移动机器人路径规划技术研究的现状.docx

word移动机器人路径规划讨论现状栅格分解法是目前广泛讨论的路径规划方法之一；该方法把移动机器人的运动环境分解为多个简洁的栅格并依据它们是否被障碍物占据来进展状态描述，障碍物栅格和非障碍物栅格具有不同的标识值，它能快速直观地融合传感器信息；拓扑法主要包括三局部：划分状态空间、构建特点网、在特点网上搜寻路径；拓扑法的根本要素是节点和G=(V,E) 描述空间的特点，其中V边，用节点表示某个特定的位置，用边表示这些位置之间的联系，可以用表示顶点集合， E 表示连接顶点的边集合[4] ；在机器人运行环境中由于有障碍物，使得机器人的路径规划成为一个有约束的问题，惩处函数法将这个有约束的问题转化为一系列无约束微小化问题，再通过解决这些无约束问题获得原约束问题的最优解[7] ；Khatib 在 1986 年提出的，人工势场法是机器人局部路径规划中最经典的方法，该方法是由它的根本原理是：把机器人在工作环境中的运动看作是在一个人造受力场中的运动，其中目标对机器人产[9] ，该合力就是机器人的, 运算简洁，所规划的路生引力， 障碍物对机器人产生斥力，机器人在这两类力的合力作用下向目标前进加速度力， 可用来掌握机器人的运动方向，利用人工势场法进展机器人的路径规划径光滑，有较好的实时性，但会由于局部最小值而导致目标点不能到达；近几年来国内 word 移动机器人路径规划讨论现状 栅格分解法是目前广泛讨论的路径规划方法之一； 该方法把移动机器人的运动环境分解为多个简洁 的栅格并依据它们是否被障碍物占据来进展状态描述，障碍物栅格和非障碍物栅格具有不同的标识值，它 能快速直观地融合传感器信息； 拓扑法主要包括三局部：划分状态空间、构建特点网、在特点网上搜寻路径；拓扑法的根本要素是节点和 G=(V,E) 描述空间的特点，其中 V 边，用节点表示某个特定的位置，用边表示这些位置之间的联系，可以用 表示顶点集合， E 表示连接顶点的边集合 [4] ； 在机器人运行环境中由于有障碍物， 使得机器人的路径规划成为一个有约束的问题， 惩处函数法将 这个有约束的问题转化为一系列无约束微小化问题，再通过解决这些无约束问题获得原约束问题的最优解 [7] ； Khatib 在 1986 年提出的， 人工势场法是机器人局部路径规划中最经典的方法，该方法是由 它的根本原理是：把机器人在工作环境中的运动看作是在一个人造受力场中的运动，其中目标对机器人产 [9] ，该合力就是机器人的 , 运算简洁，所规划的路 生引力， 障碍物对机器人产生斥力， 机器人在这两类力的合力作用下向目标前进 加速度力， 可用来掌握机器人的运动方向， 利用人工势场法进展机器人的路径规划 径光滑，有较好的实时性，但会由于局部最小值而导致目标点不能到达；近几年来国内间续有学者提出了 一些改良方法； 遗传算法 (GA) 的概念最初是由 Bagley 和 Rosengerg 于 1967 年在其博士论文中第一提出了的； 在 1975 Systems》 年美国 Michigan 高校的 J. Holland 教授把它写到了专著 《Adaptation in Natural and Artificial 中，此后 GA才逐步为人所知，并且广泛应用到掌握、规划、优化设计等方面； 模拟退火算法〔 SA〕依据固体退火原理，固体在加温时，内部粒子运动随温升增强，变为无序状，再进展退火，粒子运动减弱并渐趋有序，最终达到稳固；把机器人在未知环境中的运动看作是粒子的布朗 运动，可以对其随机性的扰动应用模拟退火算法来引导机器人向势能最小的方向运动，从而实现机器人在 线的路径规划 [4,15] ； 蚁群算法是由 Dorigo M 在 1991 年提出的 , 主要应用于旅行商问题〔路线问题〔 GCP〕[17] ， TSP〕、调度问题〔 JSP〕、车辆 3 混合路径规划方法 高规划效率； 混合路径规划方法是结合一种或两种算法的优点，相互之间取长补短，以提 阐述移动机器人路径规划技术开展趋势 (1) 对环境的感知技术；机器人必需通过传感器感知环境的信息，处理器通过处理这些传感 器信息后， 进一步决策机器人的详细行为；如何正确地感知环境信息， 关键在传感器， 只有 目前超声波、 激光 先进的传感器才能有效地采集环境信息， 从而提高机器人动作的精确性； 雷达、视觉等传感器在移动机器人中得到了实际应用，但是这些传感器都有肯定的局限性， X 围取决于其使用的波长和频率， 例如超声波传感器的检测 细腻程度取决于辨论率， 视觉传感器所获得图像的清楚和 辨论率越高图像越清楚， 但所需的储备空间就越大， 图像分析和处 理速度就越慢；所以对移动机器人的环境感知技术将是将来移动机器人讨论的一个突出方 (2) 多传感器信息融合技术； 面； 多传感器