电子学报 ›› 2022, Vol. 50 ›› Issue (3): 548-556.DOI: 10.12263/DZXB.20210307

• 学术论文 • 上一篇    下一篇

基于射线模型的改进全局路径规划算法

蒋林1,2, 方东君1, 周和文3, 黄惠保3   

  1. 1.武汉科技大学冶金装备及其控制教育部重点实验室, 湖北 武汉 430081
    2.武汉科技大学机器人与智能系统研究院,湖北 武汉 430081
    3.珠海市一微半导体有限公司,广东 珠海 519000
  • 收稿日期:2021-03-04 修回日期:2021-03-19 出版日期:2022-03-25 发布日期:2022-03-25
  • 作者简介:蒋 林 男,1976年12月生于湖北荆门.现为武汉科技大学教授、博士生导师.主持在研国家重点研发计划项目,完成国家自然科学基金及省部级项目多项.在国内外发表学术论文SCI/EI论文40余篇.E-mail:jianglin76@wust.edu.cn
    方东君(通讯作者) 男,1996年10月生于重庆,硕士.主要研究方向为单目视觉移动机器人导航.E-mail:729851238@qq.com
    周和文 男,1981年出生于广东湛江.现为珠海市一微半导体有限公司产品总监、武汉科技大学兼职教授,主要研究方向为室内移动机器人定位与同步建图、导航规划、运动控制等.E-mail:howen@amicro.com.cn
    黄惠保 男,1986年生于广东珠海.现为珠海一微半导体视觉算法工程师,主要研究方向为机器人SLAM、导航.E-mail:huibao.huang@amicro.com.cn
  • 基金资助:
    国家重点研发计划项目(2019YFB1310000);武汉市应用基础前沿项目(2019010701011404);湖北省重点研发计划项目(2020 BAB098)

Improved Global Path Planning Algorithm Based on Ray Model

JIANG Lin1,2, FANG Dong-jun1, ZHOU He-wen3, HUANG Hui-bao3   

  1. 1.Key Laboratory of Metallurgical Equipment and Control Technology,Wuhan University of Science and Technology,Wuhan,Hubei 430081,China
    2.Institute of Robotics and Intelligent Systems,Wuhan University of Science and Technology,Wuhan,Hubei 430081,China
    3.Zhuhai A Micro Semiconductor Co. Ltd. ,Zhuhai,Guangdong 519000,China
  • Received:2021-03-04 Revised:2021-03-19 Online:2022-03-25 Published:2022-03-25

摘要:

针对目前服务于移动机器人的全局路径规划算法存在拐点多、耗时长或递归计算复杂等问题,本文提出一种基于射线模型的改进全局路径搜索算法.利用形态学滤波处理障碍物栅格地图,并引入碰撞估值增加靠近障碍物的栅格的代价值,形成梯度代价栅格地图.结合射线模型从起点向终点进行射线搜索,并在搜索过程中通过逆向优化算法优化路径.通过实验证明该全局路径规划算法比A*算法拥有更好的平滑性、灵活性、稳定性以及更短的路程,且搜索速度比A*快50%,移动机器人可以更安全、简洁的路径向目标点移动.

关键词: 全局路径规划, 射线模型, 逆向优化, 移动机器人, 改进A*算法

Abstract:

Aiming at the problems of many inflection points, long time consuming and complex recursive calculation in the global path planning algorithms currently used for mobile robots, an improved global path search algorithm based on ray model is proposed. Morphological filtering is used to process the raster map of obstacles, and collision estimation is introduced to increase the generation value of the raster near the obstacles, and the gradient cost raster map is formed. Combined with the ray model, ray search is carried out from the beginning to the end, and the path is optimized by the inverse optimization algorithm during the search process. Experiments show that the global path planning algorithm has better smoothness, flexibility, and stability. Our algorithm not only has shorter moving distance, but also has 50% faster search speed than A* algorithm. The mobile robot can move to the target point in a safer and simpler path.

Key words: global path planning, ray model, reverse optimization, mobile robot, improved A* algorithm

中图分类号: