服务机器人路径规划与路径跟踪.doc

PAGE 1 - 服务机器人路径规划与路径跟踪 摘要：服务机器人由于所处的环境不可能是完全确定的，使得机器人导航问题在服务型机器人应用中越发关键。本文讨论了环境部分未知的情况下的导航问题中的全局路径规划，根据环境中的静态已知障碍物利用蚁群算法找出全局最优路径，采用了链接图来建立环境全局地图，将工作空间转换为带权图的形式，然后使用蚁群算法对带权图进行搜索，得到从起始点到目标的一条全局最优路径。 关键词：蚁群算法；路径跟踪；避障 Service Robots path planning and path following Abstract: Because the working environment of the service robot can’t be completely determined,the navigation is more important to resarch for service robot than other robots. The thesis proposes a solution to the robot navigation in part unknowen environment.The solution is the global path-planning. The main purpose is to lay out a global path in the static global environment using Ant Colony Algorithm. MAKLINK Graph is used to build the global working evrionment,which converts the workspace to weighted graph,then Ant Colony Algorithm is used to search the weighted graph and get the global optimal path from the begin position to the goal position. Key words: Ant Colony Algorithm; Path following; obstacle avoidance 家庭服务机器人是为了倡导机器人技术步入人们的生活以及机器人技术的实用化普及化，最终实现自主机器人与人类真正意义上的人机协作和自然交互(如语音交互、姿态交互)。机器人在家庭环境中快速、准确地导航是机器人进入家庭、提供各类服务的前提。区别于工业机器人所处的准备好的确定性环境，家庭环境变动性大，由不规则形状的家具、相对狭窄的门和频繁活动于其间的人类构成，且不能因为机器人的进入，大规模改动家庭环境，从而给生活主体人类带来不便。因此寻找实用且效率高的环境获取方法，同时在不大量增加传感器数量的前提下，实现精确定位，从而支持家庭服务机器人快速、准确导航成为一个极富挑战性的课题。 在移动机器人路径规划理论和方法的研究中，确定性环境的路径规划问题即离线的全局路径规划方已取得了大量的研究和应用成果。使用链接图将全局确定性环境转换成带权值的图，而对于带权图求两固定点之间的最短距离可以用已经成熟的遗传算法以及蚁群算法求解[1]。但是，对于存在未知障碍物的环境下的路径规划虽然也取得了一定的研究成果，但是还没有完善的体系结构，仍然有不少关键理论和技术问题急需解决。要想让机器人进入服务领域，必须解决环境部分未知情况下的路径规划，因为服务机器人的服务对象是人，而有人存在的环境必然是变化的，比如人的行走，人往环境中移入或移除物体。 1 机器人路径规划 1.1 路径规划的基本概念 路径规划是移动机器人导航中最重要的任务之一，对移动机器人路径规划系统的主要要求是[2]： 在环境地图中寻找一条路径，保证机器人沿该路径移动时不与外界发生碰撞； 能够处理用传感器感知的环境模型中的不确定因素和路径执行中出现的误差； 通过使机器人避开外界物体而使其对机器人传感器感知范围的影响降到最小； 能够按照需要找到最优路径。 不论采用何种导航方式，智能移动机器人主要完成路径规划，定位和避障等任务。根据机器人对环境信息的了解程度，机器人路径规划可以划分为：环境信息完全已知的全局路径规划和环境信息完全未知或部分未知，需要通过传感器对障碍物位置、形状或尺寸进行探测的局部路径规划。全局路径规划的任务是根据先验地理环境信息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。局部路径规划使得机器人在沿全局路径的行进过程中，根据传感器不断感知的周围环境信息和自身的状态信息，规划出一条无障碍、可通行的局部路径。在实际的工作中，环境是由已知的静态障碍物和