一种基于多属性地图的A*路径规划方法

本发明涉及机器人全局路径规划领域，尤其涉及一种基于多属性地图的a*路径规划方法。

背景技术：

1、路径规划是移动机器人研究中重要内容之一。机器人需要根据目标位置计算运动路线，并且在运动过程中根据出现的动态障碍物实时调整运动路线，这是路径规划过程中的两个核心研究问题。路径规划分为全局路径规划和局部路径规划，本发明主要对全局路径规划中a*算法进行改进。a*算法是一种经典的启发式搜索算法，结合了dijkstra算法的最短路径搜索和贪心算法的启发式搜索，该算法在路径规划领域取得了显著成功。经典a*算法使用经典栅格地图对当前环境进行构建，栅格大小决定了环境信息储存量大小以及机器人进行路径规划的时间长短。然而经典a*算法没有考虑环境信息对路径规划的影响，缺乏对栅格点的属性定义。本专利的提出旨在解决传统a*路径规划在多属性环境中的应用局限性，通过构建多属性地图、优化启发函数、使用b样条曲线结合障碍物膨胀等创新手段，提供一种高效、精准的基于多属性地图的a*路径规划方法。该方法可广泛应用于机器人、自动驾驶车辆等智能系统，为它们在多属性环境中的路径规划问题提供创新性的解决方案。

技术实现思路

1、本发明针对现有技术的不足，提出了一种基于多属性地图的a*路径规划方法，解决了机器人在多属性环境中的应用局限性。

2、根据本发明的一种基于多属性地图的a*路径规划方法，其包括以下步骤：

3、步骤一：构建多属性栅格地图并对高属性值进行筛选，通过归一化和筛选过程，将多种属性的数据地图整合成多属性地图，赋予栅格点属性值；

4、步骤二：在启发函数中引入多属性预估成本，使启发函数在路径规划时能够考虑多属性信息的影响，通过改进启发函数来生成规划路径；

5、步骤三：使用b样条曲线对生成路径进行平滑优化，并结合障碍物膨胀方法解决路径优化后存在的折角处路径与障碍物产生干涉的问题。

6、作为优选，步骤一中：多属性地图的每个栅格点可以存储多个属性信息。对于多个属性，首先要确定各个属性的权重大小。由于各种属性的量纲不同，首先对所有属性进行归一化处理，其次计算每个单独属性地图的权重，最后计算每个栅格点的属性值。

7、作为优选，步骤二中：a*算法搜索性能主要取决于其启发函数f，不同的启发函数会生成不同的搜索路径。经典a*算法中的启发函数包含g和h，这两项均只考虑距离成本d给路径规划过程带来的影响，而未考虑路径规划过程中环境因素对路径生成的影响。因此，多属性a*路径规划算法引入了多属性预估成本e，在考虑距离成本d的基础上结合了环境因素成本。

8、作为优选，步骤三中：由于a*算法会产生局部路径折弯点多和路径不平滑的问题，本发明使用b样条曲线对路径进行平滑操作。同时，平滑路径与原始路径之间拟合不足，会导致在折角处平滑路径与障碍物产生干涉的问题。本发明通过设置障碍物膨胀函数，使障碍物范围增大，以此增大原始路径与障碍物间距，给路径平滑优化过程留足优化余量。

9、本发明的有益效果是：本发明提出了一种多属性栅格地图，本发明所提出多属性因素可指代环境信息、障碍物、地势等因素。该属性地图支持多种环境属性的定义，拓展了经典栅格地图只能存储障碍物信息的局限性，使a*算法能够在经典栅格地图信息基础上考虑多属性信息对路径规划的影响。相较于经典栅格地图中栅格点只存储0和1信息(如图1所示，图中：(a)为栅格数字地图，(b)为栅格颜色地图。分为可通行区域和障碍物区域)，多属性地图中栅格点可存储0-1之间浮点数，称为属性值(算法根据属性值大小规划最优路径，避免在属性值较大的栅格点处生成路径节点，保证路径规划的总代价最低)。其次，在启发函数中引入多属性预估成本，启发函数值受属性值影响，在路径规划过程中启发函数值越小则该栅格点越优。由本发明中对比实验得出：多属性a*算法与经典a*算法相比，路径长度减少了7.1％，平均路径总属性值提高了19.7％，平均路径属性值占比提高了25.5％。最后，本发明通过使用b样条曲线结合障碍物膨胀的方法对生成路径进行平滑优化，解决路径不平滑以及路径与障碍物产生干涉的问题。

技术特征：

1.一种基于多属性地图的a*路径规划方法，其特征在于，包括步骤：

2.根据权利要求1所述基于多属性地图的a*路径规划方法，其特征在于：步骤一中，多属性地图的每个栅格点可以存储多个属性信息，对于多个属性，首先要确定各个属性的权重大小，由于各种属性的量纲不同，首先对所有属性进行归一化处理，其次计算每个单独属性地图的权重，最后计算每个栅格点的属性值。

3.根据权利要求1所述基于多属性地图的a*路径规划方法，其特征在于：步骤二中，a*算法搜索性能主要取决于其启发函数f，不同的启发函数会生成不同的搜索路径，经典a*算法中的启发函数包含g和h，这两项均只考虑距离成本d给路径规划过程带来的影响，而未考虑路径规划过程中环境因素对路径生成的影响，因此，多属性a*路径规划算法引入了多属性预估成本e，在考虑距离成本d的基础上结合了环境因素成本。

4.根据权利要求1所述基于多属性地图的a*路径规划方法，其特征在于：步骤三中，由于经典a*算法会产生局部路径折弯点多和路径不平滑的问题，本文使用b样条曲线对路径进行平滑操作，同时，平滑路径与原始路径之间拟合不足，会导致在折角处平滑路径与障碍物产生干涉的问题，本文通过设置障碍物膨胀函数，使障碍物范围增大，以此增大原始路径与障碍物间距，给路径平滑优化过程留足优化余量。

技术总结本发明公开了一种基于多属性地图的A*路径规划方法，具体是一种通过构建多属性地图，改进启发函数引导节点搜索的路径规划方法。首先构建多属性栅格地图并对高属性值进行筛选，通过归一化和筛选过程，将多种属性的数据地图整合成多属性地图，赋予栅格点属性值；其次在启发函数中引入多属性预估成本，使启发函数在路径规划时能够考虑多属性信息的影响，通过改进启发函数来生成规划路径；最后使用B样条曲线结合障碍物膨胀方法解决路径优化问题以及路径与障碍物干涉的问题。本发明改进了经典A*算法未考虑环境信息对路径规划的影响，缺乏对栅格点属性定义的问题，克服了经典A*算法在多属性环境下的应用局限性，进一步拓展了A*算法的使用范围。技术研发人员：郄龙飞,张俊伟,马秀清,何俊杰,刘晨赫,林涛,杨卫民受保护的技术使用者：北京化工大学技术研发日：技术公布日：2024/6/18