一种基于改进人工势场法路径规划方法.doc

一种基于改进的人工势场法的路径规划方法 　　摘 要：人工势场法是一种具有结构简单、计算量小且技术较为成熟等优点的机器人路径规划的方法。本文针对传统人工势场法中存在局部最小的问题提出了整体法，该方法根据给定环境内的障碍物分布情况将a较为接近的障碍物看成一个整体，通过改变斥力场参数使机器人能够快速走出极小值点，向目标区域接近。本文利用SimuroSot平台进行了针对改进人工势场法的仿真实验，成功地使用该方法规划出了可行路径，验证的方法的可行性。 　　关键词：移动机器人；路径规划；人工势场法；局部极小值 　　1. 引言 　　合理的路径规划可以使机器人安全、可靠地避开所有障碍物到达目标位置。可以根据获知外界信息的多少来将路径规划方法分为两类[1]：一种是全局路径规划，掌握了场上的所有信息，如栅格法、自由空间法、可视图法等；另一种是局部路径规划，掌握场上有限范围内的信息，如人工势场法、神经网络法、遗传算法等。 　　而局部路径规划方法中由Khatib首先提出的的人工势场法具有结构简单、计算量小、实时性好、规划效果安全可靠的特点。但是人工势场法存在陷入受力平衡的僵局――局部极小值的问题，使得机器人无法顺利抵达目标区域。对此，很多研究人员提出了各式各样合理的改进人工势场的方法。本文首先介绍了传统的人工势场法，接着在Simurosot 1.5a机器人足球比赛平台上运用“整体法”和改进的斥力场函数克服了传统人工势场法的局限性，达到了较好的效果。 　　2. 人工势场法 　　在人工势场法的定义中，障碍物拥有斥力场对机器人产生排斥力，目标位置拥有引力场对机器人产生吸引力。通过计算吸引力和排斥力之和来决定机器人下一步的速度和路径。 　　3. 传统人工势场法的不足和改进方法 　　人工势场法在障碍物较少、分布较简单的场地中下，可以为机器人规划出一条光滑无碰撞的路径。但是， 当环境变得比较复杂的时候，由于吸引力和排斥力可能达到平衡，在吸引力和排斥力的反复作用下机器人将陷入震荡运动，不能抵达指定目标区域。[2] 　　3.1目标区域附近有大型障碍物时的问题 　　在上文所述传统的人工势场法中，如果目标区域附近有较多或者较大的障碍物，当机器人将要到达目标区域时，附近障碍物对机器人的排斥力与目标区域对机器人的吸引力在某一点（图1中圆圈区域）处达到平衡。[3]机器人如果靠近目标区域，就会被障碍物产生的斥力“推走”；当机器人离目标点有一定距离后，又会被目标区域吸引过去，两者结合，机器人就会处于一种“震荡”状态中，在没有外力的作用下将永不停止。 　　因此，必须改进斥力场函数，使得只有在目标区域处势场取得最小值。令障碍物的排斥力与其和目标区域的距离正相关，距离越小，排斥力越小。改进后的斥力场函数如公式1所示。 　　公式1改进后的斥力场函数 　　其中η为正比例位置增益系数，ρ（x，x0）为机器人与障碍物之间的最短距离。常数ρ0代表障碍物的影响距离。定义排斥力为斥力场对机器人位置的负梯度（公式2）。 　　公式2改进的斥力函数 　　我们对该函数的改进主要在于增加了与距离有关的因素，当机器人离目标点比较近的时候会略微忽略障碍物对它的影响，使得机器人能够顺利到达目标区域。 　　3.2势场陷阱问题 　　在在图三所示情况中，机器人遇到一个U型陷阱，此时机器人依然会陷入局部极小值做震荡运动，而前文所述改进斥力函数法失效。[4] 　　图1 目标附近有大量障碍物 　　图2势场陷阱 　　针对此问题，本文提出了“整体法”，具有简洁、有效的特点。在计算障碍物对目标机器人的排斥力之前首先根据障碍物的分布情况做一些合理安排，将临近的障碍物合并成一个较大的拥有较大斥力的障碍物，令机器人提前远离势场陷阱。 　　算法描述： 　　（1）设置一个标记数组，该数组用来标记障碍物是否已经与其他障碍物合并，避免重复计算。 　　（2）设置一个新的虚拟障碍物，该虚拟障碍物的位置是由用来合并的几个障碍物位置决定的，一般取其中点；斥力大小与合并的障碍物的个数有关，合并的障碍物个数越多，斥力越大。 　　（3）选取一个不在标记数组内的障碍物开始进行计算。将在该障碍物影响范围内未被合并的障碍物合并起来，当合并个数大于3的时候，则终止合并。计算其对目标机器人的斥力，接着跳回步骤2，重新合并其他未标记的障碍物。 　　（4）根据标记数组，将未标记的障碍物做单独点处理。 　　在步骤3中，障碍物的影响范围定义为该障碍物与机器人的距离的一半，这是因为障碍物在离机器人较为远的情况下，将较大范围的障碍物看成一个虚拟的整体（如图4），机器人可以绕过整体，避免陷入局部极小点；而在障碍物离目标机器人较近的情况下，必须把这些障碍物都看成独立的（如图5），从而机器人可以选择从两个障碍物之间通过。 　　通过