一种基于椭圆模型人工势场法的智能车寻路方法与流程

技术特征：
1.一种基于椭圆模型人工势场法的智能车寻路方法，其特征在于，包括以下步骤：步骤1、根据智能车所在的区域构建相应的地图，将地图网格化并建立坐标系，确定地图中存在障碍物位置的坐标和目标点位置；步骤2、判断智能车当前是否到达终点位置；步骤3、若到达终点位置，则完成路径规划，生成最终路径；若未到达终点位置，则用人工势场法进行路径规划；步骤4、计算智能车当前位置所受到的引力、斥力及合力大小及方向；步骤5、判断是否陷入局部极小值问题；步骤6、若未陷入局部最小值，则返回步骤2继续进行判断和路径规划，若陷入局部最小值问题，则根据局部最小值问题点构建椭圆模型，增设虚拟目标点，增大终点位置方向对智能车的吸引力，从而跳出局部最小值问题；步骤7、再次使用椭圆模型人工势场法进行计算，直到行驶到终点位置；步骤8、对规划后的路径在进行二次优化，从起点开始依次向后检测路径节点，判断是否能够直线到达，若能直线到达，则删除起点到该节点的路径；若不能直线到达，则将该节点位置当做起点位置继续做能否直线到达的判断，从而简化路径。2.根据权利要求1所述的一种基于椭圆模型人工势场法的智能车寻路方法，其特征在于，采用人工势场法，避免智能车在运动过程中出现目标不可达现象，在含有障碍物的工作环境中为所述智能车规划出一条从起始点到目标点的安全路径，并判断智能车是否陷入局部最小值点，包括：以地图建立x-o-y坐标系，假设机器人陷入局部平衡的坐标为p
min
(x
min
,y
min
)，终点位置坐标为p
goal
(x
goal
,y
goal
)，则这两点的中点坐标位置p
b
为：以p
min
和p
goal
两点的连线作为新轴x’，以p
b
为原点，建立过原点垂直于x’的轴y’，新的坐标系是由原坐标系经过旋转平移得到，如下式：其中是旋转矩阵，是平移矩阵；在新坐标系下建立椭圆方程如下：焦距2c＝|p
min-p
goal
|,a＝ψc，ψ是长轴因子，a2＝b2 c2；以椭圆与x’轴的正交点为初始的虚拟目标点，增大终点位置对智能车的吸引力，从而打破局部最小状态，智能车按此虚构目标点行走，若检测到再次陷入局部平衡时，则构建新的椭圆模型，寻找新的虚构目标点。3.根据权利要求2所述的一种基于椭圆模型人工势场法的智能车寻路方法，其特征在
于，人工势场法的引力函数如下：式中x
g
表示目标点的位置(x
g
,y
g
)；λ1表示引力常数；ρ(x,x
g
)是智能车当前位置和终点位置的几何距离；对引力势力函数中的距离求一阶导所得到的即为引力：同理，斥力势函数如下：式中x0＝(x0,y0)表示障碍物位置；λ2表示斥力场常量；ρ0表示障碍物影响半径；ρ(x,x0)是智能车与障碍物之间的间距；对斥力函数对距离求一阶导数即斥力：所以智能车在空间中所受到的合力f
total
(x)为：f
total
(x)＝f
att
(x) f
rep
(x)目标点位置无法抵达的问题是由于智能车在目标点周围的障碍物产生的斥力大于目标点的引力的原因；因此，在传统的斥力函数基础上，引入当前点到目标点之间的距离因子ρ(x,x
g
)，根据不同的情形降低斥力值的大小；改进的斥力函数如下所示：当智能车到终点位置之间的间距ρ(x,x
g
)＜1时，且障碍物离机器人较近时，和ρ(x,x
g
)2均是小于1的数值，因此可以降低斥力值，防止在目标点周围因斥力过大引起目标点无法抵达现象。4.根据权利要求1所述的一种基于椭圆模型人工势场法的智能车寻路方法，其特征在于，在步骤3中，人工势场法算法改进其斥力函数，根据智能车当前位置到目标点之间的距离因子ρ(x,x
g
)，设置三种不同的情况，智能车的位置出现在障碍物影响半径值的一半以内
时，智能车已经十分靠近障碍物，考虑到安全避障的因素，不能够将斥力削减的过多，此处取距离因子的开平方系数，另一方面，机器人的位置在障碍物影响半径值的一半位置到最大值之间时，智能车刚开始接近障碍物，为了防止引力小于斥力从而无法接近目标点，当距离因子大于障碍物影响半径时，智能车不受影响。5.根据权利要求1所述的一种基于椭圆模型人工势场法的智能车寻路方法，其特征在于，在步骤6中，以局部极小值点位置和目标点位置构建椭圆模型，以指向目标点的方向为正方向建立x’轴，在其两点的中点位置作垂直于x’轴的y’轴，从而建立新的坐标系x
’‑
o-y’,设置虚拟目标点为x’轴正方向与椭圆模型的交点，从而增加目标点对智能车在引力方向上的力，从而打破局部最小值状态，跳出局部平衡。

技术总结
本发明公开了一种基于椭圆模型人工势场法的智能车寻路方法，包括构建相应地图、建立坐标系、确定障碍物位置坐标和目标点位置，然后判断智能车当前是否到达终点位置，若到达终点位置，则完成路径规划，生成最终路径；若未到达终点位置，则用人工势场法进行路径规划，计算智能车当前位置所受到的引力、斥力及合力大小及方向，判断是否陷入局部极小值问题。优点在于：在庞杂环境中，采用椭圆模型增设虚拟目标点，虚构目标点产生的引力将改变机器人在局部最小值的状态，通过在椭圆模型上不断修正虚构目标点的位置，从而使智能车跳出局部平衡区域，同时大大降低了算法的时间成本。同时大大降低了算法的时间成本。同时大大降低了算法的时间成本。


技术研发人员：刘冉冉 颜海彬 藏传涛 郑恩兴 郭威 蒋益锋 李丽
受保护的技术使用者：江苏理工学院
技术研发日：2021.11.22
技术公布日：2022/2/23