本发明涉及移动机器人，尤其涉及基于d*lite算法与改进dwa算法的路径规划方法、装置及设备。
背景技术：
1、近年来，随着人工智能和芯片集成等高新技术的飞速发展，移动机器人技术也再次成为了备受瞩目的研究方向。路径规划技术作为移动机器人领域的重要技术，其面临的挑战也随着移动机器人应用场景的丰富而不断增大。现有单一路径规划算法的实时性不足、路径质量差、规划速度慢等问题都成为了限制移动机器人进一步发展的因素。
2、例如，d*lite(dstarlite)算法是一种被用来寻找最优路径的全局路径规划算法，其采用了类似lpa*算法的增量式更新思路，同时保留了d*算法的反向搜索以及“路径场”的维护，在环境信息发生变化时，d*lite算法只需要更新受到直接影响的小部分“路径场”，减少了很多计算量，提高了路径规划的效率。但是由于初步规划时每个节点维护的信息过多，在面对大型复杂地图时，初次规划的效率往往较低，并且单独使用d*lite算法的情况下，面对局部环境中的障碍物时，不能很好的进行实时避障。
3、又例如，dwa(dynamic window approach)算法是一种适用于移动机器人的局部路径规划算法。其思路是根据机器人的动力学模型和速度性能参数(线速度、角速度等)建立一个动态窗口，综合这个动态窗口和机器人的运动模型，算法可以生成机器人的可能运动轨迹，然后根据距离、碰撞风险等因素对这些轨迹进行评估，从候选轨迹中选择最优的作为机器人的路径。但是由于局部规划算法缺乏对全局路径最优性的考量，容易陷入局部最优，并且dwa算法自身的评价函数只能提前设定，不能在运行过程中动态适应环境。
4、因此，仍需对现有的路径规划方法进行优化，以克服单一路径规划算法实时性不足及路径质量差的问题。
技术实现思路
1、有鉴于此，本发明的目的是提供基于d*lite算法与改进dwa算法的路径规划方法、装置及设备，以克服单一路径规划算法实时性不足及路径质量差的问题。
2、为实现上述目的，
3、本发明提供一种基于d*lite算法与改进dwa算法的路径规划方法，包括如下步骤：
4、步骤s1，加载预存的多层级地图，并获取移动机器人在所述多层级地图上的基础位置信息；其中，所述基础位置信息包括当前位姿、起点、终点；
5、步骤s2，基于d*lite算法，根据所述多层级地图以及所述基础位置信息生成全局路径规划信息；
6、步骤s3，基于改进dwa算法，根据所述全局路径规划信息进行局部路径规划，输出并启用进行局部导航的机器人运动控制指令；
7、步骤s4，判断移动机器人是否已到达所述终点；
8、步骤s5，若未到达，则判断当前是否遇到障碍物；
9、步骤s6，若遇到所述障碍物，则判断所述全局路径规划信息是否可行；
10、步骤s7，若不可行，则更新所述当前位姿和所述起点，跳转到步骤s2并顺序执行。
11、在一些实施例中，步骤s2之后、步骤s3之前，还包括：
12、步骤s8，根据所述全局路径规划信息，获取全局路径点密度，并判断所述全局路径点密度是否大于第一预设值；
13、步骤s9，若大于所述第一预设值，则对全局路径点进行稀疏化处理，以更新所述全局路径规划信息。
14、在一些实施例中，步骤s6之后还包括：
15、步骤s10，若可行，当移动过程中移动机器人与所述障碍物的距离小于第二预设值时，启用预设的临时偏航模式，以避开所述障碍物，当移动过程中移动机器人与所述障碍物的距离大于或等于所述第二预设值时，启用预设的回归全局路径模式，以继续沿用所述全局路径规划信息。
16、在一些实施例中，步骤s5之后还包括：
17、步骤s11，若未遇到所述障碍物，则跳转到步骤s3并顺序执行，以进行下一轮局部导航。
18、在一些实施例中，步骤s1中，所述加载预存的多层级地图的过程包括：将多层级地图的当前层级初始化为最简略层；
19、步骤s2包括：
20、步骤s20，计算当前层级上所述起点和所述终点的欧氏距离，并判断所述欧氏距离是否小于第三预设值以及当前层级所对应的预设寻路长度是否小于或等于所述欧氏距离；
21、步骤s21，若所述欧氏距离大于或等于第三预设值，并且所述预设寻路长度小于或等于所述欧氏距离，则判断在当前层级是否有最短路径；
22、步骤s22，若无所述最短路径，则将更详细的下一层级作为当前层级，跳转到步骤s20并顺序执行，直至找到所述最短路径；
23、步骤s23，对所述最短路径进行优化处理，得到全局路径规划信息。
24、在一些实施例中，步骤s20之后，还包括：
25、步骤s24，若所述欧氏距离小于所述第三预设值，则将最详细层作为当前层级，寻找当前层级上的所述最短路径，作为所述全局路径规划信息；
26、步骤s25，若所述欧氏距离大于或等于所述第三预设值并且所述预设寻路长度大于所述欧氏距离，则将更详细的下一层级作为当前层级，跳转到步骤s20并顺序执行，直至找到所述最短路径。
27、在一些实施例中，步骤s22之后、步骤s23之前还包括：
28、步骤26，判断是否满足路径细化条件；
29、步骤27，若满足，则所述优化处理包括依次进行的路径细化、多余节点删除以及平滑路径；
30、步骤28，若不满足，则所述优化处理包括依次进行的所述多余节点删除以及所述平滑路径。
31、本发明还提供一种基于d*lite算法与改进dwa算法的路径规划装置，包括：
32、第一处理单元，用于加载预存的多层级地图，并获取移动机器人在所述多层级地图上的基础位置信息；其中，所述基础位置信息包括当前位姿、起点、终点；
33、生成单元，用于基于d*lite算法，根据所述多层级地图以及所述基础位置信息生成全局路径规划信息；
34、第二处理单元，用于基于改进dwa算法，根据所述全局路径规划信息进行局部路径规划，输出并启用进行局部导航的机器人运动控制指令；
35、第一判断单元，用于判断移动机器人是否已到达所述终点；
36、第二判断单元，用于未到达时，判断当前是否遇到障碍物；
37、第三判断单元，用于遇到所述障碍物时，判断所述全局路径规划信息是否可行；
38、第三处理单元，用于不可行时，更新所述当前位姿和所述起点，跳转到基于d*lite算法生成全局路径规划信息的步骤并顺序执行。
39、本发明还提供一种路径规划设备，包括存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述路径规划设备执行如上所述的基于d*lite算法与改进dwa算法的路径规划方法。
40、本发明还提供一种计算机可读存储介质，存储有指令，所述指令被处理器执行时实现如上所述的基于d*lite算法与改进dwa算法的路径规划方法。
41、与现有技术相比，本发明的有益效果在于：通过加载预存的多层级地图，并获取移动机器人在多层级地图上的基础位置信息，进而，基于d*lite算法，根据多层级地图以及基础位置信息生成全局路径规划信息，进而，基于改进dwa算法，根据全局路径规划信息进行局部路径规划，输出并启用进行局部导航的机器人运动控制指令，进而，判断移动机器人是否已到达终点，进而，若未到达，则判断当前是否遇到障碍物，进而，若遇到障碍物，则判断全局路径规划信息是否可行，进而，若不可行，则更新当前位姿和起点，跳转到基于d*lite算法生成全局路径规划信息的步骤并顺序执行。前述方法的发明构思为，基于不同分辨率的多级地图，算法优先在低分辨率地图上进行全局路径规划，然后依次在高分辨地图上完善优化路径，在规划出最优的全局路径之后，再传递给局部规划算法，从而实现局部避障，既保留了全局规划算法的全局最优性，又兼备局部规划算法的实时避障能力。
1.一种基于d*lite算法与改进dwa算法的路径规划方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于d*lite算法与改进dwa算法的路径规划方法，其特征在于，步骤s2之后、步骤s3之前，还包括：
3.如权利要求1所述的基于d*lite算法与改进dwa算法的路径规划方法，其特征在于，步骤s6之后还包括：
4.如权利要求1所述的基于d*lite算法与改进dwa算法的路径规划方法，其特征在于，步骤s5之后还包括：
5.如权利要求1所述的基于d*lite算法与改进dwa算法的路径规划方法，其特征在于，步骤s1中，所述加载预存的多层级地图的过程包括：将多层级地图的当前层级初始化为最简略层；
6.如权利要求5所述的基于d*lite算法与改进dwa算法的路径规划方法，其特征在于，步骤s20之后，还包括：
7.如权利要求5所述的基于d*lite算法与改进dwa算法的路径规划方法，其特征在于，步骤s22之后、步骤s23之前还包括：
8.一种基于d*lite算法与改进dwa算法的路径规划装置，其特征在于，包括：
9.一种路径规划设备，其特征在于，包括存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述路径规划设备执行如权利要求1-7中任一项所述的基于d*lite算法与改进dwa算法的路径规划方法。
10.一种计算机可读存储介质，存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于d*lite算法与改进dwa算法的路径规划方法。
