CN115373399B 一种基于空地协同的地面机器人路径规划方法 （中国安全生产科学研究院）

一种基于空地协同的地面机器人路径规划本发明一种基于空地协同的地面机器人路采集数据，构建出目标区域完整的空间三维模二值栅格地图建立结合Voronoi图的混合地图，多障碍物环境下成功规划出一条安全可靠的路2步骤S101、基于对目标区域的空基影像采集数据，构建出径区域进行栅格化得到机器人可通达路径的步骤S401、利用二值栅格地图建立Voronoi图，并将Voronoi步骤S402、在混合地图中采用混合A*搜索，搜索出平滑项评估顶点之间的位移向量；该项能够平滑间隔不均匀3smo表示平滑权重；对于d,sd引",定义代价函数Pvor为：O表示节点到达最近障碍物的距离；dedg表示节点到达广义泰森多边形最近边缘i为距离顶点xi最近的引导点的位置；ρmax为引导点影响代价函数的最大距离的所述初始化包括建立Open_Set和Closed_Set两个列表，两个列表初始化时都为空列步骤S503、判断Open_Set列表为非空列表，从Open_Se作为扩展节点进行扩展，得到与扩展节点状态连续的多个扩展子节点，并将扩展节点从Open_Set列表移除至Closed_S步骤S506、将出现在同一网格中的当前扩展子节点与原有节点的实际代价进行比较，步骤S508、从Open_Set列表中的目标节点开始回朔所有4搜索过程中每个节点的总代价包括实际代价和所述实际代价为起始节点到当前节点的代价，包括当前节点的父节父节点到当前节点的转向代价和Voronoi图中从父节所述启发式估计代价为当前节点到目标节点的启发式估计代价，由步骤S201、将目标区域划分为若干目标子区域，利用至少步骤S202、在地面服务器中，进行实时三维重建恢复步骤S203、利用基于三维点云数据的多地图拼接融合在步骤S102中，采用基于卷积神经网络预测遥感图像的深步骤S304、利用训练后的深度语义分割网络模型，对目步骤S305、根据机器人可靠移动路径区域，将其进行栅格5组与地面移动机器人群组协同作业相比于单独的地面机器人群组或空中无人机群组更具区域地图，依据提取的可靠移动区域地图将其二值栅格化得到可用于路径规划的栅格地[0004]鉴于上述的分析，本发明旨在公开一种基于空地协同的地面机器人路径规划方规划算法无法满足地面多机器人路径安全性和可6从Open_Set列表移除至Closed_Set列图中父节点到当前节点的转向代价和Voronoi图中从父节点到当束的启发式函数和基于完整约束的启发式函数7进行栅格化插值得到可通达路径的二值栅格8[0051]图4为本发明实施例中的改进混合A*算法进行可靠移动路径规划实现方法流程9[0067]根据各无人机获取的子目标区域三维点云图，提取待拼接点云地图的边缘像素[0086]具体的，在二值栅格地图中，利用Voronoi势场函数选取离障碍物一定的距离阈[0096]优选的，基于ROS(机器人操作系统)下利用构建的Voronoi势场函数可生成-1g(si)为当前节点的实i-1)为当前节点的父节点的实际代价；cost(sk-1,sk)为从父节点到当前节点的启发式函数和基于完整约束的启发式函数中较大的值决定，其表达式为h(si)＝maxh11为忽略环境障碍、考虑机器人非完整性约束的条件下得到的启发式数从Open_Set列表移除至Closed_Set列[0116]步骤S506、将出现在同一网格中的当前扩展子节点si+1与原有节点sopen的实际代前扩展子节点的连续状态与该网格单元关联，并将当前扩展子节点si+1所在栅格设置为子[0131]为了确保路径可执行，曲率项设定了每个顶点的瞬时曲率的上限，即假设定义代价函数Pcur为：vorvor的值越接近0。任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，