2025《移动机器人路径规划算法综述》5500字.docxVIP

绪论

PAGE

PAGEII

移动机器人路径规划算法综述

目录

TOC\o1-3\h\u27931移动机器人路径规划算法综述 1

56241.1地图表示方法 1

117831.1.1栅格地图 1

299691.1.2其他地图表示方法 4

237401.2全局路径规划A*算法 4

286901.1.1Dijkstra和BFS算法 5

53711.1.2A*算法 5

40131.1.3A*算法在Matlab中编程实现 8

42891.3局部路径规划 11

291111.3.1VFH算法的改进 11

151541.3.2VFH演示结果与分析 12

对于移动机器人能够自主导航的关键是路径规划算法，他的好坏直接影响移动机器人是否按照预期从起点运动到目标点。本部分将从全局路径规划和局部路径规划两方面，着重分析基于A*算法的全局路径规划和基于VFH算法的局部路径规划算法。

1.1地图表示方法

任何路径规划算法都是基于环境地图模型而发展出来的。在路径规划算法领域，研究和采用的主流的地图模型是几何特征、栅格和拓扑。

1.1.1栅格地图

所谓栅格法，是将移动机器人工作空间的障碍物信息分割成同等规格的方形小格，工作环境转换成二维的平面栅格空间。此方法是W.E.Howden提出的[33]。其表示障碍物信息是使用栅格的占用值实现的，通过环境以某一高度水平面截取得到截面图，环境中的障碍物截面面积大小来表征栅格的占用情况。也就是所谓的占用栅格地图，设定某一个障碍物阈值，投影面积大于阈值的栅格确定为障碍物格栅并赋值为1，反之为自由空间赋值为0，对所有的栅格做了处理之后就得到了二值占用地图。在栅格地图模型上对每个栅格进行有序的编号，用于描述其相对位置。如果不做处理，障碍物的位置和体积将不再变化。图2-1显示了一般栅格化过程。本文使用的A*算法就是基于栅格地图而来的。

图1.1栅格地图转换过程

（1）不规则障碍物膨胀处理

移动机器人实际的工作环境是随机多变的，尽管算法上理想的障碍物是具有规则的几何形状，但是仍有概率存在不规则物体，在一般栅格地图下，对于一个栅格来说，占用状态用1表示有障碍物，自由状态(Free)用0来表示，那么只有部分被占据的情况怎么表示？不规则障碍物膨胀处理可以使用占据栅格地图表示方法、通常采用二值膨胀的图像处理法，将障碍物占据的栅格截面面积扩大到几倍栅格尺寸[34]。处理效果如下：

图2-2不规则障碍物二值膨胀处理

（2）栅格尺寸

栅格法将机器人的工作环境简化为一个二维平面模型，在和轴方向建立笛卡尔二维直角坐标系，最大范围到和。栅格中的障碍物信息是离散化的，由于栅格大小，或者分辨率造成栅格地图与实际的障碍物形状位置存在一定的差别。因此，栅格地图分辨率的选取至关重要，通常来说，栅格尺寸作为评判地图质量的标准，当在一个确定大小的平面范围内，栅格尺寸越小或者说分辨率提高，地图精度就越高，与实际环境信息的差别就会减小。但是，当工作环境的范围增大时，越高的分辨率带来的是栅格数量的大幅增加，占用过多的内存空间。反之，当栅格尺寸过小，将导致栅格地图的分辨率偏小，影响地图精度和后续的规划路径的准确性。由于在栅格地图上，各种路径规划算法都将机器人视为质点并且运动后只停留在栅格中心，在使用栅格地图进行路径规划时，为了保证每个栅格都有余量的空间大小使得机器人运动不受阻。通常情况下是以机器人本身最大直径作为最小尺寸基准。建立的栅格地图。计算公式见下两式：

(1.1)

(1.2)

（3）栅格的标识方法

应用栅格地图模型描述了环境占用信息，那么在计算机中运行路劲规划算法程序时，怎样得知栅格的环境信息和还原路径的位置呢？栅格的标识就是必不可少的一个步骤。常用的有序号法和直角坐标系法[35]，本文采用后者方法。

①直角坐标系法:

对于任意二维工作环境，将左下角点设为坐标原点，沿横向和纵向建立直角坐标系的和轴。其中的小栅格边长设置成固定值1，对于不同分辨率下的栅格地图，栅格的实际边长在和轴上按比例伸缩，所以可以用每个栅格的右上角点的坐标标识栅格的位置。如图2-3所示，序号为15的栅格其坐标是(5,3)；序号为81的栅格其坐标为(1,9)。

图2-3栅格地图直角坐标系法标识

②编号法:

根据建立的栅格地图中的所有栅格按照从左下角开始，一般情况下是从左到右、从上到下的顺序从1到进行编号。通常计