CN119469184A 基于Voronoi图的救援机器人多约束路径规划方法 （中国科学院沈阳自动化研究所）

基于Voronoi图的救援机器人多约束路径规基于Voronoi图的救援机器人多约束路径规划方迹搜索：在Voronoi图中利用A*算法构建一个从优化。本发明融合了Voronoi图和优化算法的优22.根据权利要求1所述的基于Voronoi图的救援机器人1.1)基于传感器获得的图像构建环境的全局地图，进而构建环境的全局二维栅格地3.根据权利要求2所述的基于Voronoi图的救援机器1.2.3)遍历三角形链表，寻找与当前三角形TriP三边共边4.根据权利要求1所述的基于Voronoi图的救援机器人多约束路径2.1)将Voronoi边转化为图结构，将路径规划的起点位置和终点位置关联到与之最相5.根据权利要求4所述的基于Voronoi图的救援机器2.2.2)使用A*算法从OpenList中选择最优的节点放到Cl2.2.4)在OpenList中根据目标节点所包含的前序节点逆序查找最后到达起始节点，6.根据权利要求4所述的基于Voronoi图的救援机器人多约3iiii分别为第i段轨迹多项式各阶次的系数，s为当前点到第i段轨迹7.根据权利要求1所述的基于Voronoi图的救援机器8.根据权利要求7所述的基于Voronoi图的救援机器人多Fopt=λ1Csmooth+λ2Cenergy+λ3Csafety+λ4Cdynamics+λ5Cotherserror＝[xi_1+xi+1_2*x4i-1s为当前点到第i段轨迹起点的距离占第i段轨迹总长度的比例，s＝(x-xi)/(xi+1-xi)，max和vmax为机器人的加速度和速度所能达到的最大值。9.根据权利要求7所述的基于Voronoi图的救援机器人多约5[0001]本发明属于路径规划领域，具体来说是一种基于Voronoi图的救援机器人多约束[0003]基于图搜索的算法是将环境抽象成一个图，图的节点表示机器人可以到达的位[0005]基于随机采样的算法则是在环境中随机采样节点，并将这些节点连接成树或图，6[0022]2.1)将Voronoi边转化为图结构，将[0029]2.2.4)在OpenList中根据目标节点所包含的前序节点逆序查找最后到达起始节ii7[0047]Fopt=λ1Csmooth+λ2Cenergy+λ3Csafety+λ4Cd为当前max和vmax为机器人的加速度和速度所能达到的最大值。8[0057]1.本发明利用Delaunay三角剖分算法在二维栅格地图的基础上生成了Voronoi动力学可行性等因素，得到的最终轨迹尽管有一定的概率比传统方法得到的轨迹距离长，[0068](3)初始路径/轨迹搜索：在Voronoi图中利用A*算法构建一个从起点到终点的初C9[0079]将Voronoi边转化为图结构，将路径规划的起点位置和终点位置关联到与之最相[0090]图3展示了利用A*算法在Voronoi边上搜索得到的连接起点和终点的一条最短的[0092](2)从OpenList中选择最优的节点放到ClosedList中，然后将其后继节点放入[0093](3)在OpenList中根据目标节点所包含的前序节点逆序[0097]Fopt=λ1Csmooth+λ2Cenergy+λ3Csafety+λ4Cdsafetysafety[0109]动力学代价Cdynamics：该代价描述了执行轨迹所需的动力学参数等)与实际机器人的动力学性能的相符程度，即需要的动力学参数必须符合实际，其值越[0116]优化器选择L_BFGS优化器：L_BFGS(Limited_memoryBFGS)是一种用于求解大规内存不足以存储整个Hessian矩阵或其逆矩阵的问题。牛顿方法是一种在多维空间中寻找骤的信息。这使得L_BFGS可以应用于大规模问题。此外，L_BFGS使用一组向量来近似