基于蟻群算法和極坐標變換的無人自行車路徑規劃方法技術

基于蟻群算法和極坐標變換的無人自行車路徑規劃方法，包括如下步驟：(1)利用柵格法進行環境建模；(2)設置蟻群算法的詳細參數；(3)設定極坐標的長度、探測最大角度和最小角度；(4)蟻群的初始化，并設定信息素位置范圍和速度范圍；(5)極坐標和直角坐標之間變換，判斷信息素是否有效，直到保證所有信息素有效，檢查信息素位置和障礙物位置；(6)計算每個信息素的適應度值并處理；(7)將信息素歷史最優適應值數組中最小值與當前全局歷史最優值比較并處理；(8)更新信息素的位置和速度信息；(9)將本次迭代的信息素最優值與之前結果比較并處理；(10)最大迭代次數后平滑處理，修改路徑并顯示結果。

Path planning method of unmanned bicycle based on ant colony algorithm and polar coordinate transformation

Bicycle path planning method for unmanned ant colony algorithm and polar coordinate transformation based on, which comprises the following steps: (1) the environment modeling based on grid method; (2) the detailed parameters of ant colony algorithm; (3) the set length, the maximum angle detection of polar coordinates and the minimum angle; (4) ant colony initialization and configuration information prime position range and speed range; (5) the transformation between polar coordinates and Cartesian coordinates, judging the pheromone is valid until that all effective pheromone pheromone, check the position and the obstacle position; (6) the calculation value and adapt to each information processing; (7) the pheromone history optimal fitness value in the array of minimum and deal with the current global optimal value of history; (8) the position and speed of information updating pheromone; (9) the iteration of the pheromone value and optimal results and before treatment; (10) the maximum iteration After smoothing, modify the path and display the result.

【技術實現步驟摘要】
基于蟻群算法和極坐標變換的無人自行車路徑規劃方法
本專利技術涉及無人自行車技術，特別是一種面向無人自行車的基于蟻群算法和極坐標變換的路徑規劃方法。
技術介紹
自20世紀60年代移動機器人誕生以來，研究人員一直夢想研究無人智能交通工具，作為智能交通系統的重要組成部分，無人自行車排除了人為不確定因素的影響，不僅可以提高駕駛安全性，而且可以解決交通擁堵，提高能源利用率，百度曾宣布開發復雜人工智能無人自行車，該產品是具備環境感知、規劃和自平衡控制等復雜人工智能的無人自行車，主要集合了百度在人工智能、深度學習、大數據和云計算技術的成就，然而對技術細節沒有任何披露。目前大多采用采用覆蓋面廣、成本低，且針對性強的運動干預服務系統，對無人自行車的運動進行符合實際情況的干預，有望解決自行車避障等問題。作為無人自行車的智能核心，避障路徑規劃系統決定車輛如何在多種約束條件和路徑障礙物條件下到達目標位置，這些約束包括體現為安全性的環境約束，體現可行性的系統運動學約束，體現平順性和穩定性的系統動力學約束以及特定的優化指標約束，如最短時間或最短距離等。在無人自行車應用中，這些約束集中在全局路徑規劃中得到滿足，全局路徑規劃問題等同于起點和終點間路徑生成的問題，解決全局路徑規劃問題一般要求提前獲知完成的典型道路及其數字化存儲方式，也就是環境地圖，當環境變化或其他因素導致規劃結果不可行時，需要重啟全局規劃得到新的可行路徑才能繼續行使。然而，現有的路徑規劃方法算法收斂性不夠良好，并且初始分布是正態分布時，計算時間比較長，不利于快速響應障礙物。
技術實現思路
本專利技術的目的在于提供一種面向無人自行車的基于蟻群算法和極坐標變換的路徑規劃方法，包括如下步驟：(1)根據無人自行車的工作環境，利用柵格法進行環境建模；(2)設置蟻群算法的詳細參數：信息素維度D、最大迭代次數M、信息素數N、信息素變量的最大速度Vmax、學習因子c1，c2和慣性權重W，這三個參數按照一般的蟻群算法選取，信息素維度則由以下參數決定：D≈distance(path)bike_length，信息素變量的最大速度為：Vmax＝0.1(αmax-αmin)/D；(3)設定極坐標的長度、探測最大角度和最小角度，探測最大角度和最小角度一般取0～π/2；(4)根據均勻分布生成隨機數的方法，進行蟻群的初始化，并設定環境地圖位置范圍內的信息素位置范圍和速度范圍；(5)進行極坐標和直角坐標之間的變換，獲得路徑x，y坐標值，根據信息素的約束條件判斷信息素是否有效，無效則重新初始化，直到保證所有信息素有效，檢查信息素位置和障礙物位置；(6)采用路徑規劃的適應度函數，計算每個信息素的適應度值，將信息素的個體歷史最優值和當前信息素適應度值進行比較，若當前的適應度值比歷史最優值小，則用當前的適應度值替換個體歷史最優值；(7)將信息素歷史最優適應值數組中最小值與當前的全局歷史最優值進行比較，若其值小于全局最優值，則用最小值替換全局最優值，否則不替換，根據信息素上次取得的迭代歷史最優值和當前迭代歷史最優值，計算并保存兩者之間的最優值；(8)更新種群中信息素的位置和速度信息，若信息素搜索的位置超過了已設定的空間范圍，則選取最大位置；(9)將本次迭代的信息素最優值與之前連續迭代結果進行比較，若未發生變化則采用以前優化值，并檢查是否達到最大迭代次數，若未達到則反復計算。(10)到達最大迭代次數后，采用舒曼濾波法進行平滑處理，對算出的路徑進行修改，顯示計算結果與最優路徑。優選的，步驟(1)中柵格粒度大小的確定是根據無人自行車自身的尺寸大小以及障礙物的面積大小來設置。優選的，所述無人自行車前進的方向上設置三個模擬傳感器，以探測前方到障礙物的距離情況。優選的，所述信息素構成信息素表，每個元素代表一定距離下選擇沿一角度運動的信息素強度，采用矩陣A表示信息素表，將無人自行車與地面障礙物距離在初始距離與地面目標之差上10等分，而無人自行車單次移動方向選擇相對于障礙物連線夾角的-90度-90度上角度18等分，并選擇其中的17個作為搜索方向，從而確定340個元素作為信息素表的各個元素，將無人自行車與地面站該物初始距離與地面目標之差定義為M，無人自行車與障礙物目標連線角度設定為α。優選的，在完成若干輪單次迭代后，若按每次新信息素表出發的無人自行車都能成功避開障礙物，則判定算法結束。優選的，所述信息素更新用于無人自行車釋放信息素的過程，分為兩個階段進行，第一個階段是在無人自行車追蹤地面障礙物的階段，第二個階段是在無人自行車在保持與地面障礙物安全距離的階段。優選的，所述第一個階段的信息素更新方法是：在每個時間片內，如果單次前進方向連續若干次都是所有方向中使無人自行車與地面障礙物目標距離減小最多的那個方向，結合其距離在信息素表中找到對應信息素，進行更新即累加操作。優選的，所述第二個階段的信息素更新方法是按照一定的時間間隔實時判斷與地面障礙物的距離，并在一定區域范圍內對選擇的移動方向對應的位置信息素全部進行更新。優選的，對于使無人自行車靠近地面障礙物的角度，進行信息素揮發操作，減小無人自行車選擇該條路徑作為前進方向的概率。優選的，當無人自行車與障礙物處于一個實際的狀態，無人自行車通過信息表決定下一步的移動方向，首先判斷無人自行車與障礙物的距離，并根據距離在信息素表中相應的行去查找，移動角度的選擇根據隨機數方法按照每個角度的發生概率選擇，僅在無人自行車的距離發生跨越時才重新選擇移動角度。采用本專利技術的避障局部路徑規劃方法，可使得自行車嚴格按照規劃路徑行駛，并且車速自動根據路徑曲率調整，遇到移動或者固定障礙物的情況下，可以提前進行避障路徑規劃。根據下文結合附圖對本專利技術具體實施例的詳細描述，本領域技術人員將會更加明了本專利技術的上述以及其他目的、優點和特征。附圖說明后文將參照附圖以示例性而非限制性的方式詳細描述本專利技術的一些具體實施例。附圖中相同的附圖標記標示了相同或類似的部件或部分。本領域技術人員應該理解，這些附圖未必是按比例繪制的。本專利技術的目標及特征考慮到如下結合附圖的描述將更加明顯，附圖中：圖1為根據本專利技術實施例的前進搜索方向示意圖；圖2為根據本專利技術實施例的信息素仿真迭代矩陣圖；圖3為根據本專利技術實施例的方法流程圖。具體實施方式結合附圖如下詳細說明一種面向無人自行車的基于蟻群算法和極坐標變換的路徑規劃方法，如圖3所示包括如下步驟：(1)根據無人自行車的工作環境，利用柵格法進行環境建模，柵格粒度大小的確定是根據無人自行車自身的尺寸大小以及障礙物的面積大小來設置，其中前進搜索方向如圖1所示；(2)設置蟻群算法的詳細參數：信息素維度D、最大迭代次數M、信息素數N、信息素變量的最大速度Vmax、學習因子c1，c2和慣性權重W，這三個參數按照一般的蟻群算法選取，信息素維度則由以下參數決定：D≈distance(path)bike_length，信息素變量的最大速度為：Vmax＝0.1(αmax-αmin)/D；(3)設定極坐標的長度、探測最大角度和最小角度，探測最大角度和最小角度一般取0～π/2；(4)根據均勻分布生成隨機數的方法，進行蟻群的初始化，并設定環境地圖位置范圍內的信息素位置范圍和速度范圍；(5)進行極坐標和直角坐標之間的變換，獲得路徑x，本文檔來自技高網...

【技術保護點】
基于蟻群算法和極坐標變換的無人自行車路徑規劃方法，其特征在于包括如下步驟：(1)根據無人自行車的工作環境，利用柵格法進行環境建模；(2)設置蟻群算法的詳細參數：信息素維度D、最大迭代次數M、信息素數N、信息素變量的最大速度V

【技術特征摘要】
1.基于蟻群算法和極坐標變換的無人自行車路徑規劃方法，其特征在于包括如下步驟：(1)根據無人自行車的工作環境，利用柵格法進行環境建模；(2)設置蟻群算法的詳細參數：信息素維度D、最大迭代次數M、信息素數N、信息素變量的最大速度Vmax、學習因子c1，c2和慣性權重W，這三個參數按照一般的蟻群算法選取，信息素維度則由以下參數決定：D≈distance(path)bike_length，信息素變量的最大速度為：Vmax＝0.1(αmax-αmin)/D；(3)設定極坐標的長度、探測最大角度和最小角度，探測最大角度和最小角度一般取0～π/2；(4)根據均勻分布生成隨機數的方法，進行蟻群的初始化，并設定環境地圖位置范圍內的信息素位置范圍和速度范圍；(5)進行極坐標和直角坐標之間的變換，獲得路徑x，y坐標值，根據信息素的約束條件判斷信息素是否有效，無效則重新初始化，直到保證所有信息素有效，檢查信息素位置和障礙物位置；(6)采用路徑規劃的適應度函數，計算每個信息素的適應度值，將信息素的個體歷史最優值和當前信息素適應度值進行比較，若當前的適應度值比歷史最優值小，則用當前的適應度值替換個體歷史最優值；(7)將信息素歷史最優適應值數組中最小值與當前的全局歷史最優值進行比較，若其值小于全局最優值，則用最小值替換全局最優值，否則不替換，根據信息素上次取得的迭代歷史最優值和當前迭代歷史最優值，計算并保存兩者之間的最優值；(8)更新種群中信息素的位置和速度信息，若信息素搜索的位置超過了已設定的空間范圍，則選取最大位置；(9)將本次迭代的信息素最優值與之前連續迭代結果進行比較，若未發生變化則采用以前優化值，并檢查是否達到最大迭代次數，若未達到則反復計算。(10)到達最大迭代次數后，采用舒曼濾波法進行平滑處理，對算出的路徑進行修改，顯示計算結果與最優路徑。2.根據權利要求1的基于蟻群算法和極坐標變換的無人自行車路徑規劃方法，其特征在于：步驟(1)中柵格粒度大小的確定是根據無人自行車自身的尺寸大小以及障礙物的面積大小來設置。3.根據權利要求1的基于蟻群算法和極坐標變換的無人自行車路徑規劃方法，其特征在于：所述無人自行車前進的方向上設置三個模擬傳感器，以探測前方到障礙物的距離情況。4.根據權利要求1的基于蟻群算法和極坐標變...

【專利技術屬性】
技術研發人員：不公告發明人，
申請(專利權)人：深圳市靖洲科技有限公司，
類型：發明
國別省市：廣東,44