CN115683149A - 一种基于地图信息的交互式智能路径规划方法 - Google Patents

一种基于地图信息的交互式智能路径规划方法 Download PDF

Info

Publication number
CN115683149A
CN115683149A CN202211419546.1A CN202211419546A CN115683149A CN 115683149 A CN115683149 A CN 115683149A CN 202211419546 A CN202211419546 A CN 202211419546A CN 115683149 A CN115683149 A CN 115683149A
Authority
CN
China
Prior art keywords
path
neighborhood
method based
selecting
map information
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
CN202211419546.1A
Other languages
English (en)
Inventor
陈为真
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.)
Wuhan Polytechnic University
Original Assignee
Wuhan Polytechnic 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 Wuhan Polytechnic University filed Critical Wuhan Polytechnic University
Priority to CN202211419546.1A priority Critical patent/CN115683149A/zh
Publication of CN115683149A publication Critical patent/CN115683149A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于地图信息的交互式智能路径规划方法，包括以下步骤：S1、选取采样点qrand；S2、判断邻域R是否与Cobs相交；S3、选取半径r，确定当前节点i邻域R；S4、输入地图大小，障碍物分布情况；S5、再次选取采样点qrand；S6、自适应生成新节点qnew,S7、目标邻域N设置动态步长Δp；S8、节点i是否扩展到目标领域N；S9、若i∈N，扩展步长变为Ap，其他部分同上进行扩展，直至到达目标点。该基于地图信息的交互式智能路径规划方法，在保证规划成功率的情况下，能够在较短时间内以较少的迭代次数规划出一条路径节点较少，路径成本较低的初始可行路径。

Description

一种基于地图信息的交互式智能路径规划方法
技术领域
本发明涉及路径规划技术领域，具体为一种基于地图信息的交互式智能路径规划方法。
背景技术
随着机器人技术的发展，许多对于人类来说危险或者重复繁杂的操作逐渐被移动机器人所代替。在移动机器人技术的研究领域中，路径规划一直是重点之一，即在复杂的环境下保证机器人路径规划的时间代价函数和距离代价函数最优，其任务是在已知或者位置环境地图中实现准确安全到达目标点。现在方法有快速搜索随机树（RRT）方法，高斯采样快速搜索随机树（GB-RRT）方法等；
1）快速搜索随机树（RRT）算法缺点：不能根据地图信息进行适宜规划，缺乏目标导向性，采样点质量较低，冗余节点较多，搜索时间过长。
2）高斯采样快速搜索随机树（GB-RRT）算法缺点：不能根据地图信息进行适宜规划，在整个给定空间中随机搜索，搜索时间过长，冗余节点较多，路径较为曲折。
发明内容
本发明的目的在于提供一种基于地图信息的交互式智能路径规划方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于地图信息的交互式智能路径规划方法，包括以下步骤：
S1、选取采样点qrand；
S2、判断邻域R是否与Cobs相交；
S3、选取半径r，确定当前节点i邻域R；
S4、输入地图大小，障碍物分布情况；
S5、再次选取采样点qrand；
S6、自适应生成新节点qnew,
S7、目标邻域N设置动态步长Δp；
S8、节点i是否扩展到目标领域N；
S9、若i∈N，扩展步长变为Ap，其他部分同上进行扩展，直至到达目标点。
所述步骤S6中从当前节点i往qrand方向扩展生成qnew，判断new是否满足碰撞要求，若qnew不满足碰撞要求，根据qnew信息重新生成,直到满足要求。
与现有技术相比，本发明的有益效果是：该基于地图信息的交互式智能路径规划方法，在保证规划成功率的情况下，能够在较短时间内以较少的迭代次数规划出一条路径节点较少，路径成本较低的初始可行路径。
由于初始可行路径未考虑移动机器人的最大转角约束，路径较曲折，通过基于转角约束的路径修剪处理，剔除路径中质量较差的节点，缩短路径长度，改善路径节点间的转角，规划路径更接近最优路径。
附图说明
图1为本发明的交互式智能路径规划构架图；
图2为本发明实施例各算法结果图；
图3为本发明实施例50次实验中各评价指标的平均值表。
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，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：一种基于地图信息的交互式智能路径规划方法，
实施例一：
规划起点和终点在与X轴平行的直线上，坐标分别为（0，100）和（200，100），中间有多个强干扰障碍物，且分布较密集。分别选取一次各方法中具有代表性的仿真结果如图2，50次实验中各评价指标的平均值见图3：
图2中绿线为随机树扩展的各节点连线，红线为规划的初始路径，蓝线为经过修剪处理的路径，图3中，
（1）GI-II是基于地理信息的交互智能路径规划方法简称；
（2）S为算法成功率，N为迭代次数，L是路径成本（路径长度），单位为m。
（3）U是有效节点占比，为路径节点在随机树中所有扩展节点的百分比，用来衡量采样效率以及不必要的空间搜索。
（4）T是寻路时间，单位为s。
（5）由于路径修剪处理是对初始可行路径的优化，且对原路径中的总节点个数和算法成功率没有太大影响，故在与其他算法进行对比试验时，都是指未经过修剪处理的GI-II算法规划的初始路径。
由图3看出，GI-II算法规划成功率更高、迭代次数更少、有效节点占比更大、规划时间更短。GI-II算法与RRT算法和GB-RRT算法相比，其算法成功率分别增加了108.33%和25%，迭代次数分别减少了88.89%和73.32%，有效节点占比分别增加了8.93倍和3.08倍，路径成本缩小了11.67%和8.61%，算法所需时间分别缩短了69.95%和35.45%。
综上所述：该基于地图信息的交互式智能路径规划方法，在保证规划成功率的情况下，能够在较短时间内以较少的迭代次数规划出一条路径节点较少，路径成本较低的初始可行路径。
由于初始可行路径未考虑移动机器人的最大转角约束，路径较曲折，通过基于转角约束的路径修剪处理，剔除路径中质量较差的节点，缩短路径长度，改善路径节点间的转角，规划路径更接近最优路径。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种基于地图信息的交互式智能路径规划方法，其特征在于，包括以下步骤：
S1、选取采样点qrand；
S2、判断邻域R是否与Cobs相交；
S3、选取半径r，确定当前节点i邻域R；
S4、输入地图大小，障碍物分布情况；
S5、再次选取采样点qrand；
S6、自适应生成新节点qnew,
S7、目标邻域N设置动态步长Δp；
S8、节点i是否扩展到目标领域N；
S9、若i∈N，扩展步长变为Ap，其他部分同上进行扩展，直至到达目标点。
2.根据权利要求1所述的一种基于地图信息的交互式智能路径规划方法，其特征在于：所述步骤S6中从当前节点i往qrand方向扩展生成qnew，判断new是否满足碰撞要求，若qnew不满足碰撞要求，根据qnew信息重新生成,直到满足要求。
CN202211419546.1A 2022-11-14 2022-11-14 一种基于地图信息的交互式智能路径规划方法 Pending CN115683149A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211419546.1A CN115683149A (zh) 2022-11-14 2022-11-14 一种基于地图信息的交互式智能路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211419546.1A CN115683149A (zh) 2022-11-14 2022-11-14 一种基于地图信息的交互式智能路径规划方法

Publications (1)

Publication Number Publication Date
CN115683149A true CN115683149A (zh) 2023-02-03

Family

ID=85052281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211419546.1A Pending CN115683149A (zh) 2022-11-14 2022-11-14 一种基于地图信息的交互式智能路径规划方法

Country Status (1)

Country Link
CN (1) CN115683149A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083165A (zh) * 2019-05-21 2019-08-02 大连大学 一种机器人在复杂狭窄环境下路径规划方法
CN110744543A (zh) * 2019-10-25 2020-02-04 华南理工大学 基于ur3机械臂的改进式prm避障运动规划方法
CN111141304A (zh) * 2019-12-30 2020-05-12 福州大学 一种基于同心圆采样引导rrt算法的路径规划方法
CN113325845A (zh) * 2021-05-31 2021-08-31 的卢技术有限公司 一种基于混合apf和rrt的无人驾驶路径规划方法
CN114115271A (zh) * 2021-11-25 2022-03-01 江苏科技大学 一种改进rrt的机器人路径规划方法和系统
CN114427866A (zh) * 2022-01-24 2022-05-03 桂林电子科技大学 路径规划方法、电子设备以及存储介质
CN114877905A (zh) * 2022-05-10 2022-08-09 沈阳大学 一种双向动态生长的Informed-RRT*路径规划方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083165A (zh) * 2019-05-21 2019-08-02 大连大学 一种机器人在复杂狭窄环境下路径规划方法
CN110744543A (zh) * 2019-10-25 2020-02-04 华南理工大学 基于ur3机械臂的改进式prm避障运动规划方法
CN111141304A (zh) * 2019-12-30 2020-05-12 福州大学 一种基于同心圆采样引导rrt算法的路径规划方法
CN113325845A (zh) * 2021-05-31 2021-08-31 的卢技术有限公司 一种基于混合apf和rrt的无人驾驶路径规划方法
CN114115271A (zh) * 2021-11-25 2022-03-01 江苏科技大学 一种改进rrt的机器人路径规划方法和系统
CN114427866A (zh) * 2022-01-24 2022-05-03 桂林电子科技大学 路径规划方法、电子设备以及存储介质
CN114877905A (zh) * 2022-05-10 2022-08-09 沈阳大学 一种双向动态生长的Informed-RRT*路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
成怡;王赟;修春波;: "一种改进RRT算法在路径规划中的应用研究", 控制工程, no. 03, 20 March 2020 (2020-03-20) *

Similar Documents

Publication Publication Date Title
CN111504325B (zh) 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法
CN107990903B (zh) 一种基于改进a*算法的室内agv路径规划方法
CN109116841B (zh) 一种基于蚁群算法的路径规划平滑优化方法
CN107607120B (zh) 基于改进修复式Anytime稀疏A*算法的无人机动态航迹规划方法
CN112985408B (zh) 一种路径规划优化方法及系统
CN103529843A (zh) Lambda*路径规划算法
CN112033413B (zh) 一种基于结合环境信息的改进a*算法的路径规划方法
CN105527964A (zh) 一种机器人路径规划方法
CN114815802A (zh) 一种基于改进蚁群算法的无人天车路径规划方法和系统
CN113867368A (zh) 一种基于改进海鸥算法的机器人路径规划方法
CN111426323B (zh) 一种巡检机器人路线规划方法及装置
CN112486178A (zh) 一种基于有向d＊算法的动态路径规划方法
CN114877905A (zh) 一种双向动态生长的Informed-RRT*路径规划方法
CN113917925A (zh) 一种基于改进遗传算法的移动机器人路径规划方法
CN110975290A (zh) 一种基于模式数据库的路径规划方法及系统
Jiang et al. Global path planning of mobile robot based on improved JPS+ algorithm
CN114779770A (zh) 全局路径规划控制方法、装置、设备、介质及程序产品
CN114578828A (zh) 一种基于空间约束a星算法的移动机器人路径规划方法
CN113701777A (zh) 基于空间向量的高精地图车道关联轨迹线自动生成方法
CN115683149A (zh) 一种基于地图信息的交互式智能路径规划方法
CN116627132A (zh) 基于rrt改进的移动机器人路径规划方法
Wang et al. Application of A* algorithm in intelligent vehicle path planning
CN116449826A (zh) 基于路径平滑和双向跳点搜索的移动机器人路径规划方法
CN115950444A (zh) 一种基于a星优化算法的智慧轮椅寻路方法
CN114779788A (zh) 一种改进a*算法的路径规划方法

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