移动机器人路径规划技术的现状与发展趋势.docVIP

移动机器人路径规划技术的现状与发展趋势 　　【摘　要】路径规划技术是移动机器人技术研究中的一个重要领域。介绍了移动机器人路径规划技术的分类，综述了全局路径规划和局部路径规划的发展现状及优点与不足；同时分别探讨了全局规划和局部规划、传统方法和新的智能方法之间的结合状况。 　　【关键词】移动机器人 全局路径 局部路径 　　近年来，移动机器人技术在工业、农业航天等许多领域都起到了重要的作用。本文将对移动机器人路径规划的一般方法进行分类和较为详细的阐述和介绍。 　　一、 移动机器人路径规划技术的分类 　　(一)根据机器人对环境信息掌握的程度和障碍物的不同。可分为：1.已知环境下的对静态障碍物的路径规划；2.未知环境下的对静态障碍物的路径规划：3.已知环境下对动态障碍物的路径规划；4.未知环境下的对动态障碍物的路径规划；(二)根据对环境信息掌握的程度不同将移动机器人路径规划分为两种类型：基于环境先验完全信息的全局路径规划和基于传感器信息的局部路径规划；(三)机器人路径规划方法也可以大致分为两类传统方法和智能方法。 　　二、移动机器人路径规划技术的研究现状 　　（一）全局路径规划 　　全局路径规划是指根据先验环境模型找出从起始点到目标点的符合一定性能的可行或最优路径。在此领域已经有了许多成熟的方法，主要方法有栅格法、自由空间法、单元分解法等。 　　1.栅格法。栅格法是由HOWDENWE在1968年提出的。栅格法将机器人工作环境分解成一系列具有二值信息的网格单元。工作空间中障碍物的位置和大小一致。并且在机器人运动过程中。占该物的位置和大小不发生变化。用尺寸相同的栅格对机器人的二维工作空间进行划分。栅格的大小以机器人自身的尺寸为准。 　　2.自由空问法。自由空间法应用于机器人路径规划．采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间。并将自由空间表示为连通图。然后通过搜索连通图来进行路径规划。 　　3.单元分解法。根据不同的单元划分原则有两种单元分解法：完全单元分解法和近似单元分解法。 　　完全单元分解法是用障碍物的边界来生成单元的边界。单元的形状是不规则的。划分的单元完全准确地定义了自由空间。近似单元分解法是用同样大小和尺寸的单元射分无障碍空间。通常单元与机器人的清扫执行器相同大小。 　　（二）局部路径规划 　　局部路径规划方法侧与全局规划方法相比。局部规划更具实时性和实用性．对动态环境具有较强适应能力；其缺点是由于仅依靠局部信息，有时会产生局部极值点或振荡。无法保证机器人能顺利地到达目标点。局部路径规划的主要方法有人工势场法、模糊逻辑算法、神经网络方法、遗传算法等。 　　1.人工势场法。人工势场法是由KHAllB和KROGH提出的一种虚拟力法。其思想是将目标点看作吸引点，障碍物看成排斥点。机器人沿吸引点和排斥点产生的合力方向运动。不论机器人处于自由空间的任何位置。只要有路径存在。它都能通过势能值的负梯度方向找到目标位姿。 　　2.模糊逻辑算法。模糊逻辑算法基于对驾驶员的工作过程观察研究得出。驾驶员避碰动作并非对环埭信息精确计算完成的，而是根据模糊的环境信息，通过查表得到规划出的信息。实现局部路径规划，计算量不大，易做到边规划边跟踪，能满足实时性要求。 　　3.神经网络方法。模糊控制算法有很多优点。但也有固有的缺陷：人的经验不一定完备，输入量增多时推理规则或者模糊表会急剧膨胀。神经网络法则另辟蹊径。路径规划是感知空间到行为空间的一种映射。 　　4.遗传算法。遗传算法是一种基于自然选择和自然遗传的全局优化算法。是目前机器人路径规划研究中应用较多的一种方法。故在进化过程中可以并行地对解空间的不同区域进行搜索．可使搜索趋于全局最优解而不会陷于局部极小解。正是由于这种内在的优良特性，遗传算法可广泛应用于各种优化问题。 　　三、移动机器人路径规划技术新的发展趋势 　　随着移动机器人应用范围的扩大．对于规划技术的要求也越来越高。单个规划方法有时不能很好地解决某些规划问题．所以新的发展趋向于将多种方法相结合．对此可从以下几方面进行探讨。 　　（一）基于反应式行为规划与基于慎思行为规翅的结合 　　传统的基于“感知――建模――规划――动作”的方法不易建立准确的环境地图模型。而且很难适应动态的、未知环境中的路径规划。因此人们提出了反应式的控制方法。反应式结构是一种从感知到动作的直接映射，机器人能够对外界环境变化做出快速响应。 　　（二）全局路径规划与局部路径规划的结合 　　全局规划一般是建立在已知环境信息的基础上．适应范围相对有限：局部规划能适用于环境未知的情况．但有时反应速度不快。对规划系统品质的要求较高．因此如果把两者结合就可以达到更好的规划效果。Guldner提出了三层控制结构，以全局规划作