CN101387888A - 基于二进制量子粒子群算法的移动机器人路径规划方法 - Google Patents
基于二进制量子粒子群算法的移动机器人路径规划方法 Download PDFInfo
- Publication number
- CN101387888A CN101387888A CNA200810156869XA CN200810156869A CN101387888A CN 101387888 A CN101387888 A CN 101387888A CN A200810156869X A CNA200810156869X A CN A200810156869XA CN 200810156869 A CN200810156869 A CN 200810156869A CN 101387888 A CN101387888 A CN 101387888A
- Authority
- CN
- China
- Prior art keywords
- particle
- robot
- path
- binary
- mobile robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于二进制量子粒子群算法的移动机器人路径规划方法,特征是包含如下步骤:步骤一:把机器人简化成一个点,并在二维空间内运动,通过视觉***能感知自己目前的位姿和障碍物的位置;步骤二:将机器人视觉***感知到的所有障碍物处理成凸多边形;步骤三:将二维空间离散化为一系列的栅格,并对移动机器人在每一个栅格处的八个可能运动方向进行二进制编码;步骤四:定义从起点到目标点的路径的长短为该方法需要求解的目标函数;步骤五:针对机器人路径规划问题的离散特征,利用二进制量子粒子群算法对步骤四中的目标函数进行全局优化以得到最优的移动机器人路径。本发明具有过程简单、容易实现、鲁棒性好、求解效率高等优点。
Description
技术领域
本发明公开了一种基于二进制量子粒子群算法的移动机器人路径规划方法。
背景技术
路径规划是指机器人从起始点到目标点之间找到一条安全无碰的路径,是机器人领域的重要课题。按对环境知识的了解,可分为已知环境和未知环境下的路径规划。无论机器人路径规划属于哪种类别,采用何种规划算法,基本上都要遵循以下步骤:1)建立环境模型,即将机器人所处的现实世界进行抽象后建立相关的模型;2)搜索无碰路径,即在某个模型的空间中寻找合乎条件的路径的搜索算法。对于环境信息已知的全局路径规划,目前已有许多解决方法,如人工势场法、可视图法以及由人工势场演变而来的数值势场法。近十年间,随着人工智能研究不断取得进展,许多智能算法也被用到移动机器人的路径规划中,包括模糊逻辑与增强学习算法、神经网络、遗传算法以及蚁群算法等。
移动机器人的运动规划算法是伴随着移动机器人的发展为满足机器人的需要而发展的。当今,无人地面、水下、空中机器人发展迅速,足球机器人比赛如火如荼,并且机器人正朝着微小型化和多机器人协作方向发展。随着星球探测和无人战争的需要,对机器人的研究越来越注重于在崎岖地形和存在着运动障碍的复杂环境中自主导航。为了满足移动机器人发展的需要,运动规划正在并且将会向高维自由度机器人、多机器人协调、动态未知环境中的规划发展。
发明内容
本发明的目的是克服现有技术中存在的不足,提供一种可以解决移动机器人实时生成避障路径的问题、可以解决不确定环境下移动机器人的路径规划、并可实现移动机器人的导航和避障问题的基于二进制量子粒子群算法的移动机器人路径规划方法。
按照本发明提供的技术方案,所述基于二进制量子粒子群算法的移动机器人路径规划方法包含如下步骤:
步骤一:把机器人简化成一个点,并在二维空间内运动,通过视觉***能感知自己目前的位姿和障碍物的位置;
步骤二:将机器人视觉***感知到的所有障碍物处理成凸多边形;
步骤三:将二维空间离散化为一系列的栅格,并对移动机器人在每一个栅格处的八个可能运动方向进行二进制编码;
步骤四:定义从起点到目标点的路径的长短为该方法需要求解的目标函数,即由路径上的栅格累积得到,计算方法具体为:
其中d表示两个栅格间的路径长度;
步骤五:针对机器人路径规划问题的离散特征,利用二进制量子粒子群算法对步骤四中的目标函数进行全局优化以得到最优的移动机器人路径,具体包括:
(5.1)粒子距离的确定:为了表示两个粒子之间的距离,引入了Hamming距离来定义它,定义两个粒子(X,Y),它们分别有两个决策变量(Xi1,Xi2)、(Yi1,Yi2),每一个决策变量由五位二进制编码,则两个粒子的距离可有Hamming距离表示得:
|X-Y|=dH(X,Y) (2)
它的值为两个位串对应位的不同值的数目;
(5.2)最优中值位置(mbest)的确定:mbest的值由粒子群体中每个粒子位串的相同位的值决定,通过统计每个粒子群体中统计粒子二进制编码的每一位出现0、1的概率的大小,出现0的次数多,则mbest对应的为0,反之,则为1;
(5.3)局部吸引子Pi的确定:利用多点交叉操作得到局部吸引子;即先计算出每一代的局部最优和全局最优,通过交叉的方式计算出局部吸引子;
(5.4)粒子位置的确定:
b=α*dH(Xid,mbestd)*ln(1/u),u=rand() (3)
其中dH(Xid,Pid)是粒子i第d维的Xid和局部吸引子第d维的Pid的Hamming距离。
本发明与已有技术相比,过程简单,容易实现,鲁棒性好、求解效率高等优点。因此,本发明解决了移动机器人实时生成避障路径的问题。本发明解决了不确定环境下移动机器人的路径规划,实现了移动机器人的导航和避障问题,较好的实现了机器人的实时路径规划和控制,为移动机器人路径规划提供了一个有效的方法。
附图说明
图1 栅格法规划搜索区域示意图。
图2 方向编码示意图。
图3 粒子位置的二进制编码图。
图4 二进制编码粒子的多点交叉示意图。
图5 迭代15代后得到的规划路径示意图。
图6 迭代42代后得到的最佳规划路径示意图。
图7 迭代70代后得到的规划路径示意图。
图8 迭代276代后得到的最优规划路径示意图。
图9 迭代180代后得到的规划路径示意图。
图10 迭代227代后得到的最优规划路径示意图。
在所有的图中,所有的星号点“*”表示机器人行走路径,实心点表示自由空间,方块表示障碍物。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
实施例1:本发明基于二进制量子粒子群算法的移动机器人路径规划方法包含如下步骤:
1、把机器人简化成一个能在二维空间中运动的点,它通过视觉***能感知自己目前的位姿和障碍物的位置;而机器人所能感知的障碍物被处理成二维空间中的凸多边形。
2、根据机器人自身的尺寸确定栅格粒度的人小,用栅格法建立机器人的环境模型,即离散状态空间,建立后的样式如图1;
3、确定离散空间上八个方向的编码方式,即采用二进制编码,如图2;
4、确定问题的目标函数,即定义从起点到目标点的路径的长短为该方法需要求解的目标函数,计算方法如公式(1);二进制量子粒子群算法中粒子位置的目标函数值作为适应值fitness;
5、实施如下二进制量子粒子群算法的步骤对目标函数进行优化以得到最优的移动机器人路径;
6、设定二进制量子粒子群算法的详细参数,即群体规模、二进制串的长度、最大迭代次数及搜索空间;群体规模一般为20~50,二进制串的长度一般取4×4×n(n为及其人工作区的边长),最大迭代次数及搜索空间视具体情况而定。
7、初始化二进制量子粒子群算法的粒子的位置变量,以及粒子的局部最优值pbest,并求出群体的全局最优值gbest;
8、计算粒子群的中值最优位置mbest;
9、通过图4示意计算局部吸引子Pi;
10、通过公式(3)、(4)计算粒子位置Xid;
11、计算粒子新位置的适应度fitness(xi(t+1));
12、更新粒子的当前最优位置,即:如果fitness(xi(t+1))<fitness(pbesti(t)),则pbesti(t+1)=xi(t+1),否则,pbesti(t+1)=pbesti(t);
13、更新群体的最优位置,即:如果fitness(pbesti(t+1))<fitness(gbest(t)),则gbest(t+1)=pbesti(t+1);
14、循环步骤8~13,直至是达到最大迭代次数后结束,然后输出群体的全局最优位置gbest,即为移动机器人的最优路径。
如图6、7所示,机器人的工作区域为16×16的无障碍物运动空间,路径的起点为(1,1),终点为(16,16),算法中设置粒子群体为30,二进制串的长度为4×4×16=256,α设为0.6。
实施例2
如图7、8所示,机器人的工作区域为16×16的有障碍物运动空间,路径的起点为(1,1),终点为(16,16),算法中设置粒子群体为30,4×4×16=256,α设为0.6。
实施例3
如图9、10所示,机器人的工作区域为16×16的有障碍物运动空间,路径的起点为(4,12),终点为(16,16),算法中设置粒子群体为30,4×4×16=256,α设为0.6。
Claims (2)
1、一种基于二进制量子粒子群算法的移动机器人路径规划方法,其特征在于该方法包含如下步骤:
步骤一:把机器人简化成一个点,并在二维空间内运动,通过视觉***能感知自己目前的位姿和障碍物的位置;
步骤二:将机器人视觉***感知到的所有障碍物处理成凸多边形;
步骤三:将二维空间离散化为一系列的栅格,并对移动机器人在每一个栅格处的八个可能运动方向进行二进制编码;
步骤四:定义从起点到目标点的路径的长短为该方法需要求解的目标函数,即由路径上的栅格累积得到,计算方法具体为:
其中d表示两个栅格间的路径长度;
步骤五:针对机器人路径规划问题的离散特征,利用二进制量子粒子群算法对步骤四中的目标函数进行全局优化以得到最优的移动机器人路径,具体包括:
(5.1)粒子距离的确定:为了表示两个粒子之间的距离,引入了Hamming距离来定义它,定义两个粒子(X,Y),它们分别有两个决策变量(Xi1,Xi2)、(Yi1,Yi2),每一个决策变量由五位二进制编码,则两个粒子的距离可有Hamming距离表示得:
|X-Y|=dH(X,Y)(2)
它的值为两个位串对应位的不同值的数目;
(5.2)最优中值位置(mbest)的确定:mbest的值由粒子群体中每个粒子位串的相同位的值决定,通过统计每个粒子群体中统计粒子二进制编码的每一位出现0、1的概率的大小,出现0的次数多,则mbest对应的为0,反之,则为1;
(5.3)局部吸引子Pi的确定:利用多点交叉操作得到局部吸引子;即先计算出每一代的局部最优和全局最优,通过交叉的方式计算出局部吸引子;
(5.4)粒子位置的确定:
b=α*dH(Xid,mbestd)*ln(1/u),u=rand() (3)
其中dH(Xid,Pid)是粒子i第d维的Xid和局部吸引子第d维的Pid的Hamming距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810156869XA CN101387888B (zh) | 2008-09-27 | 2008-09-27 | 基于二进制量子粒子群算法的移动机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810156869XA CN101387888B (zh) | 2008-09-27 | 2008-09-27 | 基于二进制量子粒子群算法的移动机器人路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101387888A true CN101387888A (zh) | 2009-03-18 |
CN101387888B CN101387888B (zh) | 2010-12-15 |
Family
ID=40477341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810156869XA Expired - Fee Related CN101387888B (zh) | 2008-09-27 | 2008-09-27 | 基于二进制量子粒子群算法的移动机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101387888B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739027A (zh) * | 2009-12-01 | 2010-06-16 | 蒋平 | 基于分布式视觉传感网络的移动导航*** |
CN101901012A (zh) * | 2010-03-19 | 2010-12-01 | 华东交通大学 | 一种分布式的多机器人同步蜂拥控制方法 |
CN102129249A (zh) * | 2011-01-10 | 2011-07-20 | 中国矿业大学 | 一种危险源环境下的机器人全局路径规划方法 |
CN103092203A (zh) * | 2013-01-15 | 2013-05-08 | 深圳市紫光杰思谷科技有限公司 | 主从机器人之间相对运动的控制方法 |
CN103197675A (zh) * | 2013-03-13 | 2013-07-10 | 北京矿冶研究总院 | 地下铲运机自主行驶和避障运动控制及目标路径规划方法 |
CN103605368A (zh) * | 2013-12-04 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种动态未知环境中路径规划方法及装置 |
CN103650606A (zh) * | 2011-05-13 | 2014-03-19 | 谷歌公司 | 移动设备的室内定位 |
CN104516350A (zh) * | 2013-09-26 | 2015-04-15 | 沈阳工业大学 | 一种复杂环境中的移动机器人路径规划方法 |
CN105096733A (zh) * | 2015-08-07 | 2015-11-25 | 王红军 | 一种基于栅格地图的环境特征表示与识别的方法 |
CN105160122A (zh) * | 2015-09-08 | 2015-12-16 | 王红军 | 一种基于栅格地图的环境特征的相似性度量方法 |
CN105387875A (zh) * | 2015-12-24 | 2016-03-09 | 安徽工程大学 | 基于蚁群算法的移动机器人路径规划方法的一种改进 |
CN105511457A (zh) * | 2014-09-25 | 2016-04-20 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN105606103A (zh) * | 2016-02-22 | 2016-05-25 | 江苏信息职业技术学院 | 一种机器人矿井作业路径规划方法 |
CN107662211A (zh) * | 2017-10-16 | 2018-02-06 | 西北工业大学 | 一种基于量子粒子群算法的空间机器人预测控制方法 |
CN108646734A (zh) * | 2018-04-27 | 2018-10-12 | 天津大学 | 基于量子粒子群算法的非线性模型预测控制方法 |
CN108664022A (zh) * | 2018-04-27 | 2018-10-16 | 湘潭大学 | 一种基于拓扑地图的机器人路径规划方法及*** |
CN108983770A (zh) * | 2018-07-02 | 2018-12-11 | 四川大学 | 数据处理方法、装置、电子设备及存储介质 |
CN111080035A (zh) * | 2019-12-31 | 2020-04-28 | 芜湖哈特机器人产业技术研究院有限公司 | 基于改进量子粒子群优化算法的全局路径规划方法 |
CN111474926A (zh) * | 2020-03-24 | 2020-07-31 | 浙江中烟工业有限责任公司 | 一种基于多agv时间窗路径优化算法的废烟回收方法 |
CN113478480A (zh) * | 2021-06-22 | 2021-10-08 | 中建三局集团有限公司 | 一种横折臂布料机的轨迹规划方法 |
CN116011361A (zh) * | 2023-03-24 | 2023-04-25 | 华东交通大学 | 自然灾害中高密度人群的避险评估仿真方法与*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3994950B2 (ja) * | 2003-09-19 | 2007-10-24 | ソニー株式会社 | 環境認識装置及び方法、経路計画装置及び方法、並びにロボット装置 |
CN100491084C (zh) * | 2007-07-03 | 2009-05-27 | 北京控制工程研究所 | 一种基于二元环境信息的移动机器人局部路径规划方法 |
-
2008
- 2008-09-27 CN CN200810156869XA patent/CN101387888B/zh not_active Expired - Fee Related
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739027A (zh) * | 2009-12-01 | 2010-06-16 | 蒋平 | 基于分布式视觉传感网络的移动导航*** |
CN101901012A (zh) * | 2010-03-19 | 2010-12-01 | 华东交通大学 | 一种分布式的多机器人同步蜂拥控制方法 |
CN101901012B (zh) * | 2010-03-19 | 2012-02-22 | 华东交通大学 | 一种分布式的多机器人同步蜂拥控制方法 |
CN102129249A (zh) * | 2011-01-10 | 2011-07-20 | 中国矿业大学 | 一种危险源环境下的机器人全局路径规划方法 |
CN103650606A (zh) * | 2011-05-13 | 2014-03-19 | 谷歌公司 | 移动设备的室内定位 |
CN103092203A (zh) * | 2013-01-15 | 2013-05-08 | 深圳市紫光杰思谷科技有限公司 | 主从机器人之间相对运动的控制方法 |
CN103197675A (zh) * | 2013-03-13 | 2013-07-10 | 北京矿冶研究总院 | 地下铲运机自主行驶和避障运动控制及目标路径规划方法 |
CN103197675B (zh) * | 2013-03-13 | 2016-05-25 | 北京矿冶研究总院 | 地下铲运机自主行驶和避障运动控制及目标路径规划方法 |
CN104516350A (zh) * | 2013-09-26 | 2015-04-15 | 沈阳工业大学 | 一种复杂环境中的移动机器人路径规划方法 |
CN104516350B (zh) * | 2013-09-26 | 2017-03-22 | 沈阳工业大学 | 一种复杂环境中的移动机器人路径规划方法 |
CN103605368A (zh) * | 2013-12-04 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种动态未知环境中路径规划方法及装置 |
CN105511457A (zh) * | 2014-09-25 | 2016-04-20 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN105096733A (zh) * | 2015-08-07 | 2015-11-25 | 王红军 | 一种基于栅格地图的环境特征表示与识别的方法 |
CN105096733B (zh) * | 2015-08-07 | 2018-01-19 | 王红军 | 一种基于栅格地图的环境特征表示与识别的方法 |
CN105160122A (zh) * | 2015-09-08 | 2015-12-16 | 王红军 | 一种基于栅格地图的环境特征的相似性度量方法 |
CN105160122B (zh) * | 2015-09-08 | 2018-02-23 | 王红军 | 一种基于栅格地图的环境特征的相似性度量方法 |
CN105387875B (zh) * | 2015-12-24 | 2018-01-12 | 安徽工程大学 | 基于蚁群算法的移动机器人路径规划方法的一种改进 |
CN105387875A (zh) * | 2015-12-24 | 2016-03-09 | 安徽工程大学 | 基于蚁群算法的移动机器人路径规划方法的一种改进 |
CN105606103A (zh) * | 2016-02-22 | 2016-05-25 | 江苏信息职业技术学院 | 一种机器人矿井作业路径规划方法 |
CN107662211A (zh) * | 2017-10-16 | 2018-02-06 | 西北工业大学 | 一种基于量子粒子群算法的空间机器人预测控制方法 |
CN108646734B (zh) * | 2018-04-27 | 2021-04-02 | 天津大学 | 基于量子粒子群算法的非线性模型预测控制方法 |
CN108664022A (zh) * | 2018-04-27 | 2018-10-16 | 湘潭大学 | 一种基于拓扑地图的机器人路径规划方法及*** |
CN108646734A (zh) * | 2018-04-27 | 2018-10-12 | 天津大学 | 基于量子粒子群算法的非线性模型预测控制方法 |
CN108664022B (zh) * | 2018-04-27 | 2023-09-05 | 湘潭大学 | 一种基于拓扑地图的机器人路径规划方法及*** |
CN108983770A (zh) * | 2018-07-02 | 2018-12-11 | 四川大学 | 数据处理方法、装置、电子设备及存储介质 |
CN108983770B (zh) * | 2018-07-02 | 2019-07-05 | 四川大学 | 数据处理方法、装置、电子设备及存储介质 |
CN111080035A (zh) * | 2019-12-31 | 2020-04-28 | 芜湖哈特机器人产业技术研究院有限公司 | 基于改进量子粒子群优化算法的全局路径规划方法 |
CN111474926A (zh) * | 2020-03-24 | 2020-07-31 | 浙江中烟工业有限责任公司 | 一种基于多agv时间窗路径优化算法的废烟回收方法 |
CN111474926B (zh) * | 2020-03-24 | 2023-09-01 | 浙江中烟工业有限责任公司 | 一种基于多agv时间窗路径优化算法的废烟回收方法 |
CN113478480A (zh) * | 2021-06-22 | 2021-10-08 | 中建三局集团有限公司 | 一种横折臂布料机的轨迹规划方法 |
CN113478480B (zh) * | 2021-06-22 | 2022-03-25 | 中建三局集团有限公司 | 一种横折臂布料机的轨迹规划方法 |
CN116011361A (zh) * | 2023-03-24 | 2023-04-25 | 华东交通大学 | 自然灾害中高密度人群的避险评估仿真方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN101387888B (zh) | 2010-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101387888B (zh) | 基于二进制量子粒子群算法的移动机器人路径规划方法 | |
Shi et al. | Dynamic path planning for mobile robot based on genetic algorithm in unknown environment | |
Kala et al. | Fusion of probabilistic A* algorithm and fuzzy inference system for robotic path planning | |
CN102819264B (zh) | 移动机器人路径规划q学习初始化方法 | |
CN103365293B (zh) | 一种基于动态区域划分的机器人安全路径规划方法 | |
Yan et al. | Path planning for autonomous underwater vehicle based on an enhanced water wave optimization algorithm | |
CN102207736A (zh) | 基于贝塞尔曲线的机器人路径规划方法及装置 | |
CN107229287A (zh) | 一种基于遗传蚂蚁算法的无人机全局路径规划方法 | |
Yao et al. | Path planning method based on D* lite algorithm for unmanned surface vehicles in complex environments | |
CN113485371B (zh) | 一种基于改进麻雀搜索算法的水下多auv路径规划方法 | |
CN111337931A (zh) | 一种auv目标搜索方法 | |
Zhu et al. | Quantum artificial fish swarm algorithm | |
Bonny et al. | Highly optimized Q‐learning‐based bees approach for mobile robot path planning in static and dynamic environments | |
CN113110520A (zh) | 一种多智能优化并行算法的机器人路径规划方法 | |
CN112099501B (zh) | 一种基于势场参数优化的无人艇路径规划方法 | |
CN108227718B (zh) | 一种自适应切换的自动搬运小车路径规划方法 | |
Li et al. | Path planning of mobile robot based on genetic algorithm and gene rearrangement | |
Yang et al. | Mobile robot path planning based on enhanced dynamic window approach and improved A∗ algorithm | |
CN112214031B (zh) | 基于遗传粒子群算法的多节点协同着陆位置规划方法 | |
Chandrasekhar Rao et al. | Cooperative navigation planning of multiple mobile robots using improved krill herd | |
Ni et al. | An improved shuffled frog leaping algorithm for robot path planning | |
Chen et al. | Path planning of mobile robot based on an improved genetic algorithm | |
CN108445894A (zh) | 一种考虑无人艇运动性能的二次路径规划方法 | |
Li et al. | An improved differential evolution based artificial fish swarm algorithm and its application to AGV path planning problems | |
CN103279796A (zh) | 一种优化遗传算法进化质量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101215 Termination date: 20110927 |