一种机器人路径规划方法及装置制造方法及图纸

本发明专利技术适用计算机技术领域，提供了一种机器人路径规划方法及装置，所述方法包括：当接收到机器人行进路径规划请求时，构造机器人的行进路径优化目标的多目标函数，所述行进路径优化目标的数量大于等于4；接收用户输入的机器人行驶区域的地图数据以及所述行进路径优化目标的约束条件；根据所述地图数据、所述约束条件和所述多目标函数，获取所述多目标函数的最优解集，确定所述最优解集为所述机器人的行进路径参数，从而在机器人优化目标数量大于等于四个时，对机器人行进路径进行快速规划，提高了机器人行进路径规划的效率。

Robot path planning method and device

The invention is applied to computer technology, and provides a device for robot path planning method, the method comprises: when receiving the robot path planning request, the target path optimization of multi objective functions of the robot, the number of travel path optimization target is greater than or equal to 4; the constraint conditions to receive user input the robot map data area and the path optimization; according to the map data, the constraints and the objective function to obtain the optimal solution set of multi-objective function, determining the optimal solution set for path parameters of the robot, in order to optimize the target number of robots greater than or equal to four, the robot path planning quickly, improve the efficiency of robot path planning.

【技术实现步骤摘要】

本专利技术属于计算机
，尤其涉及一种机器人路径规划方法及装置。
技术介绍
随着机器人和人工智能技术的不断发展，机器人越来越广泛地用于到社会的各个方面，特别是应用到人无法进入的环境场景，例如，高温、高压、高辐射的灾难环境。在灾难发生的初期，向灾难发生地派遣空中和地面无人机器人群体迅速协同进入灾区探测信息(图像、位置、环境数据等)意义重大，这些机器人通常被称为多异构机器人。在灾区信息探测过程中，空中和地面机器人之间需要进行信息共享和协同行动，例如，空中机器人负责提供侦测灾区现场的图像信息以及救援目标的信息，然后将这些信息提供给地面机器人，地面机器人负责完成救援任务。由于灾区环境恶劣，对机器人的行进会产生较大影响，因此，如何对投入到灾区的机器人进行规划，例如，如何使投入机器人的数量最少、机器人遍历完所有目标位置所需的时间最短、地面机器人之间成功通信的组合最多、地面机器人探测的覆盖面积最大、空中机器人直视到的地面机器人以及救援的目标位置最多，即如何实现多个目标的最优化，是救灾或类似应用场景中的重要研究方向之一。然而，当需要达到的优化目标数量大于等于四个时，现有的规划方法或算法的性能和效率大幅下降，难以在较短时间内得到一个最优的方案，以实现机器人的行进路径规划。
技术实现思路
本专利技术的目的在于提供一种机器人路径规划方法及装置，旨在解决现有机器人路径规划方法效率不高，难以在较短时间内得到机器人的规划路径的问题。一方面，本专利技术提供了一种机器人路径规划方法，所述方法包括下述步骤：当接收到机器人行进路径规划请求时，构造机器人的行进路径优化目标的多目标函数，所述行进路径优化目标的数量大于等于4；接收用户输入的机器人行驶区域的地图数据以及所述行进路径优化目标的约束条件；根据所述地图数据、所述约束条件和所述多目标函数，获取所述多目标函数的最优解集，确定所述最优解集为所述机器人的行进路径参数。另一方面，本专利技术提供了一种机器人路径规划装置，所述装置包括：函数构造单元，用于当接收到机器人行进路径规划请求时，构造机器人的行进路径优化目标的多目标函数，所述行进路径优化目标的数量大于等于4；条件接收单元，用于接收用户输入的机器人行驶区域的地图数据以及所述行进路径优化目标的约束条件；以及路径参数确定单元，用于根据所述地图数据、所述约束条件和所述多目标函数，获取所述多目标函数的最优解集，确定所述最优解集为所述机器人的行进路径参数。本专利技术在对机器人行进路径进行规划时，首先对行进路径优化目标数量大于等于4的机器人的行进路径优化目标的多目标函数进行构造，接收用户输入的机器人行驶区域的地图数据以及行进路径优化目标的约束条件，根据地图数据、约束条件和多目标函数，获取多目标函数的最优解集，确定最优解集为机器人的行进路径参数，从而在机器人优化目标数量大于等于四个时，对机器人行进路径进行快速规划，提高了机器人行进路径规划的效率。附图说明图1是本专利技术实施例提供的机器人路径规划方法的实现流程图；图2是本专利技术实施例提供的机器人路径规划方法中获取多目标函数的最优解集的实现流程图；图3是本专利技术实施例提供的机器人路径规划方法中计算预设存档中每一个粒子的适应度值的实现流程图；图4是本专利技术实施例提供的机器人路径规划方法中对粒子群中的粒子和预设存档进行更新的实现流程图；图5是本专利技术实施例提供的机器人路径规划装置的结构示意图；图6是本专利技术实施例提供的机器人路径规划装置中路径参数确定单元的结构示意图；图7是本专利技术实施例提供的机器人路径规划装置中第一计算单元的结构示意图；以及图8是本专利技术实施例提供的机器人路径规划装置中最优解确定单元的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。以下结合具体实施例对本专利技术的具体实现进行详细描述：实施例一：图1示出了本专利技术实施例一提供的机器人路径规划方法的实现流程，为了便于说明，仅示出了与本专利技术实施例相关的部分，详述如下：在步骤S101中，当接收到机器人行进路径规划请求时，构造机器人的行进路径优化目标的多目标函数，行进路径优化目标的数量大于等于4。本专利技术实施例适用于机器人，具体可用于机器人的行进路径规划，例如，救灾机器人的行进路径规划、生产机器人的行进路径规划以及清洁机器人的行进路径规划，以在满足用户多个行进路径优化目标时，得到对应的最佳路径。具体地，接收到的机器人行进路径规划请求中可包括用户设置的多个行进路径优化目标，作为示例地，这些优化目标可以为：投入到行驶区域中空中、地上机器人数量优化目标，地面机器人遍历完行驶区域中目标的时间优化目标，地面机器人实时探测面积优化目标，空中机器人探测到地面机器人的数量优化目标，空中机器人实时探测行驶区域中目标的数量，地面机器人和空中机器人可通信组合优化目标。优选地，行进路径优化目标的多目标函数为其中，m为行进路径优化目标的数量，m的值为6，Ω为行驶区域的地图数据集合，以用于限定机器人的行进或活动范围，f1(x)为投入到行驶区域中空中、地上机器人数量优化目标，f2(x)为地面机器人遍历完行驶区域中目标的时间优化目标，f3(x)为地面机器人实时探测面积优化目标，f4(x)为空中机器人探测到地面机器人的数量优化目标，f5(x)为空中机器人实时探测行驶区域中目标的数量，f6(x)为地面机器人和空中机器人可通信组合优化目标。通过计算F(x)的最优解，即求解F(x)的最小值，实现用户六个行进路径优化目标时的路径规划。在步骤S102中，接收用户输入的机器人行驶区域的地图数据以及行进路径优化目标的约束条件。在本专利技术实施例中，进路径优化目标的约束条件用于在实现行进路径优化目标时，对各个行进路径优化目标进行限定或约束。例如，投入到行驶区域中空中、地上机器人数量必须大于0并少于预设数量，地面机器人遍历完行驶区域中目标的时间必须小于预设时长，空中机器人实时探测行驶区域中目标的数量必须大于预设的数量。在步骤S103中，根据地图数据、约束条件和多目标函数，获取多目标函数的最优解集，确定最优解集为机器人的行进路径参数。在本专利技术实施例中，最优解集即为多目标函数的最优解的集合，其中的解为一套机器人行进路径参数规划的可行方案，例如，这些行进路径参数可使得同时满足投入到行驶区域中空中、地上机器人数量适当，地面机器人遍历完行驶区域中目标的时间越短，地面机器人实时探测面积更大，空中机器人探测到地面机器人的数量越多，空中机器人实时探测行驶区域中目标越多，地面机器人和空中机器人可通信组合越多，从而可以根据实际情况，选择其中一个更好符合实际情况的解(方案)来实现机器人行径路径的规划。实施例二：图2示出了本专利技术实施例一提供的机器人路径规划方法中获取多目标函数的最优解集的实现流程，为了便于说明，仅示出了与本专利技术实施例相关的部分，详述如下：为了获得机器人的行进路径参数，在获取多目标函数的最优解集时，使用粒子群表示多目标函数的解集，粒子群中的粒子表示多目标函数的解集中的一个解，从而通过下述步骤获取多目标函数的最优解集：在步骤S201中，根据约束条件随机生成多目标函数的初始粒子群，初始化粒子群中每个粒子的飞行本文档来自技高网...

【技术保护点】
一种机器人路径规划方法，其特征在于，所述方法包括下述步骤：当接收到机器人行进路径规划请求时，构造机器人的行进路径优化目标的多目标函数，所述行进路径优化目标的数量大于等于4；接收用户输入的机器人行驶区域的地图数据以及所述行进路径优化目标的约束条件；根据所述地图数据、所述约束条件和所述多目标函数，获取所述多目标函数的最优解集，确定所述最优解集为所述机器人的行进路径参数。

【技术特征摘要】
1.一种机器人路径规划方法，其特征在于，所述方法包括下述步骤：当接收到机器人行进路径规划请求时，构造机器人的行进路径优化目标的多目标函数，所述行进路径优化目标的数量大于等于4；接收用户输入的机器人行驶区域的地图数据以及所述行进路径优化目标的约束条件；根据所述地图数据、所述约束条件和所述多目标函数，获取所述多目标函数的最优解集，确定所述最优解集为所述机器人的行进路径参数。2.如权利要求1所述的方法，其特征在于，所述行进路径优化目标的多目标函数为：minx∈ΩF(x)=[f1(x),f2(x),...,fm(x)]T]]>其中，m为所述行进路径优化目标的数量，所述m的值为6，Ω为行驶区域的地图数据集合，f1(x)为投入到所述行驶区域中空中、地上机器人数量优化目标，f2(x)为地面机器人遍历完所述行驶区域中目标的时间优化目标，f3(x)为地面机器人实时探测面积优化目标，f4(x)为空中机器人探测到地面机器人的数量优化目标，f5(x)为空中机器人实时探测所述行驶区域中目标的数量，f6(x)为地面机器人和空中机器人可通信组合优化目标。3.如权利要求1所述的方法，其特征在于，获取所述多目标函数的最优解集的步骤，包括：根据所述约束条件随机生成所述多目标函数的初始粒子群，初始化所述粒子群中每个粒子的飞行速度，将每个粒子的个体最优解初始化为该粒子自身，所述粒子群表示所述多目标函数的解集，所述粒子群中的粒子表示所述多目标函数的解集中的一个解；根据Pareto支配关系筛选出所述初始粒子群中的非支配个体，并将所述非支配个体保存到预设存档中；根据所述多目标函数的粒子群中粒子的适应度计算公式fit(pi,P)＝α×Cd(pi,P)+β×Cv(pi,P)，计算所述预设存档中每一个粒子的适应度值fit(pi,P)，其中，α和β为预设参数，Cv(pi,P)表示当前计算粒子pi的收敛性距离，Cd(pi,P)表示当前计算粒子pi的多样性距离，P表示当前粒子群；根据所述预设存档中所有粒子的适应度值对所述预设存档中粒子进行升序排序；检测所述当前迭代代数是否小于预设的最大迭代代数；当所述当前迭代代数小于预设的最大迭代代数时，对所述粒子群中的粒子和所述预设存档进行更新，对所述当前迭代代数进行加1操作，并跳转至检测所述当前迭代代数是否小于预设的最大迭代代数的步骤，否则确定所述预设存档中的粒子为所述多目标函数的最优解。4.如权利要求3所述的方法，其特征在于，计算所述预设存档中每一个粒子的适应度值的步骤，包括：对所述粒子群中每个粒子进行归一化操作，以得到一个归一化的目标空间；根据预设的平移距离公式计算每个粒子pi的、表示该粒子在所述目标空间中拥挤程度的距离，对所述计算得到的距离进行归一化操作，以得到所述目标空间中表示粒子多样性的距离Cd(pi,P)；计算所述目标空间中每个粒子pi到理想粒子之间的距离，并对该计算得到的距离进行归一化操作，以得到所述目标空间中表示粒子收敛性的距离Cv(pi,P)；获取每个粒子pi在直线L上的投影点到所述理想粒子的距离d1(pi)以及该粒子到所述直线L的垂直距离d2(pi)，所述直线L为所述目标空间中通过所述理想粒子和最差粒子的直线；根据Cd(pi,P)、Cv(pi,P)、d1(pi)和d2(pi)将所述目标空间划分为预设数量的区域，根据每个粒子所处的区域对α和β值进行设置；根据所述α、β、Cd(pi,P)和Cv(pi,P)的值，通过所述适应度计算公式fit(pi,P)＝α×Cd(pi,P)+β×Cv(pi,P)计算所述预设存档中每一个粒子的适应度值fit(pi,P)。5.如权利要求3所述的方法，其特征在于，对所述粒子群中的粒子和所述预设存档进行更新的步骤，包括：从所述预设存档中前预设数量个的粒子中随机选择一个粒子作为所述粒子群的全局最优粒子，根据速度公式vi(t+1)＝ωvi(t)+c1r1(Pbesti-pi(t))+c2r2(gbesti-pi(t))+c3r3(gbesti-Pbesti)更新所述粒子群中每个粒子的速度；根据位移公式pi(t+1)＝pi(t)+vi(t+1)更新所述粒子群中每个粒子在所述目标空间中的位置；若更新后得到的新粒子pinew支配更新前粒子pi，则将粒子的个体最优解Pbesti更新为pinew，否则Pbesti保持不变；根据更新后的粒子群对所述预设存档进行更新，所述对所述预设存档进行更新的步骤包括：判断更新后的粒子群中的每一个粒子是否被所述预设存档中一个粒子支配，当当前粒子未被所述预设存档中一个粒子支配时，判断所述预设存档是否已经达到预设的最大存档粒子数；若未达到则将所述当前粒子加入到所述预设存档中，若已经达到所述最大存档粒子数，根据所述适应度计算公式计算所述预设存档中每个粒子以及当前粒子的适应度值；当当前粒子的适应度值比所述预设存档中适应度值最大的粒子的适应度值小时，将所述当前粒子加入到所述预设存档中，并删除所述预设存档中适应度值最大的粒子。6.如权利要求5所述的方法，其特征在于，将所述当前粒子加入到所述预设存档中，并删...

【专利技术属性】
技术研发人员：林秋镇，刘松柏，陈剑勇，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44