买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种基于改进PRM和人工势场的移动机器人路径规划方法，涉及机器人路径规划技术领域，包括以下步骤：S1、PRM对全局环境信息进行学习，在无向图中进行随机撒点，并对采样点加入椭圆约束；S2、PRM对可行节点进行路径搜索，计算最优路径，导出路径节点；S3、构建人工势场，人工势场由引力势场和斥力势场叠加而成；目标点对移动机器人提供引力，本发明方法简单易实现，同时结合了PRM算法概率性完备、收敛性良好与APF算法计算小、实时性高等优点，解决了人工势场法的局部最小值问题和目标不可达问题，并且通过对PRM加入椭圆约束，保证了PRM在相同采样点下采样点更加密集，规划路径时间更少，满足移动机器人动态避障的要求。

主权项：1.一种基于改进PRM和人工势场的移动机器人路径规划方法，其特征在于，包括以下步骤：S1、PRM对全局环境信息进行学习，在无向图中进行随机撒点，并对采样点加入椭圆约束；S2、PRM对可行节点进行路径搜索，计算最优路径，导出路径节点；S3、构建人工势场，人工势场由引力势场和斥力势场叠加而成；目标点对移动机器人提供引力，形成引力场；障碍物对移动机器人提供斥力，形成斥力场；S4、改进势场力函数，引入自适应策略，使移动机器人在改进的势场力作用下寻找目标；S5、将S2的路径节点作为人工势场法的虚拟目标点，驱使移动机器人避开局部最小陷阱向目标点移动；改进PRM对全局环境信息进行学习，在无向图中进行随机撒点，并对采样点加入椭圆约束；对PRM加入椭圆约束,首先构造一个无向图的路径网络R＝N,E,其中N代表随机点集，E代表所有可行路径的两点之间的路径集，随机在自由空间进行撒点，对撒在障碍物上的点进行舍弃，同时舍弃在椭圆约束之外的点,椭圆约束为由起始点与终点作为椭圆的两个焦点，其约束方程如下： 其中x,y表示PRM随机撒点的二维坐标值；θ表示起始点与终点的夹角；A表示椭圆长轴系数，B表示椭圆短轴系数,其中Xc,Yc表示为椭圆中点坐标，是起点与终点连线的中点坐标，其中起始点横坐标Xs与终点横坐标Xe值之差的中值表示中心点横坐标Xc；起始点横坐标Ys与终点横坐标Ye值之差的中值表示中心点横坐标Yc,进一步地，将可行点坐标归入N集中，对包括起始点、终点及N集中点两两进行连线，舍弃被障碍物遮挡的连线，构建路线图；PRM对可行节点进行路径搜索，计算最优路径，导出路径节点，对S1获得的路线图，进行路径搜索，应用A*算法，初始化定义父节点为起始点，并将该节点归入E集中，对与父节点的相邻节点，即与父节点连线的节点，进行路径搜索，路径搜索代价函数为：fn＝gn+hn其中，fn是从初始位置经由节点位置n到目标位置的代价估计，gn是从初始位置到节点位置n的实际代价，hn是从节点位置n到目标位置的最佳路径的估计代价,将搜索到的最优位置节点归入E集中,将该节点作为父节点以此循环，当路径搜索失败，则扩大B值重新规划PRM，当搜索到终点时，路径搜索停止，所得E集便为全局最优路径节点。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于改进PRM和人工势场的移动机器人路径规划方法