移動機器人路徑規(guī)劃實現(xiàn)方法研究 摘要：移動機器人技術(shù)是近年來開展起來的一門重要學科，而路徑規(guī)劃是機器人研究領(lǐng)域的一個重要分支，它融合了機電工程、傳感技術(shù)、自動控制、計算機技術(shù)及人工智能等多學科的最新研究成果，是當前人們最為熱衷的科學技術(shù)研究方向之一。本文分析了目前廣泛應用的移動機器人路徑規(guī)劃研究方法，詳細介紹了環(huán)境建模方法和路徑搜索算法，最后展望了移動機器人路徑規(guī)劃技術(shù)的開展趨勢。關(guān)鍵詞：移動機器人;環(huán)境建模;路徑規(guī)劃中圖分類號：TP24文獻標識碼：A文章編號：1003-5168202129-0014-03Abstract：Mobilerobottechnologyisanimportantsubjectdevelopedinrecentyears，andpathplanningisanimportantbranchinthefieldofrobotics，whichintegratesthelatestresearchresultsofmultipledisciplinessuchaselectromechanicalengineering，sensortechnology，automaticcontrol，computertechnologyandartificialintelligence，andisoneofthemostpopularscientificandtechnologicalresearchdirections.Thispaperanalyzedthecurrentlywidelyusedmobilerobotpathplanningresearchmethods，introducedtheenvironmentmodelingmethodandpathsearchalgorithmindetail，andfinallylookedforwardtothedevelopmenttrendofmobilerobotpathplanningtechnology.Keywords：mobilerobot;environmentmodeling;pathplanning路徑規(guī)劃技術(shù)在移動機器人技術(shù)研究領(lǐng)域中處于非常關(guān)鍵的地位，其目的是在移動機器人執(zhí)行任務的周圍環(huán)境有障礙物的情況下，依據(jù)某一種評價方法所用經(jīng)濟代價最小或任務路徑最短等，尋找出一條由初始狀態(tài)包含運動姿態(tài)和位置到達目標狀態(tài)的最優(yōu)的無障礙路徑。移動機器人的關(guān)鍵功能之一就是路徑規(guī)劃，是其實施避障任務和自主導航的根底，根據(jù)對環(huán)境信息的理解層次的不同，按其規(guī)劃范圍，可分為全局路徑規(guī)劃和局部路徑規(guī)劃【1】。全局路徑規(guī)劃又稱離線規(guī)劃，主要依據(jù)當前全局環(huán)境中掌握的所有信息，在全局地圖上尋找全局最優(yōu)路徑或者是次優(yōu)路徑，它的作用是導引移動機器人向目標位置移動;局部路徑規(guī)劃是指在機器人運動過程中，利用自身裝載的多種傳感器來獲取機器人周圍的環(huán)境信息，并規(guī)劃一條有效路徑，通常具有較高的靈活性和實時性。1路徑規(guī)劃主要研究思路路徑規(guī)劃是智能化和信息化技術(shù)在移動機器人應用研究中的重要表現(xiàn)，在操作者發(fā)出指令后，它可以自主添加執(zhí)行任務細節(jié)，是完成其他高級任務的根底。移動機器人路徑規(guī)劃研究方向較多，人們可以從不同的切入點著手對其展開研究。但是，無論從哪一個側(cè)重點進行分析研究，移動機器人路徑規(guī)劃研究方法一般可以歸納為參數(shù)輸入、環(huán)境建模、利用適宜算法規(guī)劃路徑、仿真輸出結(jié)果等幾個過程，其技術(shù)路線如圖1所示。移動機器人在路徑規(guī)劃的實際應用中需要解決兩個主要問題：一是環(huán)境建模;二是路徑搜索生成及處理策略【2】。本文先討論環(huán)境建模方法，然后介紹路徑規(guī)劃算法，為學習人員提供一條思路。在執(zhí)行路徑規(guī)劃任務時，移動機器人首先要獲取即將行駛區(qū)域的環(huán)境地圖。移動機器人主要依靠機身上配置的雙目立體視覺、CCD工業(yè)攝像機、傳感器等通過算法獲得自身所處的位置，并在此根底上獲取以上傳感器所能夠觀測的一定范圍內(nèi)的地圖信息。環(huán)境地圖的主要創(chuàng)立方法是把移動機器人所在的相關(guān)環(huán)境信息分解為假設(shè)干個形態(tài)各異的網(wǎng)格空間，利用多傳感器獲取的障礙物信息進行相關(guān)處理，最后依據(jù)某種設(shè)定規(guī)那么來處理包含障礙物的網(wǎng)格信息。此時，環(huán)境地圖信息已比擬詳盡，移動機器人可以利用處理好的環(huán)境信息進行路徑規(guī)劃。當前，環(huán)境地圖的創(chuàng)立方法多種多樣，拓撲地圖、特征地圖、柵格地圖等是比擬常見的地圖創(chuàng)立方法，每種方法各有優(yōu)劣勢，適用于不同的應用場景。1.1.1拓撲地圖。拓撲地圖是一種通過化簡和再調(diào)整，最終保存關(guān)鍵信息的地圖，兩點之間的距離及相對位置也不完全一定和實際的位置及距離對應。拓撲地圖一般適合于規(guī)模較大的環(huán)境，多用圖來進行表征。拓撲地圖占用的存儲空間小，在應用于移動機器人路徑規(guī)劃時，既簡便又高效。不過，拓撲地圖不能提供準確的尺度信息，所以其實并不適用于移動機器人的定位。1.1.2特征地圖。特征地圖是通過傳感器采集周圍環(huán)境的特征信息后，對其展開特征信息提取和共性信息挑選，得到簡單幾何特征而創(chuàng)立的地圖。這種表示方法定位準確，實現(xiàn)起來較為簡單，便于對障礙物信息進行特征識別和估計，其模型比擬適合于計算機表示，參數(shù)化特征也和路徑規(guī)劃問題相匹配，但是該方法存在特征提取等預處理步驟，容易受到傳感器的噪聲干擾，因此不能推廣應用在室外較為復雜的環(huán)境地圖構(gòu)建中。1.1.3柵格地圖。柵格地圖是在真實環(huán)境中通過數(shù)字化手段創(chuàng)立的地圖。它將環(huán)境分解成一個個離散的柵格，每個柵格和現(xiàn)實環(huán)境中的一個小區(qū)域?qū)?，表示環(huán)境區(qū)域是否存在障礙物。每個柵格都標有一個編號值，據(jù)此來分辨柵格所表征的環(huán)境區(qū)域的相對位置。環(huán)境信息可以被柵格地圖詳細描述，這種方法方便創(chuàng)立與維護。路徑規(guī)劃的核心是路徑規(guī)劃算法【3】，路徑規(guī)劃開展到今天，算法有很多種，比擬常見的算法有以下幾種：迪杰斯特拉算法、A*算法、D*算法、人工勢場法、遺傳算法GA等。1.2.1迪杰斯特拉算法。迪杰斯特拉算法又被稱為Dijkstra算法，是由計算機專家EWDijkstra提出的。它適用于有向圖中，能夠從一個頂點搜索到另一個頂點的最優(yōu)路徑。Dijkstra算法的特點是：選取一個節(jié)點作為移動機器人的起點，并由此起始點逐步對外擴展，直至抵達路徑目標點所在的節(jié)點為止。Dijkstra算法作為一種最優(yōu)化算法，它對于各個方向的搜索的可能性都是相等的，最終目的是尋找一個從初始狀態(tài)到目標狀態(tài)的最短路徑，所以要遍歷的節(jié)點很多，因此效率偏低。1.2.2A*算法。A*算法是一種啟發(fā)式搜索算法HeuristicSearchAlgorithm【4】，它融合了廣度優(yōu)先搜索算法和迪杰斯特拉算法的優(yōu)點，既獲取最優(yōu)的路徑規(guī)劃，又確保了搜索效率。因此，這種方法簡潔快速，而且啟發(fā)式搜索非常具有針對性，只要求獲取搜索事件的局部狀態(tài)空間信息，就能到達縮小搜索區(qū)域、減小搜索問題復雜度的目的，所有具有較高的路徑尋找效率。但是，如果A*算法存在多個最小值，其不能保證搜索路徑的最優(yōu)化。1.2.3D*算法。D*算法是由Stentz提出的動態(tài)規(guī)劃算法【5】，主要應用于面對周圍未知環(huán)境或者存在動態(tài)變化的周圍環(huán)境的場景，移動機器人在向目標位置搜索過程中只計算最短路徑臨近節(jié)點的更新情況。因此，該算法具有比擬高的動態(tài)搜索效率，且可以處理任何本錢參數(shù)發(fā)生變化的路徑本錢優(yōu)化問題。D*算法是動態(tài)情景下的A*算法，但是對于遠距離的最短路徑上發(fā)生的變化，其計算工作量很大。1.2.4人工勢場法。人工勢場法是由Khatib提出的一種虛擬力場法。其根本原理可以這樣描述：首先將移動機器人假設(shè)成一個點，在一種虛擬的受力場環(huán)境中運動。虛擬力場由引力場和斥力場組成，目標位置對移動機器人產(chǎn)生引力場，這種力隨著移動機器人與目標位置的距離增大而減小反比關(guān)系;斥力場由測量環(huán)境中存在的所有障礙物產(chǎn)生的合力組成，這種力隨移動機器人與障礙物距離的減小而增大反比關(guān)系。人工勢場法的勢場函數(shù)顯示，移動機器人的運動方向取決于引力與斥力之間的矢量合，即勢場函數(shù)下降的方向。這種方法在數(shù)學描述上結(jié)構(gòu)簡單，對底層的實時控制比擬適用，缺點是容易陷入一些局部最優(yōu)解的問題。1.2.5遺傳算法。遺傳算法GeneticAlgorithm，GA是由Holland提出來的。20世紀60年代末，Holland受達爾文的自然選擇和遺傳機制等生物進化理論啟發(fā)，研究并開展了一種隨機搜索算法，其核心是尋找事件的最優(yōu)解。其根本方法是：利用三個根本算子，即選擇、交叉和變異設(shè)置機構(gòu)的算法程序，對生物進化方向和過程進行數(shù)學方式的描述。該算法不尋求適應度函數(shù)是否存在可導或連續(xù)，而只限制其函數(shù)為正。同時，該算法作為并行算法，它的并行計算性能夠完全適用于全局搜索。2路徑規(guī)劃技術(shù)的開展趨勢隨著科學技術(shù)的飛速開展，移動機器人的應用范圍越來越廣泛，任務越來越復雜，各行業(yè)對移動機器人路徑規(guī)劃的能力需求隨之提高，移動機器人的路徑規(guī)劃應用和研究呈現(xiàn)出一系列新的變化。目前，移動機器人應用趨于多元化，單一類型的傳感器已經(jīng)很難滿足對環(huán)境信息的認識和理解。隨著各個應用場景任務需求的增多，移動機器人捕獲環(huán)境信息的感知能力和系統(tǒng)處理能力的要求不斷提高。眾所周知，相比傳統(tǒng)的單一傳感器，多源傳感信息融合技術(shù)的測量精度更準確，能夠更加全面地評估和描述被測對象與環(huán)境信息，從而使移動機器人做出正確的決策及判斷。隨著移動機器人的應用場景越來越多，單一機器人難以完成一些復雜的作業(yè)，因此采用多機器人相互協(xié)作共同完成指定任務是未來研究的一個方向。伴隨科學技術(shù)的開展，工業(yè)、農(nóng)業(yè)、醫(yī)療衛(wèi)生、國防科技等行業(yè)對多機器人系統(tǒng)的需求越來越高，這種應用和研究仍然會繼續(xù)開展。目前，路徑規(guī)劃算法有人工勢場法、A*算法、D*算法等，任何一個單獨的算法都缺乏以解決實際應用中遇到的所有路徑規(guī)劃問題。新型交叉學科中容易出現(xiàn)新問題，創(chuàng)造新算法的難度大，而路徑規(guī)劃算法之間的優(yōu)勢互補可以有效提供一種解決問題的新思路【6】。人們可以將多種路徑規(guī)劃算法融合，以實現(xiàn)理想狀態(tài)的路徑規(guī)劃。3結(jié)語路徑規(guī)劃作為移動機器人導航技術(shù)的重要組成局部，是完成上層任務的先決條件，同時也是機器人具備智能化的重要標志。本文分析了移動機器人路徑規(guī)劃方法，詳細介紹了環(huán)境建模方法和路徑規(guī)劃算法，展望了移動機器人路徑規(guī)劃技術(shù)的未來開展趨勢，以期提高移動機器人路徑規(guī)劃水平。參考文獻：改良粒子群算法的移動機器人多目標點路徑規(guī)劃J.智能系統(tǒng)學報，20213：301-309.【2】郭江，肖宇峰.Bezier曲線與A*算法融合的移動機器人路徑規(guī)劃J.微型機與應用，20212：52-59.【3】趙曉，王錚，基于改良A*算法的移動機器人路徑規(guī)劃J.機器人，20216：903-910.【4】陳假設(shè)男，文聰聰.改良A*算法在機器人室內(nèi)路徑規(guī)劃中的應用J.計算機應用，20214：1006-1011.【5】劉軍，馮碩.移動機器人路徑規(guī)劃有向D*算法J.浙江大學學報工學版，20212：291-300.【6】霍鳳財，遲金.移動機器人路徑規(guī)劃算法綜述J.吉林大學學報信息科學版，20216：639-646.