1.一种移动机器人路径规划方法,其特征在于,包括:
步骤一、基于预设的双向快速探索随机树在目标地图空间中探索移动机器人的运动路径,并基于双向快速探索随机树探索的实时进度构建第一超椭球,根据第一超椭球的大小自适应地调整第一超椭球的采样概率,并基于采样概率随机采样得到第一采样点;
步骤二、基于二分法和第一采样点对双向快速探索随机树进行拓展;
步骤三、拓展后,若反向树和正向树不能直接连接,并且反向树的树节点数量大于正向树的树节点数量时,相互交换正向树与反向树后返回至步骤一,直至反向树和正向树可以直接连接,合并正向树与反向树并回溯得到初始路径解并进入步骤四;
步骤四、计算从步骤一开始直至步骤三循环结束所消耗的时间,若所述时间不小于预设时间阈值,则将初始路径解作为最优解输出;
所述双向快速探索随机树以机器人的起始位置和目标位置为根节点,以预设步长为探索步长,且所述双向快速探索随机树以T=(V,E)的形式输出探索的实时进度,其中T为双向快速探索随机树探索到的移动机器人可行路径,V是树节点的集合,E是树节点间链接关系的集合;
所述基于预设的双向快速探索随机树在目标地图空间中探索移动机器人的运动路径,并基于双向快速探索随机树探索的实时进度构建第一超椭球,根据第一超椭球的大小自适应地调整第一超椭球的采样概率,并基于采样概率随机采样得到第一采样点,包括:将所述实时进度中双向快速探索随机树的两个最新树节点作为第一超椭球的两个焦点,并基于两个焦点之间的空间距离确定第一超椭球的长轴长度和短轴长度;
基于机器人的起始位置到目标位置的空间距离和所述长轴长度的比值在预设采样概率的基础上调整在第一超椭球内随机采样和在目标地图空间中随机采样的采样概率;
生成取值范围为[0,1]的随机数,如果所述随机数大于调整后的采样概率,则在第一超椭球内随机采样,反之则在目标地图空间中随机采样。
2.根据权利要求1所述的移动机器人路径规划方法,其特征在于,所述基于二分法和第一采样点对双向快速探索随机树进行拓展,包括:基于所述第一采样点生成第一新节点并添加到双向快速探索随机树中,并采用二分法对添加第一新节点后的双向快速探索随机树进行光滑修剪。
3.根据权利要求2所述的移动机器人路径规划方法,其特征在于,所述基于所述第一采样点生成第一新节点并添加到双向快速探索随机树中,并采用二分法对添加第一新节点后的双向快速探索随机树进行光滑修剪,包括:遍历计算正向树输出的节点集中每个树节点到所述第一采样点的欧氏距离;
选择距离最小的节点作为正向树正向生长的第一起始状态,基于预设步长向着第一采样点进行单步探索,得到第一新节点;
若当前正向树在拓展过程中未检测到障碍物,则返回本次正向树生长过程中所述第一起始状态可回溯到的第一最远祖先状态;
在所述第一最远祖先状态和第一起始状态之间基于二分法创建第一父节点替换第一起始状态;
若替换后的第一起始状态、第一最远祖先状态和第一新节点三点间以第一起始状态为顶点的第一夹角的大小未达到预设的二分法阈值,则在第一最远祖先状态和替换后的第一起始状态之间基于二分法创建新的第一父节点替换所述替换后的第一起始状态,循环往复,直至所述第一夹角的大小达到二分法阈值或规划路径上检测到障碍物;
基于所述第一新节点、第一最远祖先状态和第一父节点更新所述正向树;
遍历计算反向树输出的节点集中每个节点到所述第一新节点的欧氏距离;
选择距离最小的节点作为反向生长的第二起始状态,向着所述第一新节点进行探索且不加步长限制,直到检测到障碍物或双树连接,得到第二新节点;
返回本次生长过程中所述第二起始状态可回溯到的第二最远祖先状态;
在所述第二最远祖先状态和第二起始状态之间基于二分法创建第二父节点替换第二起始状态;
若替换后的第二起始状态、第二最远祖先状态和第二新节点三点间以第二起始状态为顶点的第二夹角的大小未达到预设的二分法阈值,则在第二最远祖先状态和替换后的第二起始状态之间基于二分法创建新的第二父节点替换所述替换后的第二起始状态,循环往复,直至所述第二夹角的大小达到二分法阈值或规划路径上检测到障碍物;
基于所述第二新节点、第二最远祖先状态和第二父节点更新所述反向树。
4.根据权利要求1所述的移动机器人路径规划方法,其特征在于,所述移动机器人路径规划方法还包括:若所述时间小于预设时间阈值,则基于初始路径解的树节点的第一集合对所述初始路径解进行优化。
5.根据权利要求4所述的移动机器人路径规划方法,其特征在于,所述基于初始路径解的树节点的第一集合对所述初始路径解进行优化,包括:以机器人的起始位置为第一焦点,机器人的目标位置为第二焦点,构建第二超椭球,其中,所述第二超椭球内的任意一点分别到第一焦点和第二焦点的空间距离之和不大于预设的当前最优路径成本值;
在第二超椭球内随机采样得到第二采样点;
基于所述第二采样点采用二分法对所述初始路径解进行优化。
6.根据权利要求5所述的移动机器人路径规划方法,其特征在于,所述基于所述第二采样点采用二分法对所述初始路径解进行优化包括:遍历计算第一集合中每个树节点到第二采样点的欧氏距离,获得距离最小的树节点;
将第一集合中所有树节点按照从机器人的起始位置到目标位置的方向一一连线,测量连线中以距离最小的树节点为顶点的第三夹角的大小;
将第二采样点替换距离最小的树节点后更新树节点间链接关系,得到最新路径解;
将所述最新路径解中的所有树节点按照从机器人的起始位置到目标位置的方向一一连线,测量连线中以第二采样点为顶点的第四夹角的大小;
若所述第四夹角不大于第三夹角,则返回至在第二超椭球内随机采样得到第二采样点的步骤,直至所述第四夹角大于第三夹角;
用最新路径解替换初始路径解。
7.一种移动机器人路径规划装置,其特征在于,包括:
采样模块,用于基于预设的双向快速探索随机树在目标地图空间中探索的实时进度构建第一超椭球,根据第一超椭球的大小自适应地调整第一超椭球的采样概率,并基于采样概率随机采样得到第一采样点;
拓展模块,用于基于第一采样点对双向快速探索随机树进行拓展;
回溯模块,用于拓展后,若反向树的树节点数量大于正向树的树节点数量,相互交换正向树与反向树后返回至基于预设的双向快速探索随机树在目标地图空间中探索的实时进度构建第一超椭球,根据第一超椭球的大小自适应地调整第一超椭球的采样概率,并基于采样概率随机采样得到第一采样点的步骤,直至反向树和正向树可以直接连接,合并正向树与反向树并回溯得到初始路径解并进入步骤四;
输出模块,用于计算从双向快速探索随机树探索开始直至找到所述初始路径解所消耗的时间,若所述时间不小于预设时间阈值,则将初始路径解作为最优解输出;
所述双向快速探索随机树以机器人的起始位置和目标位置为根节点,以预设步长为探索步长,且所述双向快速探索随机树以T=(V,E)的形式输出探索的实时进度,其中T为双向快速探索随机树探索到的移动机器人可行路径,V是树节点的集合,E是树节点间链接关系的集合;
所述基于预设的双向快速探索随机树在目标地图空间中探索移动机器人的运动路径,并基于双向快速探索随机树探索的实时进度构建第一超椭球,根据第一超椭球的大小自适应地调整第一超椭球的采样概率,并基于采样概率随机采样得到第一采样点,包括:将所述实时进度中双向快速探索随机树的两个最新树节点作为第一超椭球的两个焦点,并基于两个焦点之间的空间距离确定第一超椭球的长轴长度和短轴长度;
基于机器人的起始位置到目标位置的空间距离和所述长轴长度的比值在预设采样概率的基础上调整在第一超椭球内随机采样和在目标地图空间中随机采样的采样概率;
生成取值范围为[0,1]的随机数,如果所述随机数大于调整后的采样概率,则在第一超椭球内随机采样,反之则在目标地图空间中随机采样。
8.一种电子设备,其特征在于,包括:
存储器,用于存储程序;
处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至6中任意一项所述的移动机器人路径规划方法中的步骤。
9.一种存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时能够实现上述权利要求1至6中任意一项所述的移动机器人路径规划方法中的步骤。