基于Fast Marching方法多目标点路径规划研究.docVIP

基于Fast Marching方法多目标点路径规划研究 　　摘要：目前，水下自主机器鱼已经被应用于对水域多个目标点依次进行水质监测，因此有必要研究多个目标点的路径规划。针对遍历多个目标点的路径规划问题，提出一种Multi-DirectionFastMarching（MDFM）方法和遗传算法相结合的路径规划方法。该方法首先使用MDFM方法对工作站和多个目标点两两之间进行路径规划，然后使用遗传算法规划出遍历所有点的最短路径，最后通过仿真实验验证算法的可行性。 　　关键词：机器鱼；路径规划；多目标点；Fast Marching 　　中图分类号：TP242.6 文献标识码：A 　　1引言 　　随着当今社会城镇化步伐的加快和区域经济的发展，水质污染状况日趋严重，给自然环境和人类身体健康造成严重的危害。对企业废水、城乡生活污水以及一些河流的定期水质监测成为我们当今环境保护的重要工作。目前我国的水质监测多采用人工操作和远程监测数据采集系统，监测范围难以满足水质监测的需要。随着仿生机器鱼技术的日趋成熟和性能的不断提高，其机动灵活，监测范围大，成本低，对水环境的影响小等优势使得将它用于水质污染监测有着得天独厚的条件。Roberr Bogue对用于环境监测的机器人的发展现状进行了综述，文章的讨论包括了水下机器人，陆地机器人和空中机器人。英国牛津大学研究了一种水下移动机器人网络，用来监测核废料蓄水池是否有核泄漏。2009年欧洲的SHOAL项目计划开发一种机器鱼编队用于在港口或其他水域进行水质监测和污染源搜索。目前SHOAL已经开发成功并且投产。在国内，华中科技大学研究了一种用于水质监测的自主式水下机器鱼（Autono-mousUnderwaterRoboticFish，AURF），可以在复杂的水下环境进行巡游，检测水质并绘制3D的水质分析图，并且可以对水域中的多个排污口依次进行水质监测。 　　在移动机器人相关技术的研究中，导航技术是其核心，而路径规划是自主式移动机器人导航的基本环节之一。在移动机器人的导航中，大多数方法都是使用栅格法对机器人工作环境进行分解。每个网格单元可以用二值信息来描述环境（障碍物或自由空间），也可以用一个相关的权值来表示穿过这个区域的代价值。A*算法是非常普及的基于栅格的路径规划方法。它在求解从起始位置到目标位置最短路径时进行启发式的搜索，所以它对从单个点到目标点进行路径规划是非常有效的。基于栅格法的搜索算法在离散的网格空间中一般会使用4元或者8元的后继节点，所以规划后得到的路径会出现急转弯，并且会限制移动机器人在运动的过程中只能以π/2或π/4的整数倍进行转向。当移动机器人沿着规划好的路径运动，它会停止，改变下一步的航向，然后再加速。这样会浪费移动机器人的燃料和时问。所以通过这些方法得到的路径是一条次优路径。Mihail提出一种向量A*算法，它是A*算法的一种扩展算法。向量A*算法的后继节点有16个，其规划后的路径可以让移动机器人的航向角分辨率达到22.5°，提高了算法的最优性和完备性。Wu针对无人机的运动规划提出了Multi-StepA*（MSA*）算法，不仅其规划出的路径提高了移动机器人航向角的分辨率，而且减小了算法的复杂度，提高了算法的运算效率。但是向量A*算法和MSA*算法得到的还是一组离散的解，其不能收敛到平滑连续解，并且规划后的路径仍然会产生急转弯。 　　目前对于移动机器人路径规划的研究都集中于两点之间最优路径搜索的情况，而用于多目标点路径规划的旅行商（TSP）问题是在已知两两点之问的最短路径和路径代价的基础上，规划出一条最短路径，其能够遍历所有的目标点一次，然后回到出发点。根据AURF进行多目标点水质监测的任务，我们对路径规划提出了如下要求：1）AURF从操作站出发，遍历所有的监测点并获取当地的水质数据后，返回操作站；2）工作环境已知，但操作站和所有监测点两两之间的最优路径和路径代价均未知，需要首先进行规划；3）得到遍历所有监测点一次并回到操作站的最短路径。与两点间路径规划和TSP问题相比，多目标点的路径规划问题更为复杂。本文提出了一种Multi-DirectionFastMarching（MDFM）方法可以同时对多个目标点两两之间进行路径规划，并结合遗传算法（GA）规划出遍历所有目标点的最短路径。 　　2Fast Marching方法 　　所谓路径规划是指，在具有障碍物的环境中，移动机器人按照某一性能指标（如距离、时间、能量等）搜索一条从起始状态到目标状态的无碰、平滑的最优或近似最优路径。基于栅格法的路径规划方法通常分为两步：探索过程，即建立整个地图上每个网格的最优代价值（距离函数）；开发过程，即通过所求解的最优代价值，从目标点向起始点回溯形成最优路径。 　　探索过程与光波的传播过程非常