摘要
本发明涉及一种基巡检机器人在结构化道路环境下进行全局路径规划的方法，首先，采用不同软件，获取环境的高程信息和地图信息，构建出待巡检环境中道路的三维高程拓扑地图；然后，综合考虑路径长度与路径起伏度两个地形因素和机器人能耗要求，建立全局路径规划的优化函数模型；在此基础上，通过逆强化学习来确定全局路径规划优化函数的模型参数；最后，借助弗洛伊德算法和粒子群算法，进行全局路径规划问题求解，给出全局路径规划方案。本发明规划出的轨迹不仅更加贴近理想的指定轨迹，而且在面对复杂多变的环境条件时，依然能够保持高度的适应性和鲁棒性，从而极大地提升了机器人在实际应用中的导航性能和操作便捷性。
