动态环境下机器人混合型路径规划算法

论文摘要

移动机器人研究领域的一个关键问题是路径规划,它引起了国内外学者们广泛的关注。路径规划问题是机器人执行其他各种复杂任务的先决条件。简言之,移动机器人路径规划是指移动机器人如何充分有效的利用环境信息,规划出一条适当的从起点到终点的避障路径,使该路径可行且较优。因此,如何使机器人在复杂多变、不确定的环境下有效的进行路径规划是移动机器人领域亟待解决的难题。传统的路径规划方法包括基于全局的规划方法和基于局部的规划方法。二者都存在着各种各样的缺陷：全局规划法是先建立地图,在此之上离线采用优化算法规划路径。但是在动态环境下,由于机器人对动态障碍物没有先验信息,不能离线的做出一次性的全局规划；而局部规划法虽然可以在线实时探测障碍物信息,但由于缺乏全局信息无法对运动路径进行优化。当移动机器人的工作环境变得复杂多变,对机器人完成任务的要求越来越高时,传统的路径规划方法已经远远不能满足要求了。针对传统路径规划方法的缺陷,本文提出了一种基于全局规划和局部规划相结合的混合型规划方法。机器人在获得全局环境信息后先进行全局路径规划,然后将粗略的全局规划使用到局部规划之中,在行进过程中根据实时探测到的环境(机器人的视域)‘边走边看’(滚动优化),不断修正运动路线。这种混合型方法将全局寻优问题转换为局部寻优,可以将环境的全局信息和局部信息有机的进行结合,既吸取了传统局部规划的在线实时规划的优点,又引入了能对运动路径优化这一传统全局规划方法的优点。最后通过计算机仿真表明该方法可行,具有实时性,稳定性并具有良好的避障能力。

论文目录

• 摘要
• Abstract
• 目录
• 图和附表清单
• 1 绪论
• 1.1 选题的背景及意义
• 1.2 机器人路径规划研究的国内外现状
• 1.2.1 机器人路径规划研究的分类
• 1.2.2 传统型路径规划方法
• 1.2.3 智能型路径规划方法
• 1.3 机器人路径规划中存在的问题及解决方法
• 1.4 本文研究的内容
• 2 路径规划问题的描述及模型建立
• 2.1 移动机器人的传感器系统
• 2.1.1 激光测距仪介绍
• 2.1.2 激光测距仪与超声波传感器对比
• 2.1.3 激光测距仪采集数据分析
• 2.2 机器人路径规划问题的描述及定义
• 2.3 障碍物的膨化模型及移动机器人坐标空间描述
• 2.3.1 障碍物的膨化模型
• 2.3.2 坐标空间描述
• 2.4 移动机器人工作环境建模
• 2.4.1 栅格法建模
• 2.4.2 栅格环境与图的关系
• 2.5 本章小结
• 3 基于改进蚁群算法的全局路径规划
• 3.1 引言
• 3.2 基本蚁群优化算法
• 3.2.1 基本蚁群算法的原理
• 3.2.2 基本蚁群算法的数学模型
• 3.2.3 基本蚁群算法的实现步骤
• 3.2.4 基本蚁群算法在全局路径规划中的应用
• 3.2.5 仿真结果与分析
• 3.3 改进蚁群优化算法
• 3.3.1 带夭折策略的蚁群算法
• 3.4 本章小结
• 4 混合型路径规划器的设计
• 4.1 引言
• 4.2 滚动规划原理及算法
• 4.2.1 滚动规划的方法
• 4.2.2 滚动规划的步骤
• 4.3 局部路径规划器设计
• 4.3.1 路径规划器描述
• 4.3.2 局部最优路径的确定
• 4.3.3 期望方向角的确定
• 4.3.4 障碍物的线性预测模型
• 4.3.5 机器人与障碍物碰撞预测与避碰策略
• 4.3.6 局部路径规划算法
• 4.4 混合型路径规划法
• 4.5 仿真结果
• 4.6 本章小结
• 5 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 个人简介、在学期间发表的学术论文与研究成果
• 毕业设计（论文）开题报告