【技术实现步骤摘要】
本专利技术属于路径规划，具体是涉及一种基于改进a*算法与贝塞尔曲线的融合路径规划方法。
技术介绍
1、随着人类科技的不断进步，机器人也开始慢慢更多地走进了我们的工作与生活，来替代人类完成各种各样危险性高或者重复性强的工作，如无人驾驶、排爆排雷、家庭清扫、乃至航天探测等。为了提高它们完成上述这些任务的能力水平，除了需要机器人具备如较高的智能水平、鲁棒性、灵活性、一定的续航能力等，还有一个不能回避的技术要求，就是机器人的路径规划能力。在对月球、火星等的地外行星探测中，无人巡视器承担了不可或缺且至关重要的角色。在此类深空探测的任务中，由于距离遥远，地面人员难以对巡视器进行实时的遥控与监测，因此其控制频率一般非常低，这就要求其自身拥有一定的自主能力，能够自动感知周围环境，并规划出一条符合任务要求并且合理的路线，来完成既定的探测任务。
2、1964年，nils nilsson专利技术了一种基于启发式的方法来提高dijkstra算法的速度，这个算法被称为a1算法。1967年，bertram raphael对这个算法做了巨大的改进，这个算法被其称为a2算法，但该算法并没有表现出最优性。然后在1968年，peter e.hart提出了一个论点，证明当使用一致的启发式函数时a2算法表现是最优的。他还证明了新的a2算法是给定条件下可能的最佳算法。因此，他用kleene星型语法将新算法命名为以a开头并包含所有可能的版本号或a*的算法，*表示算法中的启发式功能。总的来说，a*算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是许多其他
技术实现思路
1、本专利技术包括以下步骤：
2、一种基于改进a*算法与贝塞尔曲线的融合路径规划方法，具体流程为：
3、s1：在进行路径规划之前，首先将地图上的连续空间转换为离散的栅格，即栅格化，以便于巡视器进行路径规划；
4、s2：将s1中栅格化的障碍地图导入至a*算法中，进行路径规划，得出最终路径，检验算法可行性；
5、s3：对a*算法进行改进，由于过多的扩展节点会消耗大量的计算资源，在保证规划出路径的同时，为提高搜索效率，考虑在启发函数、搜索邻域两个方面进行改进，减少扩展节点和路径包含节点；
6、s4：首先对贝塞尔曲线进行轨迹优化，对改进a*算法生成的路径所存在的尖锐拐点进行平滑处理，贝塞尔曲线上的点由该段曲线上的控制点严格控制，n次多项式的贝塞尔曲线由n+1个控制点确定；再基于四阶贝塞尔曲线进行局部路径规划，五个控制点即可确定四阶贝塞尔曲线，首先根据巡视器路径规划的要求求解五个控制点的平面坐标，再对四阶贝塞尔曲线进行参数化表示；
7、s5：将s3中改进的a*算法与四阶贝塞尔曲线进行融合，在障碍地图中进行仿真，得到最终路径。
8、进一步的，步骤s1将障碍地图栅格化主要包括以下步骤：
9、(1)对输入点云进行直通滤波，去除离群点和异常点，获取限定高度范围的数据；
10、(2)对滤波后的点云进行半径滤波，去除部分孤立点，使点云更加平滑；
11、(3)将滤波后的点云投影到二维平面上，生成二维栅格地图；
12、进一步的，步骤s2采用a*算法进行路径规划主要包括以下步骤：
13、(1)建立openlist和closelist两个列表并且初始化，openlist存放搜索的所有节点，closelist存放已经确定的路径节点；
14、(2)起点以及周围8个邻域节点放入openlist中，起点作为父节点，将起点从openlist中删除，存入closelist；
15、(3)通过评价函数，在openlist中选取最小代价的子节点作为新的父节点，将此节点从openlist中删除，存入closelist，并且以此父节点为起点搜索附近8个节点，评价函数公式为：
16、f(n)＝g(n)+h(n) (1)
17、式中，f(n)表示从起点到终点的估算路程，g(n)表示从起点到当前节点的实际路程，h(n)表示从当前节点到终点的最小估算路程；
18、(4)判断父节点附近的子节点是否已经存在于openlist中，若在，比较代价，选择代价小的节点存入openlist；否则，追加到openlist中；
19、(5)反复循环步骤(3)和(4)，直到找到终点，倒推所有的父节点，画出路径。
20、进一步的，步骤s3改进a*算法主要包括以下步骤：
21、(1)进行动态加权，对于启发函数g(n)，a*扩展的节点越多，运行越慢，h(n)与g(n)的关系对a*的影响主要表现如下：
22、h(n)<g(n)，搜索点最多，范围大，效率低，可以得到最优解；
23、h(n)＝g(n)，效率最高，可以得到最优解并且计算速度快；
24、h(n)>g(n)，搜索点少，范围小，效率高，但不能保证最优解；
25、h(n)＞＞g(n)，a*算法变成广度优先算法(bfs)，不能保证最优解；
26、由上述关系可知，启发函数h(n)拥有不同的权重，路径规划与搜索速度都有不同的效果，在路径规划过程中，权衡路径与搜索时间可以提高搜索效率，在不同环境下，选取合适的权重使a*算法在搜索速度和得到最优路径之间做出抉择，因此，改进后a*算法的评价函数为：
27、f(n)＝g(n)+w(n)·h(n) (2)
28、式中，w(n)为权重系数；w(n)随着h(n)的变化而变化，离目标点越近而越小，当h(n)较大，w(n)也较大，此时a*算法会尽快向终点扩展，搜索速度虽然很快但可能错过最优路径；当h(n)较小，w(n)也较小，此时的a*算法倾向于搜索最优路径而减慢搜索速度；
29、(2)改变搜索方式，将原来的8邻域增加到24邻域，将8搜索方向扩展为24搜索方向，根据目标点与当前节点的相对位置关系，确定目标点所在象限，舍弃不必要的节点以减少计算量。
30、进一步的，步骤s4优化贝塞尔曲线并进行局部路径规划主要包括以下步骤：
31、(1)对贝塞尔曲线进行轨迹优化，贝塞尔曲线上点的方程为：
32、
33、式中，pi为线段第i个控制点的坐标信息；bi,n(t)为伯恩斯坦多项式，是贝塞尔曲线参数方程的基函数，定义为：
34、
35、式中，为二项式系数；
本文档来自技高网...
【技术保护点】
1.一种基于改进A*算法与贝塞尔曲线的融合路径规划方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进A*算法与贝塞尔曲线的融合路径规划方法，其特征在于，所述的步骤S1包括以下步骤：
3.根据权利要求1所述的一种基于改进A*算法与贝塞尔曲线的融合路径规划方法，其特征在于，所述的步骤S2包括以下步骤：
4.根据权利要求1所述的一种基于改进A*算法与贝塞尔曲线的融合路径规划方法，其特征在于，所述的步骤S3包括以下步骤：
5.根据权利要求1所述的一种基于改进A*算法与贝塞尔曲线的融合路径规划方法，其特征在于，所述的步骤S4包括以下步骤：
6.根据权利要求1所述的一种基于改进A*算法与贝塞尔曲线的融合路径规划方法，其特征在于，所述的步骤S5包括以下步骤：
【技术特征摘要】
1.一种基于改进a*算法与贝塞尔曲线的融合路径规划方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进a*算法与贝塞尔曲线的融合路径规划方法，其特征在于，所述的步骤s1包括以下步骤：
3.根据权利要求1所述的一种基于改进a*算法与贝塞尔曲线的融合路径规划方法，其特征在于，所述的步骤s2包括以下步骤：
4.根据权...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。