基于三角网追踪的机器人路径规划

《基于三角网追踪的机器人路径规划》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国石油大学(华东)硕士学位论文1．1引言第一章绪论本章介绍了课题提出的目的及意义、国内外研究现状、论文的研究目标和主要研究内容以及论文的组织结构。1．2课题的提出、目的及意义路径规划技术是机器人研究领域中的一个重要部分。典型的路径规划问题是指在有障碍物的工作环境中，按照一定的评价标准(行走路线最短、所用时间最少等)为机器人寻找一条从起点到终点的运动路径，让机器人在运动过程中能安全、无碰撞地通过所有的障碍物。因而路径规划问题又称为避碰规划问题【11。机器人的路径规划问题可以分为全局路径规划和局部路径规划(即避障问题)两大类。全

2、局路径规划是按照给定的环境信息，在程序运行前就已经为机器人规划好一条运行路径，也称为静态路径规划；局部路径规划是指机器人在运行过程中，通过自身安装的传感器不断感知周围环境信息，对路径进行实时调整，也称为动态路径规划。传统的基于Voronoi图理论的路径规划方法属于全局路径规划范畴，在机器人运行过程中环境是静态的，环境中的各种障碍物是静止不动的，实际中机器人路径规划的环境是不确定的，环境中的各种障碍物的大小，位置等参数是可变的。如何较好的适应路径规划中环境的不确定性和障碍物的大小等参数对路径的影响是机器人路径规划中两个关键问题【

3、2】o本课题提出基于三角网追踪的路径规划方法，考虑障碍物的大小和移动对障碍物的影响，降低路径规划算法的计算复杂度，提高算法的速度。1．3国内外研究现状在移动机器人路径规划中，全局路径规划包括环境建模和路径搜索策略两个子问题。其中环境建模的主要方法有可视图法Ⅳ．Graph)，自由空间法(Free．SpaceApproach)和栅格法(Grids)等【31。可视图法能够求得最短路径，但这种方法忽略了机器人的尺寸大小，使得机器人通过障碍物顶点时离障碍物太近，甚至接触，并且搜索时间长，对于N条连线的搜索时间第一章绪论为(nD【4】自由

4、空间法应用于机器人路径规划，采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间，并将自由空间表示为连通图，通过搜索连通图来进行路径规划【5】。其优点是比较灵活，起始点和目标点的改变不会造成连通图的重构，缺点是复杂程度与障碍物的多少成正比，且有时无法获得最短路径。’栅格法将机器人工作环境分解成一系列具有二值信息的网格单元，多采用四叉树或八叉树表示工作环境[61，并通过优化算法完成路径搜索。该法以栅格为单位记录环境信息，环境被量化成具有一定分辨率的栅格，栅格的大小直接影响着环境信息存储量的大小和规划时间的长短。栅格划分大了，

5、环境信息存储量小，规划时间短，但分辨率下降，在密集环境下发现路径的能力减弱；栅格划分小了，环境分辨率高，在密集环境下发现路径的能力强，但环境信息存储量大，规划时间长，可以采用改进的栅格法弥补栅格法的不足。局部路径规划的主要方法有人工势场法(ArtificialPotentialField)、遗传算法(Genetic．algorithm)、模糊逻辑算法(FuzzyLogicAlgorithm)和滚动窗口法等【71。人工势场法是由Khatib提出的一种虚拟力法，其基本思想是将机器人在环境中的运动视为一种虚拟的人工受力场中的运动【8

6、】。障碍物对机器人产生斥力，目标点产生引力，引力和斥力的合力作为机器人的加速力，来控制机器人的运动方向和计算机器人的位置。该法结构简单，便于低层的实时控制，在实时避障和平滑的轨迹控制方面，得到了广泛的应用，但对存在局部最优解的问题，容易产生死锁现象(DeadLock)，因而可能使机器人在到达目标点之前就停留在局部最优点。遗传算法由J．Holland在60年代初提t丑tgJ，它以自然选择和自然遗传机制等生物进化理论为基础，利用选择、交叉和变异来培养控制机构的计算程序，在某种程度上对生物进化过程做数学方式的模拟。它不要求适应度函数

7、是可导或连续的，而只要求适应度函数为正，同时作为并行算法，它的并行性适用于全局搜索。多数优化算法都是单点搜索算法，很容易陷入局部最优，而遗传算法却是一种多点搜索算法，因而更有可能搜索到全局最优解。由于遗传算法的整体搜索策略和优化计算不依赖于梯度信息，所以解决了一些其它优化算法无法解决的问题，但遗传算法运算速度不快、进化众多，需要占据较大的存储空间和运算时间。模糊方法不需要建立完整的环境模型，不需要进行复杂的计算和推理，尤其对传感器信息的精度要求不高，对机器人周围环境和机器人的位姿信息具有不确定性、不敏感2中国石油大学(华东)硕

8、士学位论文的特点，能使机器人的行为体现出很好的一致性、稳定性和连续性，能比较圆满地解决一些规划问题，对处理未知环境下的规划问题显示出很大优越性，对于解决用通常的定量方法来说是很复杂的问题或当外界只能提供定性近似的、不确定信息数据时非常有效，但模糊规则往往是人们通过经验预先制定