基于改进蚁算法的列车送餐机器人路径规划方法

1.本发明涉及列车餐饮与机器人领域，尤其涉及一种基于改进蚁算法的列车送餐机器人路径规划方法。

背景技术：

2.如今机器人在各种场合出现得越来越频繁，为人们生活带来了便利。为此本发明在于通过改进路径规划算法，将机器人运用到列车送餐中。目前列车上通常是由列车员手动推送餐车进行送餐服务，本发明提出的列车送餐机器人旨在改变当前的送餐方式，将工作人员从繁琐的送餐工作中解放出来，并为乘客带来更好的乘车体验。乘客下单完成并确认后，列车送餐机器人可将食物送至指定位置。因此，列车送餐机器人行驶路线的合理性是确保高质量完成送餐任务的前提。

技术实现要素：

3.本发明的目的在于提供一种基于改进蚁算法的列车送餐机器人路径规划方法，用于解决传统蚁算法收敛慢、容易陷入局部最优和当不在送餐时段内乘客需要自己前往餐厅所在的车厢购买食物的问题以及将服务人员从重复性高、内容枯燥的工作中解放出来。
4.为了达成上述目的，本发明的解决方案是：
5.基于改进蚁算法的列车送餐机器人路径规划方法，包括以下步骤(1)～(4)：
6.步骤(1)：对列车送餐机器人的工作区域利用栅格法与delaunay方法进行划分，生成四边形和三角形混合的单元栅格，其中可移动区域标记为白，代表列车送餐机器人可以通过；障碍物区域标记为黑，代表列车送餐机器人不能通过；
7.步骤(2)：基于步骤(1)所建立的网格地图，确定初始位置和目标位置，利用改进的蚁算法进行全局路径规划，得到一条最优的轨迹图，作为列车送餐机器人到目标位置的最优路径；
8.步骤(3)：在行进过程中选择八线激光雷达来测量列车环境下的障碍物，并将列车送餐机器人遇到的障碍物进行分类，可分为动态障碍物和静态障碍物；
9.步骤(4)：使用改进的距离启发函数和信息素挥发因子对全局搜索能力、局部搜索能力以及收敛速度进行优化，使列车送餐机器人在有效躲避实际工作中遇到的障碍物的同时，到一条到达目标位置的最优路径。
10.根据传统蚁算法在实际运行中容易陷入局部最优和收敛速度慢的问题，对传统蚁算法的距离启发函数和信息素挥发因子进行改进，改进的距离启发函数和信息素挥发因子如式(1)、式(2)所示：
[0011][0012]
[0013]
其中，p为当前栅格，n为下一栅格，g为目标栅格，d
pn
表示当前栅格到下一栅格的欧氏距离，d
ng
表示下一栅格到目标栅格的欧氏距离，t代表总迭代次数，t表示当前迭代次数，ρ(t)为信息素挥发因子，范围为(0，1)。
[0014]
本发明基于改进蚁算法的列车送餐机器人的路径规划方法，改进的距离启发函数将两段欧式距离之和做了平方处理，加快了收敛速度；改进的信息素挥发因子与迭代次数相关联，使信息素挥发因子ρ(t)随迭代次数改变，这样蚂蚁在路径规划时处于不同迭代次数时具有不同的信息素挥发因子，在路径规划前期给定一个较大的信息素挥发因子值,使其略小于1为0.9，有利于全局搜索、避免陷入局部最优，在路径规划后期信息素挥发因子较小,有利于加快收敛速度、快速确定最优路径。
[0015]
本发明基于改进蚁算法的列车送餐机器人的路径规划方法，当判断障碍物为动态障碍物时，运行中的列车送餐机器人会靠边停车，对动态障碍物进行避让；当判断障碍物为静态障碍物时，需要判定列车送餐机器人是否可以绕过，若不可以绕行，则语音提示乘客挪开障碍物；若可以绕行，将该静态障碍物位置设置为障碍栅格，重新规划行驶路线。
附图说明
[0016]
图1是躲避不同障碍物的流程图
具体实施方式
[0017]
下面结合附图对本发明的技术方案进行进一步说明。
[0018]
本发明基于改进蚁算法的列车送餐机器人的路径规划方法，其总体思路为：将栅格法与delaunay方法结合后对列车送餐机器人的工作区域进行划分，生成四边形和三角形混合的单元栅格，将可移动区域标记为白，列车送餐机器人可以通过；将障碍物区域标记为黑，列车送餐机器人不能通过；本发明提出的启发函数如下：其中，p为当前栅格，n为下一栅格，g为目标栅格。传统蚁算法中挥发因子对算法的性能有非常重要的影响，本发明改进的信息素更新策略如下：其中t代表总迭代次数，t表示当前迭代次数；为了增强蚂蚁的全局搜索能力，在算法初始阶段，令初始挥发因子ρ为0.9，此时，信息素浓度对蚂蚁的导向作用相对较弱，蚁能够搜索更多的可行路径，随着一步一步的迭代进行，挥发因子ρ逐渐减小，负反馈随之减弱，路径上的信息素增加，浓度对蚂蚁的导向作用变强。
[0019]
本发明基于改进蚁算法的列车送餐机器人的路径规划方法，其特征在于，列车送餐机器人将遇到的障碍物进行分类，可分为动态障碍物和静态障碍物，具体步骤如下：
[0020]
步骤(1.1)：通过八线激光雷达获取的当前帧的激光雷达数据提取障碍物特征；
[0021]
步骤(1.2)：根据提取的障碍物特征建立当前帧的障碍物模型；
[0022]
步骤(1.3)：将当前帧的所述障碍物模型与上一帧的障碍物模型进行比较,以确定障碍物的种类；
[0023]
躲避不同的障碍物有不同的处理方法，其特征在于，当判断障碍物为动态障碍物时，运行中的列车送餐机器人会靠边停车，对动态障碍物进行避让；当判断障碍物为静态障碍物时，需要判断列车送餐机器人是否可以绕过，若不可以绕行，则语音提示乘客挪开障碍
物；若可以绕行，将该静态障碍物位置设置为障碍栅格，重新规划行驶路线。
[0024]
图1所示，躲避不同障碍物的流程图包括以下步骤：
[0025]
步骤(2.1)：按照工作环境信息利用改进蚁算法进行全局路径规划，列车送餐机器人按照规划的结果前进，如果当前的栅格为目标栅格，跳转到步骤(2.7)；否则，跳转到步骤(2.2)。
[0026]
步骤(2.2)：列车送餐机器人在前行的过程中，不断探测周边环境，当探测到障碍物时，确定障碍物是动态障碍物还是静态障碍物。如果是静态障碍物，跳转至步骤(2.1)；如果是动态障碍物，跳转至步骤(2.3)。
[0027]
步骤(2.3)：已经确定探测到的障碍物是动态障碍物。如果障碍物与列车送餐机器人的距离小于安全距离，将采用紧急避障策略，跳转至步骤(2.4)；如果障碍物与列车送餐机器人的距离大于安全距离，将采用普通避障策略，跳转至步骤(2.5)。
[0028]
步骤(2.4)：启用紧急避障策略，列车送餐机器人紧急制动，并顺时针搜索周围存在的可通行栅格，并移动到该栅格。在列车环境中，若在较宽敞的位置遇到行人，可以移向周边位置避让。跳转至步骤(2.6)。
[0029]
步骤(2.5)：启用普通避障策略，进行碰撞点预测，如果列车送餐机器人和动态障碍物会发生碰撞，跳转至步骤(2.6)；否则，跳转至步骤(2.1)。
[0030]
步骤(2.6)：以当前位置为起点，如果存在碰撞点，将碰撞点设置为临时静态障碍物，重新进行全局路径规划。如果当前位置是目标位置，则跳转至步骤(2.7)，否则跳转至步骤(2.1)。
[0031]
步骤(7)：列车送餐机器人到一条到达目标位置的最优路径。

技术特征：

1.一种基于改进蚁算法的列车送餐机器人路径规划方法，其特征在于，包括以下步骤：步骤(1)：对列车送餐机器人的工作区域利用栅格法与delaunay方法进行划分，生成四边形和三角形混合的单元栅格，其中可移动区域标记为白，代表列车送餐机器人可以通过；障碍物区域标记为黑，代表列车送餐机器人不能通过；步骤(2)：基于步骤(1)所建立的网格地图，确定初始位置和目标位置，利用改进的蚁算法进行全局路径规划，得到一条最优的轨迹图，作为列车送餐机器人到目标位置的最优路径；步骤(3)：在行进过程中选择八线激光雷达来测量列车环境下的障碍物，并将列车送餐机器人遇到的障碍物进行分类，可分为动态障碍物和静态障碍物；步骤(4)：使用改进的距离启发函数和信息素挥发因子对全局搜索能力、局部搜索能力以及收敛速度进行优化，使列车送餐机器人在有效躲避实际工作中遇到的障碍物的同时，到一条到达目标位置的最优路径。2.如权利要求1所述基于改进蚁算法的列车送餐机器人路径规划方法，其特征在于，所述步骤(3)中列车送餐机器人将遇到的障碍物进行分类，可分为动态障碍物和静态障碍物，具体步骤如下：步骤(2.1)：通过八线激光雷达获取的当前帧的激光雷达数据提取障碍物特征；步骤(2.2)：根据提取的障碍物特征建立当前帧的障碍物模型；步骤(2.3)：将当前帧的所述障碍物模型与上一帧的障碍物模型进行比较,以确定障碍物的种类。3.如权利要求1所述基于改进蚁算法的列车送餐机器人路径规划方法，其特征在于，所述步骤(4)中改进的距离启发函数和信息素挥发因子如式(1)、式(2)所示：所述步骤(4)中改进的距离启发函数和信息素挥发因子如式(1)、式(2)所示：其中p为当前栅格，n为下一栅格，g为目标栅格，其中d
pn
表示当前栅格到下一栅格的欧氏距离，d
ng
表示下一栅格到目标栅格的欧氏距离，t代表总迭代次数，t表示当前迭代次数，ρ(t)为信息素挥发因子，范围为(0，1)；改进的距离启发函数对两段距离之和做平方处理，加快了收敛速度，改进的信息素挥发因子与迭代次数相关联，使信息素挥发因子ρ(t)随迭代次数改变，这样蚂蚁在路径规划时处于不同迭代次数时具有不同的信息素挥发因子，在路径规划前期给定一个较大的信息素挥发因子值,使其略小于1为0.9，有利于全局搜索、避免陷入局部最优，在路径规划后期信息素挥发因子较小,有利于加快收敛速度、快速确定最优路径。4.如权利要求2所述基于改进蚁算法的列车送餐机器人路径规划方法，其特征在于，躲避不同的障碍物有不同的处理方法，当判断障碍物为动态障碍物时，在过道中的列车送餐机器人会靠边停车，对障碍物进行避让。当判断障碍物为静态障碍物时，需要判断列车送餐机器人是否可以绕过，若不可以绕行，则语音提示乘客挪开障碍物；若可以绕行，将该静态障碍物位置设置为障碍栅格，重新规划行驶路线；躲避不同障碍物的流程如图1所示，具
体步骤如下：(4.1)：列车送餐机器人按照工作环境信息利用改进蚁算法进行全局路径规划，列车送餐机器人按照规划的结果前进，如果当前的栅格为目标栅格，跳转到(4.7)；否则，跳转到(4.2)；(4.2)：列车送餐机器人在前行的过程中，不断探测周边环境，当探测到障碍物时，确定障碍物是动态障碍物还是静态障碍物。如果是静态障碍物，跳转至(4.1)；如果是动态障碍物，跳转至(4.3)；(4.3)：已经确定探测到的障碍物是动态障碍物。如果障碍物与列车送餐机器人的距离小于安全距离，将采用紧急避障策略，跳转至(4.4)；如果障碍物与列车送餐机器人的距离大于安全距离，将采用普通避障策略，跳转至(4.5)；(4.4)：启用紧急避障策略，列车送餐机器人紧急制动，并顺时针搜索周围存在的可通行栅格，并移动到该栅格。在高铁环境中，若在较宽敞的位置遇到行人，可以移向周边位置避让，跳转至(4.6)；(4.5)：启用普通避障策略，进行碰撞点预测，如果列车送餐机器人和动态障碍物会发生碰撞，跳转至(4.6)；否则，跳转至(4.1)；(4.6)：以当前位置为起点，如果存在碰撞点，将碰撞点设置为临时静态障碍物，重新进行全局路径规划。如果当前位置是目标位置，则跳转至(4.7)，否则跳转至(4.1)；(4.7)：列车送餐机器人到一条到达目标位置的最优路径。

技术总结

本发明公开一种基于改进蚁算法的列车送餐机器人的路径规划方法，首先将送餐机器人的工作区域进行划分，将机器人可以通过的可移动区域标记为白，机器人不能通过的禁行区域记为黑，表示路径上存在障碍物，根据传统蚁算法在实际运行中容易陷入局部最优和收敛速度慢的问题，对传统蚁算法的距离启发函数和信息素挥发因子进行改进；在列车车厢中，列车送餐机器人将遇到的障碍物进行分类，可分为动态障碍物和静态障碍物，对于不同的障碍物列车送餐机器人有不同的处理方法；使用改进的距离启发函数和信息素挥发因子对全局搜索能力、局部搜索能力以及收敛速度进行优化，得到基于改进蚁算法的列车送餐机器人路径规划算法，列车送餐机器人可以有效躲避在工作过程中遇到的障碍物，使其在较短的时间内完成送餐工作。作。作。