基于概率路线图的动态路径规划算法研究与应用.pdfVIP

摘要 摘 要 路径规划是生成从源位置到目的位置的路径的一个过程。路径规划会结合其适用对象 及应用场景根据一定的衡量标准 （如路径长度、运行时间等）在存在障碍物的情况下找到 一条无碰撞的最优路径。在生产生活的实践中，移动机器人和智能车辆通常处于实时可能 发生变化的动态环境中，如可移动的障碍物的存在或追踪移动的目标，这要求移动机器人 或智能车辆必须具备动态路径规划的能力。动态路径规划作为移动机器人和智能车辆开展 * 各项工作的基础技能，一直处于重要研究课题的位置。经典 算法总是能找到那条成本最 A 小的最优路径，但该算法仅适用于静态路径规划且运行时间较长，工作效率较低，因此有 * 必要来改进传统 算法以提高其运行效率。概率路线图方法通过随机采样的方法利用为数 A 不多的采样点来确定一个可行解，虽然这个解不是最优的，但其规划时间大大缩短，路径 * * A A 也接近最优。因此，为了改善 算法的工作效率，将搜索路径最优的 算法与搜索速度 快的基于概率路线图方法相结合可以开发出路径规划混合算法。分布式共识算法使用控制 理论工具也为路径规划问题的解决提供了新的思路，但该算法仅适用于计算量大且运行时 间长的网格地图，其工作的结果限于静止的环境，并且在具有多变性的动态环境中可能会 失败。本文主要有三个研究内容： * 首先，将 算法与概率路线图方法相结合基于随机产生的工作地图进行静态路径规 A * A 划，以改进 算法，改善其工作效率，缩短运行所耗费的时间。此外，将基于概率路线图 的分布式最小共识算法用于解决静态路径规划问题，显著改善了静态路径规划的效率。 其次，为了解决偏倚最小共识算法在网格地图中计算量大，运行时间长的问题，本文 提出将概率路线图方法和偏倚最小共识算法相结合的混合算法，将网格图转变为随机地图 以提高其运行效率，并用以解决迷宫型问题，避开U 型障碍物以及移动机器人的动态规划， 如追踪移动目标和在具有不断变化的障碍物的情况下追踪移动目标。 最后，本文针对智能车辆在运行时可能遇到的具体问题对偏倚最小共识算法进行改 进，然后将改进的算法与概率路线图方法结合提出一种适用于智能车辆的混合动态路径规 划算法。考虑到道路状况 （拥挤指数，是否发生事故等）和欧几里得距离，改进了偏倚最 小共识算法使其满足智能车辆实时需要规划路径的需求，使得智能车辆即使处于实时可能 发生变化的动态环境中始终能保持在最佳路径上行驶，如驾驶过程中前方路段由于交通事 故导致拥堵，智能车辆也有能力及时重新规划路径，通过改变前进路线以避开拥堵。 关键词：动态路径规划，移动机器人，智能车辆，概率路线图方法，混合算法 I Abstract Abstract Path planning is a process that generates a path from a source location to a destination location. Path planning combines its applicable obj ects and application scenarios to find an optimal path without collisions in the presence of obstacles accord