技术领域
[0001] 本发明涉及路径规划领域，具体地，涉及路径规划方法。
相关背景技术
[0002] 路径规划是指，在具有障碍物的环境中，按照一定的评价标准，寻找一条从起始状态到目标状态的无碰撞路径。本算法中路径规划采用了基于知识的遗传算法，它包含了自然选择和进化的思想，具有很强鲁棒性。
[0003] 现有移动机器人的路径规划方式很多，如惯性规划、磁规划、视觉规划、卫星规划等。这些方式分别适用于各种不同的环境，包括室内和室外环境。但对环境要求极高，也需要辅助装备，为了克服上述的问题，亟需设计一种无需辅助装备的路径规划方法。
具体实施方式
[0022] 以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0023] 本发明提供一种路径规划方法，该路径规划方法包括：
[0024] 步骤1，通过多传感器实时采集机器人的周围信息；
[0025] 步骤2，根据所采集的周围信息、机器人所处位置信息以及机器人即将到达地点信息进行路径的规划；
[0026] 步骤3，机器人根据所规划的路径进行行驶。
[0027] 通过上述技术方案，本发明具有较低不确定性的相关传感器，减免地图构建的复杂性，在环境未知的局部规划中通过测距传感器获取对障碍物的描述，结合视觉传感器提供的丰富冗余的环境信息，使得机器人对环境的感知更加准确且有效率，而机器人内部的里程计则有效的提供了机器人实时的位姿信息，通过修正，纠正机器人的位置偏差和促进精确位置信息的获得，提高了定位的精度。另外，本发明采用了机器人所处位置信息以及机器人即将到达地点信息两个信息相结合的方式，实时的对机器人的周围信息进行采集，并实时的进行路径规划，可以极大的利于机器人的规划行驶。
[0028] 另外，还需强调的是，本申请采用了一种新的方式，在规划的路径下机器人任然无法行驶的情况下，规划与路线相比最近的路线，以此类推。最终可以实现最短路径的到达。
[0029] 在本发明的一种具体实施方式中，在步骤1中，通过多传感器实时采集机器人的周围信息的方法可以包括：
[0030] 通过云台摄像机、声呐传感器、红外传感器以及激光传感器采集机器人的周围信息。
[0031] 采用多个传感器(内部传感器/外部传感器)可实现环境信息的充分理解，便于机器人做出正确的决策。由于传感器的一些不良特性(诸如传感器探测“盲区”)，信息处理不当或是选择的传感器之间匹配效果不理想，多传感器融合较差等原因，很难得到较为准确反映真实环境信息的地图模型。
[0032] 在本发明的一种具体实施方式中，在步骤2中，对通过云台摄像机所采集的图像信息进行预处理，其中，预处理的方法可以包括：
[0033] 为了实现图像信息的预处理，将所采集的图像进行灰度化，并进行图像的平滑处理。
[0034] 在该种实施方式中，在步骤2中，对通过云台摄像机、声纳传感器、红外传感器以及激光传感器所采集的信息进行信息融合，得到周围信息。
[0035] 在本发明的一种具体实施方式中，在步骤2中，根据所采集的周围信息、机器人所处位置信息以及机器人即将到达地点信息进行路径的规划的方法可以包括：
[0036] 实时的感应机器人所处位置信息和周围信息。
[0037] 在本发明的一种具体实施方式中，对预处理后的图像信息依次进行图像边缘检测和图像分割，以得到机器人的周围信息。
[0038] 在本发明的一种具体实施方式中，对所采集的信息进行信息融合的方法可以包括以下方式的任意一种：加权平均法和卡尔曼滤波法。
[0039] 本文可以通过卡尔曼滤波融合算法，分析图像信息，实现了移动机器人的自定位。进一步的路径规划中利用在不确定的表示、组合方面具有的很大优势的模糊逻辑算法，产生更可靠、更准确的信息，并根据这些信息做出可靠的决策，从而得到适当的路径，增强信息的互补性，提高了系统的鲁棒性、柔性和容错性。
[0040] 以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
[0041] 另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
[0042] 此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。
