移动机器人路径规划方法
CN104021372A (zh) 一种人脸识别方法及装置
CN115205470A (zh) 续扫重定位方法、装置、设备、存储介质及三维续扫方法
CN112861595A (zh) 数据点的识别方法、装置和计算机可读存储介质
CN115195706A (zh) 一种泊车路径规划方法、装置
CN112197783B (zh) 一种考虑车头指向的两阶段多抽样的rrt路径规划方法
CN115248042A (zh) 一种清扫路径的规划方法及装置
CN110334560B (zh) 一种二维码定位方法和装置
CN110728359B (zh) 搜索模型结构的方法、装置、设备和存储介质
CN116764225A (zh) 一种高效寻路的处理方法、装置、设备及介质
CN112257686B (zh) 人体姿态识别模型的训练方法、装置及存储介质
CN115372980A (zh) 一种重定位方法及装置
CN111291649B (zh) 图像识别方法、装置及电子设备
CN110413716B (zh) 数据存储和数据查询方法、装置及电子设备
CN113793295A (zh) 一种数据处理方法、装置、设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination