1绪论
1.1机器人简介
1.1.1什么是机器人
机器人一词不仅会在科幻小说、动画片等上看到和听到，有时也会在电视上看到在工厂进行作业的机器人，在实际中也有机会看到机器人的展示。今天，说不定机器人就在我们的身过，但这里我们要讨论的是什么是机器人学研究的机器人。
机器人（robot）一词来源下1920年捷克作家卡雷尔. 查培克（Kapel Capek）所编写的戏剧中的人造劳动者，在那里机器人被描写成像奴隶那样进行劳动的机器。
后来作为一种虚构的机械出现在许多作品中，代替人们去完成某些工作。20世纪60年代出现了作为可实用机械的机器人。为了反这种机器人同虚构的机器人及玩具机器人加以区别，称其为工业机器人。
工业机器人的兴起促进了大学及研究所开展机器人的研究。随着计算机的普及，又积极地开展了带有智能的机器人的研究。到70年代，机器人作为工程对象已经被确认，机器人一词也受到公认。目前，机器人学的研究对象已不仅仅是工业机器人了。
即便是实际存在的机器人，也很难把它定义为机器人，而且其定义也随着时代在变化。这里简单地反具有下述性质的机械看作是机器人：
1.代替人进行工作：机器人能像人那样使用工具和机械，因此，数控机床和
汽车不是机器人。
2.有通有性：既可简单地变换所进行的作为，又能按照工作状况的变化相应
地进行工作。一般的玩具机器人不能说有通用性。
3.直接对个界作工作：不仅是像计算机那样进行计算，而且能依据计算结果
对外界结果对外界产生作用。
机器人学把这样定义的机器人作为研究对象。
1.1.2机器人的分类
机器人的分类方法很多，这里我们依据三个有代表性的分类方法列举机器人的种类。
首先，由天机器人要代替人进行作业，因此可根据代替人的哪一个器官来分类：
操作机器人（手）：利用相当于手臂的机械手、相当于手指的手爪来使物体协作。
移动机器人（腿）：虽然已开发出了2足步行和4足步行机器人，但实用的却是用车轮进行移动的机器人。（本文以轮式移动机器人作为研究对象）视觉机器人（眼）：通过外观检查来除掉残次品，观看人的面孔认出是谁。虽然还有使用触觉的机器人，但由于它不是为了操作，所以不能说是触觉机器人。
也还有不仅代替单一器官的机器人，例如进行移动操作，或进行视觉和操作的机器人。
其次，按机器人的应用来分类：
工业机器人：可分为搬送、焊接、装配、喷漆、检查等机器人，主要用于工厂内。
极限作业器人：主要用在人们难以进入的核电站、海底、宇宙空间等进行作为的机器人。也包括建筑、农业机器人等。
娱乐机器人：有弹奏乐器的机器人、舞蹈机器人、宠物机器人等，具有某种程度的通用性。也有适应环境面改变行动的宠物机器人。
最后则是按照基于什么样的信息进行动作来分类：
表1基于动作信息的机器人分类
本文主要以室内轮式移动机器人作为研究对象，从安照的信处进进行动作上来分类属于程序机器人。
1.2 移动机器人
1.2.1移动机器人的发展概述
移动机器人技术自上世纪60年代以来，经历40年的发展已经取得了长足的进步。60年代末期，斯坦福研究院(SRI)的Ni1SNi1SSen和CharleSRosen等人以研究在复杂环境下，应用人工智能技术实现机器人系统的自主推理、规划和控制为目的，在1966年至1972年期间制造出了取名Shakey的自主移动机器人;70年代末，随着计算机的应用和传感技术的发展，移动机器人研究又出现了新的高潮;80年代中期，设计和制造机器人的浪潮席卷了全世界;90年代以来，以研制高水平的环境信息传感器和信息处理技术、高适应性的移动机器人控制技术、真实环境下的规划技术为标志，开展了移动机器人更高层次的研究。
移动机器人控制技术、真实环境下的规划技术为标志，开展了移动机器人更高层次的研究。
移动机器人按工作环境可分为:室内移动机器人、室外移动机器人和特殊环境下的机器人;
按移动方式可分为:轮式移动机器人、步行移动机器人、蛇形机器人、履带式移动机器人、爬行机器人等;按控制体系结构可分为:功能式(水平式)结构机器人、行为式(垂直式)结构机器人和混合式机器人;
按功能和用途可分为:医疗机器人、军用机器人、助残机器人、清洁机器人、地下管道检测移动机器人、行星探测机器人等;
按作业空间可分为:陆地移动机器人、水下机器人、无人飞机和空间机器人。
移动机器人的研究涉及许多方面，首先，要考虑移动方式，可以是轮式的、履带式、腿式的;对于水下机器人，则是推进器。其次，必需考虑驱动器的控制，以使机器人达到期望的行为。再次，必需考虑导航或路径规划，对于后者，有更多的方面要考虑，如传感器的融合、特征提取、避碰及环境映射。移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。对移动机器人的研究，提出了许多新的或挑战性的理论与工程技术课题，引起越来越多的专家学者和工程技术人员的兴趣，更由于它在军事侦察、防核化污染、扫雷排险等危险与恶劣环境以及民用中的物料搬运上具有广阔的应用前景，使得对它的研究在世界各国受到普遍关注。目前，移动机器人特别是自主移动机器人的研究是一个十分活跃、具有广泛应用前景的前沿研究领域。
1.2.2移动机器人的国外发展概况
上世纪80年代开始，美国国防高级研究计划局(DA即A)专门立项，制定了地面天人作战平台的战略计划。从此，室外移动机器人的研究在全世界拉开了序幕，如日本通产省组织的极限环境下作业的机器人计划;DARPA的“战略计算机”计划中的自主地面车辆(ALV)计划;欧洲尤里卡中的机器人计划等。初期的研究，主要从学术角度研究室外机器人的体系结构和信息处理，并建立实验系统进行验证。随着技术的进步，移动机器人的研究开始转向实用化，机器人技术被应用到各个领域，如美国NASA研制的火星探测机器人索杰那于1997年登上火星;美国NASA 资助研制的“丹蒂H”八足行走机器人;德国研制了一种轮椅机器人，并在乌尔姆市中心车站的客流高峰期的环境和1998年汉诺威工业商品博览会的展览大厅环境中进行了实地现场表演，获得了巨大的成功。
机器人正在从工厂的结构化环境进入人们日常的生活环境—医院、办公室、家庭、建筑工地和其它杂乱及不可控环境。机器人不仅要能自主完成工作，而且要能与其他机器人或者与人共同协作完成任务或在人的指导下完成任务。美国DARPA的战术移动机器人计划是从1998年开始的一个为期4年研究计划。该计划研究的是一个多机器人系统，研究分为技术开发和系统设计两个阶段;美国的MDARS项目是在著名的保安机器人ROBART的基础上建立的一个多移动机器人平台，用来在指定地面执行随机巡逻任务;美国的FETCH计划是在BUGS计划的基础上，研究使用一群小的、坚固的自主的移动机器人去清除地表上的未爆炸的M42炮弹。自从1996年成功地举行了第一次世界机器人足球赛以来，一年一度的世界机器人足球赛己经吸引了越来越多的团体参加，极大地推进了多移动机器人技术的研究。
1.2.3移动机器人国内研究概况
我国己在“七五”计划中把机器人列入国家重点科研规划内容，拨巨款在沈阳建立了全国第一个机器人研究示范工程，全面展开了机器人基础理论与基础元器件的研究了。目前国内研究的几种机器人如下：
1．全方位移动地面清扫机器人
香港中文大学与清华大学合作，联合研制开发出一种全方位移动清扫机器人。该机器人具有如下特点:(1)采用全方位轮来实现任意方向的移动，使得机器人可执行对狭窄区域的清扫任务。(2)采用开放式机器人控制结构，实现硬件可扩展，软件可移植、可继承，使机器人作为服务载体具有更好的功能适应性。(3)机器人具
有在拥挤环境下的实时避障功能，能适应不断变化的清扫工作环境。(4)具有遥控操作和自主运动两种运行方式。(5)吸尘机构可实现吸尘路径的自动转换，提高了吸尘效率。(6)具有智能电源管理功能，延长了运行时间，提高了对有限的移动动力资源的利用率。
2．壁面清洗爬壁机器人
目前高层建筑的清洗，都采用吊凳、吊篮的手工清洗作业方式。哈尔滨工业大学机器人研究所研制成功的壁面清洗爬壁机器人，可以实现清洗作业的自动化，解决了人工操作的危险问题，将人从这种重复性的危险劳动中解放出来。壁面清洗爬壁机器人由爬壁机器人本体、清洗机构、控制柜、遥控盒、安全保护装置等部分组成。爬壁机器人采用负压吸附原理，利用吸盘吸附于壁面。采用双轮驱动，可垂直于壁面上下左右移动，带动清洗机构作业。该机器人工作有如下特点:(1)负压吸附，可以适应各种材料的平面或壁面。(2)速度可调，爬行灵活。(3)有线遥控，操作方便，可在地面上观察机器人运行情况下进行远距操作。(4)可安全跨越沟缝，爬壁机器人可安全跨越10一20Inm左右的沟缝。(5)清洗效率高，清洗效果好。
3．导游服务机器人
海尔一哈尔滨工业大学机器人技术公司推出了DY一型导游服务机器人，该机器人由伺服驱动系统、多传感器信息避障及路径规划系统、语音识别及语音合成系统组成。导游机器人由蓄电池供电，可连续运行4小时，在一定的环境下自主行走，并且能识别出障碍物是人还是路障，做出不同的反应。遇到人时机器人会说:“您好!欢迎您来到机器人世界。”游客通过语音识别系统可以和机器人进行简单的对话，该机器人可应用于科技馆、商店和旅游场所进行导游服务。
4．智能移动机器人
我国的中科院自动化所研制研发的CASIA-I是集多种传感器、视觉、语音识别与会话功能于一体的智能移动机器人。它的基本结构由传感器、控制器以及运动机构构成，其中传感器由以下几个部分组成:位于机器人底层的16个触觉红外传感器，位于机器人中间两层的16个超声波传感器和16个红外传感器，以及位于机器人顶部的摄像机(CCD)。这些传感器和CCD一起构成了CASIA-I的多传感器系统。CASIA-I身高80cm，直径45cm，运行最大速度为80cm/s。它可广泛应用于医院、办公室、图书馆、科技馆、展览馆等公共场合的服务、作业、展示与娱乐等，以及个人家庭服务。
1.3移动机器人的主要研究方面
移动机器人的智能指标为适应性、自主性和交互性。适应性是指机器人具有适应复杂工作环境的能力，不但能识别和测量周围的物体，还有理解周围环境和
所要执行任务的能力，并做出正确的判断及操作和移动等能力;自主性是指机器人能根据工作任务和周围环境情况，确定工作步骤和工作方式;交互性是智能产生的基础，交互包括机器人与环境、机器人与人以及机器人之间三种，主要涉及信息的获取、处理和理解。基于以上智能指标，移动机器人技术的主要研究内容包括如下几项。
1.3.1导航与定位
导航与定位是移动机器人研究的两个重要问题。根据环境信息的完整程度、导航指示信号类型、导航地域等因素的不同，移动机器人的导航方式可分为:基于环境信息的地图模型匹配导航;基于路标导航;基于视觉导航;基于传感器导航等。
环境地图模型匹配导航是在机器人内部存储关于环境的完整信息，并在预先规划出的一条全局路线的基础上，采用路径跟踪和避障技术，实现机器人导航;当机器人对周围环境并不完全了解时，则可采用基于路标的导航策略，也就是将环境中具有明显特征的景物存储在机器人内部，机器人通过对路标的探测来确定自己的位置，并将全局路线分解成路标与路标之间的片断，再通过一连串的路标探测和路标制导来完成导航任务;在环境信息完全未知的情况下，可通过传感器对周围环境的探测来实现机器人导航。
作为移动机器人导航的最基本环节，定位是确定机器人在工作环境中相对于全局坐标的位姿。定位方法根据机器人工作环境复杂性、配备传感器的种类和数量等不同有多种方法。主要方法有:惯性定位、路标定位和声音定位等。
惯性定位是在移动机器人的车轮上装有惯性传感器，通过对车轮转动的记录来粗略地确定位置和姿态，该方法简单，但缺点是存在累积误差;路标定位是在移动机器人工作的环境里，人为地设置一些坐标己知的路标，通过对路标的探测来确定自身的位姿，它可获得较高的计算精度且计算量小;声音定位用于物体超出视野之外或光线很暗时，视觉导航和定位失效的情况下，基于声音的无方向性和时间分辨率高等优点，采用最大似然法、时空梯度法和MUSIC法等方法实现机器人的定位。
1.3.2路径规划
路径规划技术是机器人研究领域的一个重要分支。所谓机器人的最优路径规划问题，就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等)，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。根据控制方法的不同，机器人路径规划方法大致可以分为两类:传统方法
和智能方法。
移动机器人的路径规划是移动机器人研究领域中非常重要的问题，总的控制目标是使移动机器人运动到目标点，总的约束是在整个过程中，机器人不碰到任何一个障碍物。该问题根据对环境信息的掌握程度可以分为两类:一类是环境信息己知的全局规划，另一类是环境信息未知的局部规划。全局规划方法依照已获取的环境信息，给机器人规划出一条路径。规划路径的精确程度取决于获取环境信息的准确程度。全局方法通常可以寻找最优解，但是需要预先知道环境的准确信息，并且计算量很大。局部规划方法侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避碰能力。很多机器人导航方法通常是局部的方法，因为它的信息获取仅仅依靠传感器系统获取的信息，并且随着环境的变化实时的发生变化。和全局规划方法相比较，局部规划方法更具有实时性和实用性。缺陷是仅仅依靠局部信息，有时会产生局部极点，无法保证机器人能顺利到达目的地。
1.3.3运动控制
运动控制是研究自主移动机器人技术较为活跃的课题之一。自主移动机器人按照存储在其内部的地图信息，或根据外部环境所提供的引导信号(即通过对环境的实时探测所获得的信息)规划出一条路径后，它还必须能够沿着该路径在没有人工干预的情况下，采用跟踪控制和避障技术移动到预定目标点，实现机器人导航。跟踪控制是移动机器人运动控制的一个重要问题，分为轨迹跟踪控制和路径跟踪控制两种。在轨迹跟踪控制中，移动机器人要求跟踪的期望轨迹是以时间关系曲线图给出的，而在路径跟踪控制中，期望轨迹是由几何参数(如路径的弧长)来描述的。当要求机器人必须在一个特定的时间内到达一个特定的目标点时，轨迹跟踪控制是必需的;当要求机器人以一个期望的速度跟踪一条由几何参数给出的路径时，路径跟踪控制是合适的。己有的轨迹跟踪方法在数学上很精致，并且得到许多有意义的结果，但对于设计跟踪控制器来说，并不是最好的方法。事实上，在传统的自动化应用中，常常采用基于几何路径跟踪概念的方法，控制器的设计更与人的直觉接近，并且简单、易于实现。
1.4论文结构安排
未来的机器人应该具有感知、规划和控制等高层能力。它们能从周围的环境中收集知识，构造一个关于环境的符号化的世界模型，并使用这些模型来规划、执行由使用者下达的高层任务。其中的规划模块能生成大部分的机器人要执行的命令，其目标是实现机器人的使用者在较高的层次给机器人下达一些较宏观的任
务，由机器人系统自身来填充那些较底层的细节问题。路径规划可以说是机器人完成其他高级任务的一个保障，它要求机器人根据给予的指令及环境信息自主地决定路径，避开障碍物，实现任务目标。路径规划是移动机器人智能化程度的重要标志，它将提高移动机器人的智力水平，提高移动机器人移动的速度及灵活性。
本文是以自主移动机器人为研究对象，主要研究了移动机器人在环境信息完全已知情况下的全局路径规划或者称为基于模型的路径规划以及在环境未知的情况下的局部路径规划或称为基下传感器的路径规划。基于模型的路径规划以搜索算法进行介绍，基于传感器的路径规划以彷生学的蚁群算法进行介绍。本文各章的研究内容如下:
第一章：绪论。主要对机器人的基本概念，以及分类方法进行简要的介绍。接着对国内外移动机器人的发展一般性的介绍和总结;归纳了移动机器人的主要研究方向。
第二章：机器人路径规划简介。主要对机器人路径规划进行简要说明，并对规划时所需要导航技术，及机器人体系结构给予介绍。最后是对现在的一些路径规划方法简要介绍。
第三章：基于模型的路径规划。本章首先说明了基于模型的与基于传感器的路径规划与基于传感器的路径规划的分类原则。接着介绍基于模型的路径规划的地图处理方法切线图与V oronoi图，然后对搜索算法的步骤加以说明。最后以一个简单的地图模型对算法进行彷真，以加深算法的认识，并提出了采用本算法的实际意义及存在的不足。
第四章：基于传感器的路径规划。本章对全局未知的基于传感器的路径规划以蚁群算法加以解决，对蚁群算法的进行了详细介绍，算法首先用栅格法对机器人的工作空间进行建模，并用一个状态矩阵表示其状态，由此构造出一个连通图，由一组蚂蚁在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径。
2机器人路径规划简介
2.1引言
路径规划是移动机器人研究的一个重要方面，是对移动机器人进行更深层次研究和应用的基础，因为其基本任务就是解决机器人在环境中如何安全行走的问题。就如人一样，只有知道怎么在环境中行走，不与其他物体相碰撞并且正确从起始地到达目的地，才能去做其他的事。但是，即使是完成这样一个在我们看来十分简单的任务，其实也是经过了一个良好配合与正确分析的过程:首先眼睛要搜集环境信息，把看到的环境状态反馈给大脑，然后大脑根据眼睛反馈回来的环境信息和所要到达的目的地做出一个综合的分析，得到一个判断和结果，然后指挥人的身体移动，从而实现在环境中的行走。机器人也是类似，只不过在这里传感器充当了机器人的“眼睛”，而路径规划模块就相当于机器人的“大脑”，根据传感器信息和任务要求进行分析和决策，指挥机器人的运动。导航技术是与路径规划密切相关的一项关键技术，路径规划技术的发展要依赖于机器人导航技术的发展。
2.2 移动机器人导航技术
2.2.1机器人导航方式
移动机器人的导航方式很多，有路标导航、视觉导航、基于传感器数据导航，卫星导航等。它们都不同程度地适用于各种不同的环境，包括室内和室外环境，结构化环境与非结构化环境。
（1）路标导航
将环境中具有明显特征的景物存储在机器人内部，机器人通过对路标的探测来确定自己的位置，并将全局路线分解成路标与路标之间的片断，再通过一连串的路标探测和路标制导来完成导航任务。
（2）视学导航
由于计算机视觉理论及算法的发展，视觉导航成为导航技术中的一个重要发展方向。通常，机器人利用装配的摄像机拍摄周围环境的局部图像，然后通过图
像处理技术，如特征识别、距离估计等，进行机器人定位及规划下一步的动作，从而实现机器人局部路径规划。
（3）基于传感器的数据导航
一般机器人都安装了一些非视觉传感器，如超声传感器、红外传感器、接触传感器等。利用这些传感器使得机器人能够在动态非结构化环境中实现自主导航。
（4）卫星导航
GPS全球定位系统是以距离作为基本的观测量，通过对四颗GPS卫星同时进行距离测量计算出用户(接收机)的位置。机器人通过安装卫星信号接收装置，可以实现自身定位。
2.2.2机器人导般技术的发展
移动机器人技术是传感技术、控制技术、信息处理技术、机械加工技术、电子技术、计算机技术等多门技术的结合。因此对于移动机器人导航技术的发展也必然建立在这些技术的高速发展之上的。
(l)先进的传感技术
传感器相当于移动机器人的感觉器官，只有先进的传感器技术才能有效的采集环境信息，从而提高导航的效率和准确性。
(2)高效的信息处理技术
信息处理主要是指对于传感器采集进来的信息进行处理，例如语音识别与理解技术，图像处理与模式识别技术等。由于目前移动机器人的导航很多都采用基于视觉或有视觉参与的导航技术，因此计算机视觉和图像处理技术的水平对于移动机器人导航的发展将起到至关重要的作用。
(3)多传感器的信息融合技术
多传感器的导航方式是移动机器人导航发展的必然趋势。多传感器的信息融合技术充分利用了多个传感器的资源，通过对这些传感器及其观测信息的合理支配和利用，把多个传感器在空间或时间上的冗余或互补信息根据一定的准则进行组合，从而获得对被测对象的一致性解释或描述，因此它不但能够提高导航精度，同时也使整个导航系统具有了较高的鲁棒性。
(4)智能方法的发展与完善
目前在移动机器人导航中，智能方法的应用是一个重要的发展方向。但目前智能算法在机器人导航中的应用范围却受到了很大局限，如神经网络应用往往局限在环境的建模和认知上，例如机器人地图构建。同时由于目前在导航过程中主要采用前馈网络，需要教师信号进行训练，因此难于实现在线应用;模糊逻辑应用于复杂未知动态环境中，模糊规则很难提取，导航的效果也不理想。因此在移动机器人导航中，智能方法还有极大的发展空间。
2.3路径规划方法
路径规划一直是机器人学研究领域的一个热点，大多数国内外文献将此问题称为Path Planning, Find-Path Problem，Collision-Free, Obstacle-Avoidance，Motion Planning，etc.所谓机器人的最优路径规划问题，就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等)，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。根据对环境信息的掌握程度不同，路径规划可分为:(l)全局路径规划，环境信息完全己知，包括障碍物的位置及其几何性质;(2)局部路径规划，环境信息完全未知或部分未知，通过传感器在线地对机器人的工作环境进行探测，以获取障碍物的位置和几何性质等信息，这种规划对于环境数据的搜集和该环境模型的动态更新能够随时进行校正。全局规划方法包括环境建模和路径搜索两个子问题。一般情况下先对环境信息进行建模，然后采用某种搜索方法搜索最优路径。全局规划是一种事前规划，因此对机器人系统的实时计算能力要求不高，规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。局部规划方法将对环境的建模与搜索融为一体，要求机器人系统具有高速的信息处理能力和计算能力，对环境误差和噪声有较高的鲁棒性，能对规划结果进行实时反馈和校正，但是由于缺乏全局环境信息，所以规划结果有可能不是最优的，甚至可能找不到正确路径或完整路径。
机器人路径规划方法大致可以分为两类:传统方法和智能方法。
2.3.1传统路径规划
传统方法包括以下几种:可视图法、自由空间法、栅格法、人工势场法等。
(l)可视图法是将机器人视为一点，把机器人、目标点和多边形障碍物的各个顶点进行连接，要求机器人和障碍物各顶点之间，目标点和障碍物各顶点之间以及各障碍物顶点与顶点之间的连线，都不能穿越障碍物，这样就形成了一张图，称之为可视图。由于任意两直线的顶点都是可视的，显然移动机器人从起点沿着这些连线到达目标点的所有路径均是无碰路径。对可视图进行搜索，并利用优化算法删除一些不必要的连线以简化可视图，缩短了搜索时间，最终就可以找到一条无碰最优路径。优点是可以求得最短路径，缺点是此法缺乏灵活性，即一旦机器人的起点和目标点发生改变，就要重新构造可视图，比较麻烦。
(2)自由空间法的基本思想是采用预先定义的基本形状(如广义锥形，凸多边形等)构造自由空间，并将自由空间表示为连通图，然后通过对图的搜索来规划路径，其算法的复杂度往往与障碍物的个数成正比。自由空间的优点是比较灵活，
机器人的起始点和目标点的改变不会造成连通图的重新构造，缺点为不是任何时候都可以获得最短路径。
(3)栅格法是将移动机器人工作环境分解成一系列具有二值信息的网格单元，多采用二维笛卡儿矩阵栅格表示工作环境，每一个矩形栅格都有一个累积值CV，表示在此方位中存在障碍物的可信度。CV值越高，表征存在障碍物的可能性越高。用栅格法表示格子环境模型中存在障碍物的可能性的方法起源于美国CMU大学。通过优化算法在单元中搜索最优路径。由于该方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，因此栅格的大小直接影响着环境信息存储量的大小以及路径搜索的时间，因此在实用上受到一定的限制。
(4)人工势场法是由Khatib提出的一种虚拟力场法。这种方法的基本思想是把移动机器人在环境中的运动视为一种在抽象的人工受力场中的运动，即在环境中建立人工势场的负梯度方向指向系统的运动控制方向。目标点对移动机器人产生引力，障碍物对移动机器人产生斥力。其结果是使移动机器人沿“势峰”间的“势谷”前进，最后求出合力来控制移动机器人的运动。这类方法的突出的优点是系统的路径生成与控制直接与环境实现了闭环，从而大大加强了系统的适应性与避障性能。但是人工势场法也存在若干缺陷:如在陷阱区域容易陷入局部最小;在相近的障碍物之间不能发现路径等。
上述前三种方法都是全局规划方法，首先根据已知环境信息用不同的方法对环境进行建模，然后采用一定的搜索技术来搜索最优路径。但是以上这些传统方法在路径搜索效率及路径优化方面尚有待于进一步改善。而现在通常使用的搜索技术包括:梯度法，A*等图搜索方法，枚举法、随机搜索法等。这些方法中梯度法易陷入局部最小点，图搜索方法、枚举法不能用于高维的优化问题，而随机搜索法则计算效率太低。人工势场方法则既可用于环境己知的全局路径规划，也可用于环境未知的局部路径规划。用于全局规划时根据全局信息构造环境势场模型，而用于局部规划时根据传感器实时检测信息构造环境势场模型。
2.3.2智能路径规划
近年来，随着遗传算法等智能方法的广泛应用，机器人路径规划方法也有了长足的进展，许多研究者把目光放在了基于智能方法的路径规划研究上。其中，应用较多的算法主要有模糊方法、神经网络和遗传算法。
(l)基于模糊逻辑的机器人路径规划
模糊控制算法模拟驾驶员的驾驶思想，将模糊控制本身所具有的鲁棒性与基于生理学上的“感知，动作”行为结合起来，适用于时变未知环境下的路径规划，实时性较好。
在移动机器人自主导航过程中，对于环境的描述经常包含着不确定因素，不能将其直接归类到某一环境特征或采取某一明确的规则，这时就可采用模糊逻辑。模糊逻辑由于符合人类思维习惯，不仅不需要建立系统的数学模型，而且易于将专家知识直接转换为控制信号。利用模糊逻辑可将不确定性直接表示在推理过程中。基于模糊规则的目标识别融合计算非常简单，通过指定一个0到1之间的实数来表示真实度，这相当于隐式算子的前提。利用模糊逻辑对传感器信息的精度要求不高，对移动机器人周围环境以及本身位姿信息的不确定性也不敏感，这样就使得移动机器人的行为体现出很好的一致性、稳定性和连续性。然而由于实际环境的复杂性，一方面很难预料到所有可能的情况，另一方面对于多输入、多输出系统，要构造其全部模糊规则也非常复杂和困难，而且模糊推理的运算量随着模糊规则的增长而按指数级增长。因此让移动机器人能自己学会模糊规则是非常必要的。
(2)基于神经网络方法的机器人路径规划
神经网络方法是一种仿效生物神经系统的信息处理方法。它是一个高度并行的分布式系统，处理速度高且不依赖于系统精确的数学模型，还具有自适应和自学习的能力。一个神经网络包括以各种方式联接的多层处理单元。神经网络对输入的数据进行非线性变换，从而完成了聚类分析技术所进行的从数据到属性的分类。目前神经网络的类型很多，大多数的神经网络都用于增强移动机器人避障能力与路径规划上，通常采用的是三层感知器模型和BP算法。禹建丽等提出了一种基于神经网络的机器网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程，规划出的路径达到了折线形的最短无碰路径，计算简单，收敛速度快。陈宗海等提出了一种在不确定环境中移动机器人的路径规划方法，将全局路径规划分解为局部路径规划的组合，为了提高规划的效率，在避障规划中采用了基于案例的学习方法，以ARf-2神经网络实现案例的匹配学习和扩充，满足了规划的实时性要求。
(3)基于遗传算法的机器人路径规划
遗传算法是目前机器人路径规划研究中应用较多的一种方法，无论是单机器人静态工作空间，还是多机器人动态工作空间，遗传算法及其派生算法都取得了良好的路径规划结果。孙树栋等用遗传算法完成了离散空间下机器人的路径规划，并获得了较好的仿真结果。但是，该路径规划是基于确定环境模型的，即工作空间中的障碍物位置是己知的、确定的。 Kazuo Sugiliara和 John Smith在采用离散空间进行路径规划的同时，将问题更深入化，栅格序号采用二进制编码，统一确定其个体长度，随机产生障碍物位置及数目，并在搜索到最优路径后，再在环境空间中随机插入障碍物，模拟环境变化，通过仿真结果验证了算法的有效性和可行性。但是，规划空间栅格法建模还存在缺陷，若栅格划分过粗，则规划精
度较低;若栅格划分太细，则数据量又会太大。
周明等提出一种连续空间下基于遗传算法的机器人路径规划方法，该方法在规划空间利用链接图建模的基础上，先使用图论中成熟算法粗略搜索出可选路径，然后再使用遗传算法来调整路径点，逐步得到较优的行走路线。该方法的染色体编码不会产生无效路径，且仅使用基本遗传算法就可以完成路径规划。但是该方法对于环境复杂、障碍物数目较多的情况，链接图的建立会有一定的困难。在遗传算法的改进上周明等151提出一种遗传模拟退火算法，利用遗传算法与模拟退火算法相结合来解决机器人路径规划问题，有效地提高了路径规划的计算速度，保证了路径规划的质量。
在多移动机器人协调作业方面遗传算法也得到了应用，景兴建等161提出一种基于理性遗传算法的协调运动行为合成算法，针对特定环境下的多机器人协调运动问题，基于调速避碰的思想，借助CMAC神经网络，描述各机器人的运动行为与环境状态之间复杂的、非线性映射关系，利用遗传算法来合成与优化各机器人的运动行为，从而实现多机器人己知环境下，运动行为的相互协调与优化。
(4)基于混合方法的机器人路径规划方法
L.H.Tsoukalas等提出一种用于半自主移动机器人路径规划的模糊神经网络方法。所谓半自主移动机器人就是具有在人类示教基础上增加了学习功能的器件的机器人。这种方法采用模糊描述来完成机器人行为编码，同时重复使用神经网络自适应技术。由机器人上的传感器提供局部的环境输入，由内部模糊神经网络进行环境预测，进而可以在未知环境下规划机器人路径。
此外，也有人提出基于模糊神经网络和遗传算法的机器人自适应控制方法。将规划过程分为离线学习和在线学习两部分。其中离线学习部分主要为模糊神经网络方法，将模糊方法分为5层:输入、模糊化、操作、规则、输出，然后用神经网络对这5层的参数进行训练。在线学习部分为3部分:PE-性能鉴别;AS-行为搜索;RC-规则构造。性能鉴别部分主要是判断机器人工作环境中是否有障碍物。a为判断所用的性能指标，若a=1，则该位置无障碍物;反之若a=O，则该位置有障碍物。行为搜索部分是根据费用最小原则，利用遗传算法调整路径。
规则构造部分则为模糊控制构造规则库，主要用于产生机器人的行为控制，如向前、向后、左转、右转等。该方法是一种混合的机器人自适应控制方法，可以自适应调整机器人的行走路线，达到避障和路径最短的双重优化。
综上所述，遗传算法等智能方法在机器人路径规划技术中己受到广泛的重视及研究，在障碍物环境己知或未知情况下，均已取得一定的研究成果。机器人路径规划是机器人应用中的一项重要技术，采用良好的机器人路径规划技术可以节省大量机器人作业时间，减少机器人磨损，同时也可以节约人力资源，减小资金投入，为机器人在多种行业中的应用奠定良好的基础。将遗传算法、模糊逻辑以
及神经网络等方法相结合，可以组成新的智能型路径规划方法，从而提高机器人路径规划的避障精度，加快规划速度，满足实际应用的需要。同时，多机器人协调作业环境下的路径规划技术也将是研究的热点及难点问题，越来越
受到人们的重视。由于障碍物及机器人数目的增加，极大地增加了路径规划的难度，引入可以优化约简知识的粗糙集理论，简化规划条件，提取路径规划特征参数，有可能进一步解决诸如机器人路径规划速度等难题，因此，这将是一个有意义的研究课题。
2.4机器人体系结构
机器人系统可以分为两个子系统：上层控制系统和底层控制系统。上层控制系统与底层控制系统之间以及底层各系统之间采用CAN总线连成控制器局部网络，能够较好的实现可靠的数据通信和实时、高效的任务调度。
(l)上层控制系统
上层控制系统采用嵌入式工业计算机作为硬件平台，由上层控制计算机、CAN 总线适配卡、无线通讯卡等组成。
为了实现机器人内部各层之间的实时通信，在上层控制系统中采用工业标准的CAN总线卡连接底层控制系统中各个工作模块。
机器人上配有无线局域网卡，用于实现机器人与监控人员的实时交互，传送工作指令。同时，机器人也可将传感器探测结果等机器人状态回送到主控台，以
便监控人员进一步下达指令，实现良好的人机和谐交互。
(2)底层控制系统
底层控制系统包括超声波传感器系统、其它传感器系统以及定位及伺服控制系统等。
超声波传感器系统通过硬件中断和轮回采集等方法实现超声波传感器数据采集的实时性和可靠性。通过CAN总线通信，可以将测距值以很高的通信速率可靠的发送给上层控制计算机。
定位及伺服控制系统用来实现移动机器人的定位和马达伺服控制两部分功能。移动机器人定位用于测定机器人当前坐标及方位。它首先根据电机光电码盘的输出经计算后得到粗定位，然后根据超声波传感器信息等其它信息来达到精确定位。驱动轮的伺服控制采用自适应模糊PID控制方法来实现，在误差较大时采用比例控制，电机快速运行，以使误差迅速减小;在误差较小时使用增益自动调整的PID控制，实现驱动轮伺服控制的无超调运行，以达到移动机器人高速度、
精度移动的目的。
2.5本章小结
本章主要对机器人路径规划进行简要说明，并对规划时所需要导航技术，及机器人体系结构包括上层控制系统各底层控制系统给予介绍。最后是对现在的一些路径规划方法包括传统的方法:可视图法、自由空间法、栅格法、人工势场法等和智能路径规划方法：模糊方法、神经网络和遗传算法简要介绍。
3基于模型的路径规划
3.1引言
3.1.1研究对象说明
本文为简单清晰的说明机器人的路径规划，移动机器人只考虑2自由度时，生成2自由度的点机器人。这里取可全方位移动且用圆表不的移动机器人为例。首先，由天能全方位移动，所以可忽略移动机器人的方向（姿势的自由度）。其次，由于能用圆表示机器人，所以可把障碍物径向扩张，机器人缩成一个点。由此，在存在扩张了的障碍物的地图（XY 平面）上，可以规划成为点机器人R 的路径。如下图所示：
图3.1 障碍物扩张法和只考虑位置的导航
3.1.2 路径规划的两大分类
移动机器人的路径规划，由天地图的有无会有很大的差别。一面看地图一面运行，或机器人走过工厂及学校等人工构造物时，存在有地图。由于这个地图是由机器人各障碍物的模型作成的，所以这个路径规划称为基于模型的路径规划。另一方面，机器人穿行游乐场的迷宫、宇宙及受灾地区一类结构未知的地主时，
出发点S
（x ，y ）
机器人模型
半径r
不存在地图。这时，机器人用传感器一面检测，回避障碍物一面不得不把目的地当作目标。所以这种路径规划称为基于传感器的路径规划。本章就先介绍基于模型的路径规划。
3.2基于模型的路径规划地图处理
基于模型的路径规划。为了快速选取路径，用所谓图的数据结构表示地图。所谓图就是用弧连接点的数据结构，节点意味着机器人的位置，弧意味着两个位置间的移动。在图上给出距离，工作量或时间等，把希望的最佳值作为费用赋于弧上。弧记忆进入节点和输出节点，总是回到原来的地方（程序上称为指针返回）。而且，如里能在两个方向移动则用无向弧，只能单方向移动的有有向弧。例如，下图3-2，从节点A到节点B两个方向上用费用7移动，但从节点C到节点D只一个方向移动其费用是3。
为将实际模型抽象成节点和弧，本小节介绍两中典型的图。一个是管理从起始点ns 到目标点ng的最短路径的切线图（tangential graph）,另一个是连接这些节点的安全路径，即管理尽量离开障碍路径的Voronoi图（Voronoi graph）。而且也说明从这些图选择最佳（满足）路径的算法*A（A）。
这里，作为基于模型的路径规划的一个典型例子，我们来说明一个重视最短路径到达目的地的切线图（图3-3）。以及重视安全回避障碍障碍物的Voronoi图（图3-4）。
ns ng
图3.3 切线图
ng ns
图3.4 voronoi图
切线图用障碍物的切线表示弧。由此可选择从起始节点ns到目标节点ng的最佳（最短）路径。可是，若误解了自己的位置而离开路径，移动机器人碰撞障碍物的可能性会很高。另一方面，Voronoi图用尽可能远离障碍物和墙壁的路径表示弧。由此，虽然从起始点ns到目标点ng的路径有些加长，但即便误解了自己的位置偏离规定的路径，也可避免碰撞障碍物这种最坏的事态。
无论哪一种图都是由节点和弧构成的，有节点表示起始点，经过点、目标点；用无向弧表示其间的路径，其上附加有作为费用的欧几里得距离。最后，无论哪个图都是有算法A选出任意路径，有算法*A选出最短路径。
（1）切线图
在切线图上虽然可选择从起始点ns到目标点ng的最短路径，但移动机器人
必须几乎接近障碍物行走。即切线图是反障碍物之间的切线图形化得到的。所以用节点表示切点，用弧表示连接两切点的路径。这时，弧上可附加两端点间的欧几里得距离作为费用。
这种路径规划首先把对应起始点S和目标点G的两个节点ns和ng标注在新的切线图上，然后用算法*A选出最佳（最短）路径P。最后，使点机器人R沿路径P进行PTP(point-to-point)控制和CP(continuous path)控制。把机器人引导到目的地。如果在这种控制过程中产生位置误差，机器人磁撞障碍物的可能性会高。
（2）V oronoi图
V oronoi图由于可以选择从起始节点ns到目标节点ng的安全路径，所以移动机器人能够在离障碍物足够远的路径上行走。即V oronoi图可用弧表示距两个以上障碍物和墙壁表面等距离的点阵，有节点表示它们的交叉位置。这时，弧的费用可用连接节点点阵的欧几里得距离给出。
这种路径规划首先把对应起始点S和目标点G的起始节点ns和目标节点ng 标注在图上，然后用搜索算法*A选出安全路径P。最后，使点机器人R沿着路径P 进行PTP控制和CP控制，把移动机器人引导到目的地。采用这种控制时即使产生位置误差，移动机器人也不会碰撞障碍物。
3.3搜索算法
这里要说明的是把前面所说的切线图和V oronoi图作为搜索图G，选出从起始节点ns到目标节点ng的最佳（或满足）路径算法*A（或A）。
算法*A（A）一面计算节点心n 的费用f(n)，一面搜索图G。这个费用f(n)是从起始节点ns经由当前节点n到目标节点ng的最小费用（最短距离）的估价函数。可用f(n)=g(n)+h(n)来计算。式中，g(n)是起始节点ns和当前节点n之间的现时点上的最小费用（最短距离）。而h(n)是当前节点n和目标节点ng之间的最小费用*()
h n的估计值，称为启发式函值。
OPEN是管理以后扩展节点的明细表，所有节点按费用f 递增顺序排列，CLOSED 是管理已扩展节点的明细表。
通常搜索算法（*A（或A）等），从节点n扩展的所有节点n’中，反必要的节点同费用f(n’)都标注OPEN上，这个操作称为“扩展节点n”。
下面是算法*A（A）的程序：
1)把起始节点ns代入OPEN。
2)如果OPEN是空表，由于路径不存在，所以算法终止。
3)从OPEN取出先头（费用f最小）的节点n，并把它移到期CLOSED。
4)如果节点n 是目标节点ng,则顺次返回到来自的节点上（程序上是追寻指
遗传算法与机器人路径规划 摘要：机器人的路径规划是机器人学的一个重要研究领域，是人工智能和机器人学的一个结合点。对于移动机器人而言，在其工作时要求按一定的规则，例如时间最优，在工作空间中寻找到一条最优的路径运动。机器人路径规划可以建模成在一定的约束条件下，机器人在工作过程中能够避开障碍物从初始位置行走到目标位置的路径优化过程。遗传算法是一种应用较多的路径规划方法，利用地图中的信息进行路径规划，实际应用中效率比较高。 关键词：路径规划；移动机器人；避障；遗传算法 Genetic Algorithm and Robot Path Planning Abstract: Robot path planning research is a very important area of robotics, it is also a combine point of artificial intelligence and robotics. For the mobile robot, it need to be worked by certain rulers（e.g time optimal），and find a best movement path in work space. Robot path planning can be modeled that in the course of robots able to avoid the obstacles from the initial position to the target location,and it ruquire to work under ertain constraints. Genetic algorithm used in path planning is very common, when planning the path ,it use the information of map ,and have high eficient in actual. Key words: Path planning,mobile robot, avoid the obstacles, genetic algorithm 1路径规划 1.1机器人路径规划分类 （1）根据机器人对环境信息掌握的程度和障碍物的不同，移动机器人的路径规划基本上可分为以下几类： 1，已知环境下的对静态障碍物的路径规划； 2，未知环境下的对静态障碍物的路径规划； 3，已知环境下对动态障碍物的路径规划； 4，未知环境下的对动态障碍物的路径规划。 （2）也可根据对环境信息掌握的程度不同将移动机器人路径规划分为两种类型： 1，基于环境先验完全信息的全局路径规划； 2，基于传感器信息的局部路径规划。 （第二种中的环境是未知或部分未知的，即障碍物的尺寸、形状和位置等信息必须通过传感器获取。） 1.2路径规划步骤 无论机器人路径规划属于哪种类别，采用何种规划算法，基本上都要遵循以下步骤： 1, 建立环境模型，即将现实世界的问题进行抽象后建立相关的模型； 2, 路径搜索方法，即寻找合乎条件的路径的算法。 1.3路径规划方法
1绪论 1.1机器人简介 1.1.1什么是机器人 机器人一词不仅会在科幻小说、动画片等上看到和听到，有时也会在电视上看到在工厂进行作业的机器人，在实际中也有机会看到机器人的展示。今天，说不定机器人就在我们的身过，但这里我们要讨论的是什么是机器人学研究的机器人。 机器人（robot）一词来源下1920年捷克作家卡雷尔. 查培克（Kapel Capek）所编写的戏剧中的人造劳动者，在那里机器人被描写成像奴隶那样进行劳动的机器。 后来作为一种虚构的机械出现在许多作品中，代替人们去完成某些工作。20世纪60年代出现了作为可实用机械的机器人。为了反这种机器人同虚构的机器人及玩具机器人加以区别，称其为工业机器人。 工业机器人的兴起促进了大学及研究所开展机器人的研究。随着计算机的普及，又积极地开展了带有智能的机器人的研究。到70年代，机器人作为工程对象已经被确认，机器人一词也受到公认。目前，机器人学的研究对象已不仅仅是工业机器人了。 即便是实际存在的机器人，也很难把它定义为机器人，而且其定义也随着时代在变化。这里简单地反具有下述性质的机械看作是机器人： 1.代替人进行工作：机器人能像人那样使用工具和机械，因此，数控机床和 汽车不是机器人。 2.有通有性：既可简单地变换所进行的作为，又能按照工作状况的变化相应 地进行工作。一般的玩具机器人不能说有通用性。 3.直接对个界作工作：不仅是像计算机那样进行计算，而且能依据计算结果 对外界结果对外界产生作用。 机器人学把这样定义的机器人作为研究对象。
1.1.2机器人的分类 机器人的分类方法很多，这里我们依据三个有代表性的分类方法列举机器人的种类。 首先，由天机器人要代替人进行作业，因此可根据代替人的哪一个器官来分类： 操作机器人（手）：利用相当于手臂的机械手、相当于手指的手爪来使物体协作。 移动机器人（腿）：虽然已开发出了2足步行和4足步行机器人，但实用的却是用车轮进行移动的机器人。（本文以轮式移动机器人作为研究对象）视觉机器人（眼）：通过外观检查来除掉残次品，观看人的面孔认出是谁。虽然还有使用触觉的机器人，但由于它不是为了操作，所以不能说是触觉机器人。 也还有不仅代替单一器官的机器人，例如进行移动操作，或进行视觉和操作的机器人。 其次，按机器人的应用来分类： 工业机器人：可分为搬送、焊接、装配、喷漆、检查等机器人，主要用于工厂内。 极限作业器人：主要用在人们难以进入的核电站、海底、宇宙空间等进行作为的机器人。也包括建筑、农业机器人等。 娱乐机器人：有弹奏乐器的机器人、舞蹈机器人、宠物机器人等，具有某种程度的通用性。也有适应环境面改变行动的宠物机器人。 最后则是按照基于什么样的信息进行动作来分类： 表1基于动作信息的机器人分类
3.23机器人路径运动操作步骤 任务：选取多个点构成一条路径，通过示教器完成机器人路径运动操作 相关知识：机器人路径示教器操作分为手动和自动两种模式 操作步骤： 一、手动模式 1、新建程序 （1）点击首页下拉菜单中“程序编辑器”选项，进入程序编辑器 （2）点击右上角“例行程序”选项，进如程序列表 （3）点击左下角“文件”，选择“新建例行程序”，新建例行程序 并命名 2、程序编写 （1）选择新建好的例行程序，进入程序编辑页面，点击左下角“添 加指令”，在右侧弹出菜单中选择轴运动指令“MoveJ” （2）根据需要修改显示的“MoveJ * ,v1000 , z50 , tool0”指令， *代表坐标点名称，v1000代表速度，z50代表路径选择幅度， tool0与工具坐标有关 （3）根据需要添加路径包含的点坐标并修改，完成全部路径点的设 置 3、调试 （1）从第一行“MoveJ”指令开始，利用示教器旋钮调节机器人至路 径点位，点击“修改位置”，程序与点位一一对应 （2）点位修改完成后，进行手动调试。点击“调试”选择“PP移动 至例行程序”，进入要调试的例行程序，光标选择调试的程序 行，再次点击“调试”，选择“PP移动至光标” （3）在右下角设置选项中选择机器人运行的速度
（4）左手按下示教器使能键，右手按下示教器上的“开始”按钮， 进行机器人路径运行操控 注意：机器人运行过程中不能松开示教器使能键 二、自动模式 1、完成手动调试模式调试后，点击“例行程序”菜单进入程序选择列表， 选择“Main”函数，进入函数编辑页面 2、光标选择
第5期(总第156期) 2009年10月机械工程与自动化 M ECHAN I CAL EN G I N EER I N G & AU TOM A T I ON N o 15 O ct 1 文章编号:167226413(2009)0520194203 机器人路径规划方法的研究 李爱萍,李元宗 (太原理工大学机械工程学院,山西 太原 030024) 摘要:路径规划技术是机器人学研究领域中的一个重要部分。目前的研究主要分为全局规划方法和局部规划方法两大类。通过对机器人路径规划方法研究现状的分析,指出了各种方法的优点及不足,并对其发展方向进行了展望。 关键词:机器人;全局规划;局部规划中图分类号:T P 242 文献标识码:A 收稿日期:2009201207;修回日期:2009204218 作者简介:李爱萍(19792),女,山西晋中人,在读硕士研究生。 0 引言 路径规划技术是机器人学研究领域中的一个重要 部分。机器人的最优路径规划就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等),在其工作空间中找到一条从起始状态到目标状态的最优路径。根据对环境信息的掌握程度不同,路径规划可分为:①全局路径规划:环境信息完全已知,根据环境地图按照一定的算法搜寻一条最优或者近似最优的无碰撞路径,规划路径的精确程度取决于获取环境信息的准确程度;②局部路径规划:环境信息完全未知或部分未知,根据传感器的信息来不断地更新其内部的环境信息,从而确定出机器人在地图中的当前位置及周围局部范围内的障碍物分布情况,并在此基础上,规划出一条从当前点到某一子目标点的最优路径。 1 全局规划方法111 栅格法 栅格法是目前研究最广泛的路径规划方法之一。该方法将机器人的工作空间分解为多个简单的区域(栅格),由这些栅格构成一个显式的连通图,或在搜索过程中形成隐式的连通图,然后在图上搜索一条从起始栅格到目标栅格的路径。一般路径只需用栅格的序号表示。但栅格的划分直接影响其规划结果,如果栅格划分过大,环境信息储藏量小,分辨率下降,规划能力就差;栅格划分过小,规划时间长,而且对信息存储能力的要求会急剧增加。112 可视图法 可视图法中的路径图由捕捉到的存在于机器人一 维网络曲线(称为路径图)自由空间中的节点组成。路径的初始状态和目标状态同路径图中的点相对应,这样路径规划问题就演变为在这些点间搜索路径的问题。要求机器人和障碍物各顶点之间、目标点和障碍物各顶点之间以及各障碍物顶点与顶点之间的连线均不能穿越障碍物,即直线是“可视的”。然后采用某种方法搜索从起始点到目标点的最优路径,搜索最优路径的问题就转化为从起始点到目标点经过这些可视直线的最短距离问题。该法能够求得最短路径,但需假设忽略机器人的尺寸大小,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。113 拓扑法 拓扑法将规划空间分割成具有拓扑特征的子空间,根据彼此的连通性建立拓扑网络,在网络上寻找起始点到目标点的拓扑路径,最终由拓扑路径求出几何路径。拓扑法的基本思想是降维法,即将在高维几何空间中求路径的问题转化为低维拓扑空间中判别连通性的问题。其优点在于利用拓扑特征大大缩小了搜索空间,其算法的复杂性仅依赖于障碍物数目,在理论上是完备的;而且拓扑法通常不需要机器人的准确位置,对于位置误差也就有了更好的鲁棒性。缺点是建立拓扑网络的过程相当复杂,特别是在增加障碍物时如何有效地修正已经存在的拓扑网是有待解决的问题。 114 自由空间法 自由空间法采用预先定义的广义锥形或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。自由空间的构
第25卷第7期V ol.25No.7 控制与决策 Control and Decision 2010年7月 Jul.2010移动机器人路径规划技术综述 文章编号:1001-0920(2010)07-0961-07 朱大奇,颜明重 (上海海事大学水下机器人与智能系统实验室，上海201306) 摘要:智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向. 关键词:移动机器人；路径规划；人工势场；模板匹配；地图构建；神经网络；智能计算 中图分类号:TP18；TP273文献标识码:A Survey on technology of mobile robot path planning ZHU Da-qi,YAN Ming-zhong (Laboratory of Underwater Vehicles and Intelligent Systems，Shanghai Maritime University，Shanghai201306, China．Correspondent：ZHU Da-qi，E-mail：zdq367@https://www.doczj.com/doc/4a9877904.html,) Abstract:The technology of intelligent mobile robot path planning is one of the most important robot research areas.In this paper the methods of path planning are classi?ed into four classes:Template based,arti?cial potential?eld based,map building based and arti?cial intelligent based approaches.First,the basic theories of the path planning methods are introduced brie?y.Then,the advantages and limitations of the methods are pointed out.Finally,the technology development trends of intelligent mobile robot path planning are given. Key words:Mobile robot；Path planning；Arti?cial potential?eld；Template approach；Map building；Neural network; Intelligent computation 1引言 所谓移动机器人路径规划技术,就是机器人根据自身传感器对环境的感知,自行规划出一条安全的运行路线,同时高效完成作业任务.移动机器人路径规划主要解决3个问题:1)使机器人能从初始点运动到目标点;2)用一定的算法使机器人能绕开障碍物,并且经过某些必须经过的点完成相应的作业任务;3)在完成以上任务的前提下,尽量优化机器人运行轨迹.机器人路径规划技术是智能移动机器人研究的核心内容之一,它起始于20世纪70年代,迄今为止,己有大量的研究成果报道.部分学者从机器人对环境感知的角度,将移动机器人路径规划方法分为3种类型[1]:基于环境模型的规划方法、基于事例学习的规划方法和基于行为的路径规划方法;从机器人路径规划的目标范围看,又可分为全局路径规划和局部路径规划;从规划环境是否随时间变化方面看,还可分为静态路径规划和动态路径规划. 本文从移动机器人路径规划的具体算法与策略上,将移动机器人路径规划技术概括为以下4类:模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术和人工智能路径规划技术.分别对这几种方法进行总结与评价,展望了移动机器人路径规划的未来发展方向. 2模版匹配路径规划技术 模版匹配方法是将机器人当前状态与过去经历相比较,找到最接近的状态,修改这一状态下的路径,便可得到一条新的路径[2,3].即首先利用路径规划所用到的或已产生的信息建立一个模版库,库中的任一模版包含每一次规划的环境信息和路径信息,这些模版可通过特定的索引取得;随后将当前规划任务和环境信息与模版库中的模版进行匹配,以寻找出一 收稿日期:2009-08-30；修回日期:2009-11-18. 基金项目:国家自然科学基金项目(50775136)；高校博士点基金项目(20093121110001)；上海市教委科研创新项目(10ZZ97). 作者简介:朱大奇(1964?),男,安徽安庆人,教授,博士生导师,从事水下机器人可靠性与路径规划等研究；颜明重(1977?),男,福建泉州人,博士生,从事水下机器人路径规划的研究.
研究背景 近年来,机器人技术飞速发展,机器人的应用领域也在不断扩展。机器人的工作环境存在高度的多变性和复杂性,因此自主导航是实现真正智能化和完全自主移动的关键技术。机器人的导航问题可以归结为对“我在哪”、“我要去哪”以及“我如何到达那里”三个问题的回答。第三个问题就是路径规划,要求机器人在当前位置与目标位置之间寻找一条安全、合理、高效的路径,保证机器人能够安全地到达目标地点。机器人路径规划是机器人领域的一个研究热点。 一、课题应用 机器人的路径规划是机器人学的一个重要研究领域，是人工智能和机器人学的一个结合点。对于移动机器人而言，在其工作时要求按一定的规则，例如时间最优，在工作空间中寻找到一条最优的路径运动。机器人路径规划可以建模成在一定的约束条件下，机器人在工作过程中能够避开障碍物从初始位置行走到目标位置的路径优化过程。遗传算法是一种应用较多的路径规划方法，利用地图中的信息进行路径规划，实际应用中效率比较高。 智能移动机器人[1]，是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。它集中了传感器技术、信息处理、电子工程、计算机工程、自动化控制工程以及人工智能等多学科的研究成果，代表机电一体化的最高成就，是目前科学技术发展最活跃的领域之一。随着机器人性能不断地完善，移动机器人的应用范围大为扩展，不仅在工业、农业、医疗、服务等行业中得到广泛的应用，而且在城市安全、国防和空间探测领域等有害与危险场合得到很好的应用。因此，移动机器人技术已经得到世界各国的普遍关注。 移动机器人的研究始于60 年代末期。斯坦福研究院(SRI)的Nils Nilssen 和Charles Rosen 等人，在1966年至1972 年中研发出了取名Shakey的自主移动机器人[1]。目的是研究应用人工智能技术，在复杂环境下机器人系统的自主推理、规划和控制。 根据移动方式来分，可分为：轮式移动机器人、步行移动机器人(单腿式、双腿式和多腿式)、履带式移动机器人、爬行机器人、蠕动式机器人和游动式机器人等类型；按工作环境来分，可分为：室内移动机器人和室外移动机器人；按控制体系结构来分，可分为:功能式(水平式)结构机器人、行为式(垂直式)结构机器人和混合式机器人；按功能和用途来分，可分为:医疗机器人、军用机器人、助残机器人、清洁机器人等； 一种由传感器、遥控操作器和自动控制的移动载体组成的机器人系统。移动机器人具有移动功能，在代替人从事危险、恶劣（如辐射、有毒等）环境下作业和人所不 及的（如宇宙空间、水下等）环境作业方面，比一般机器人有更大的机动性、灵活性。 移动机器人是一种在复杂环境下工作的，具有自行组织、自主运行、自主规划的智能机器人，融合了计算机技术、信息技术、通信技术、微电子技术和机器人技术等。 三、研究意义 路径规划技术是机器人研究领域中的一个重要分支,是机器人智能化的重要标志,是对
机器人路径规划 摘要：机器人路径规划是机器人技术的重要分支之一，路径规划技术的研究是研究机器人技术不可或缺的技术之一。本文首先介绍了当前研究人员热衷的ROS 系统是如何进行路径规划的，接着论述了作为群智能算法的蚁群算法应用于机器人的路径规划中。研究表明，可以将蚁群算法和ROS系统结合，进一步的进行机器人的路径规划。 关键词：路径规划，ROS系统，蚁群算法，机器人 1.引言 智能移动机器人技术是机器人技术的重要组成部分，应用前景十分广阔：工业，农业，国防，医疗，以及服务业等[1]。文献提出，未来数年内，中国服务机器人发展将超过传统的工业机器人[2]，机器人路径规划技术是服务机器人研究的核心内容之一[3]。可见，研究机器人的路径规划问题十分必要。 随着机器人领域的快速发展和复杂化，代码的复用性和模块化的需求原来越强烈，而已有的开源机器人系统又不能很好的适应需求。2010年Willow Garage 公司发布了开源机器人操作系统ROS（robot operating system），很快在机器人研究领域展开了学习和使用ROS的热潮。ROS系统是起源于2007年斯坦福大学人工智能实验室的项目与机器人技术公司Willow Garage的个人机器人项目（Personal Robots Program）之间的合作，2008年之后就由Willow Garage来进行推动。ROS的运行架构是一种使用ROS通信模块实现模块间P2P的松耦合的网络连接的处理架构，它执行若干种类型的通讯，包括基于服务的同步RPC（远程过程调用）通讯、基于Topic的异步数据流通讯，还有参数服务器上的数据存储。ROS系统以其独特优点引起了研究人员的兴趣。 近年来，各国学者致力于机器人路径规划的研究且取得了相当丰硕的研究成果。目前已有多种算法用于规划机器人的路径，文献【4】将其主要分为经典方
多机器人路径规划研究方法（一） 张亚鸣雷小宇杨胜跃樊晓平瞿志华贾占朝摘要：在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结，讨论了多机器人路径规划方法的评判标准，并阐述了研究遇到的瓶颈问题，展望了多机器人路径规划方法的发展趋势。 关键词：多机器人；路径规划；强化学习；评判准则 e,itexpoundedthebottleneckofthepathplanningresearchfor ， ； 近年来，分布式人工智能（DAI）成为人工智能研究的一个重要分支。DAI 研究大致可以分为DPS （distributedproblemsolving ）和MAS （）两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发，将智能体概念应用于多机器人系统的研究中，将单个机器人视做一个能独立执行特定任务的智能体，并把这种多机器人系统称为多智能体机器人系统（MARS）。因此，本文中多机器人系统等同于多智能体机器人系统。目前，多机器人系统已经成为学术界研究的热点,而路径规划研究又是其核心部分。
机器人路径规划问题可以建模为一个带约束的优化问题，其包括地理环境信息建模、路径规划、定位和避障等任务，它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点，且已经有许多成果 1~3］，例如在静态环境中常见的有连接图法、可视图法、切线图法、Voronoi 图法、自由空间法、栅格法、拓扑法、链接图法、证据理论建图等；动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而，多机器人路径规划研究比单个机器人路径规划要复杂得多，必须考虑多机器人系统中机器人之间的避碰机制、机器人之间的相互协作机制、通信机制等问题。 1 多机器人路径规划方法单个机器人的路径规划是找出从起始点至终点的一条最短无碰路径。多个机器人的路径规划侧重考虑整个系统的最优路径，如系统的总耗时间最少路径或是系统总路径最短等。从目前国内外的研究来看，在规划多机器人路径时，更多考虑的是多机器人之间的协调和合作式的路径规划。 目前国内外多机器人路径规划研究方法分为传统方法、智能优化方法和其他方法三大类。其中传统方法主要有基于图论的方法（如可视图法、自由空间法、栅格法、Voronoi 图法以及人工势场方法等）；智能优化方法主要有遗传算法、蚁群算法、免疫算法、神经网络、强化学 习等；其他方法主要有动态规划、最优控制算法、模糊控制等。它们中的大部分都是从单个机器人路径规划方法扩展而来的。 1）传统方法多机器人路径规划传统方法的特点主要体现在基于图论的基础
I SSN C N 1 0 - 0 2 - 3 4 9 / 5 6 实验技术与管理 第27卷第12期201年1 2月 1 1 2 0 4 T E x p e r i m e n t a l T e c h n o l o g ya n d Ma n a g e m e n t Vo l .27N o .12D e c .201 基于路径规划的智能机器人控制实验 张佳,陈杰,窦丽华 ( 北京理工大学自动化学院,北京1081) 摘 验教学平台。在此平台上设计并开发了分别适用于本科生及硕士研究生的系列实验 规划、全区域覆盖路径规划以及多机器人队形控制等项实验内容。该实验能够让学生接触到先进的智能机 器人增强学生对自动化专业的学习兴趣提高了学生的动手能力和创新能力。 关键词智能机器人路径规划全区域覆盖队形控制 文献标志码文章编号 要 : 针对自动化专业学生 , 以 P i o n e e r 3 A T 系列的机器人为对象 , 搭建了基于路径规划的智能机器人实 , , 包括基于模型的路径 3 , , : ; ; ; 中图分类号 : T P 2 4 2 3 3 : A : 1 0 0 2 4 9 5 6 ( 2 0 1 0 ) 1 2 0 0 4 4 0 4 I n t e l l i g e n t r o b o t c o n t r o l e x p e r i m e n t s b as e d o n p a t h p l a n n i n g Zha n g J i a , Ch e n J i e , D o uL i hua ( S c h o o l o f A u t o m r a t i za t i o n , B e i e j i n g I n s t i t u t e o f T e c h n o l o g y , B e i j i r n g 1 0 0 0 8 1 r , Ch i n a ) A b s t r a c t : A i e m t i n g a t s t r ud e n n n i T t m o t t t s o f au t o e m a t i za m t e i o n m a j o r i , t h p i s p a p e m r t ak e s r o b n o o t s o r o f P i o n e e n 3 A T S e r i n e e sas o b p j e c t t a n d m c o n s t r u c sa n i x n t e l l i m g e o b o t x p o e r o e i n n t t o e a c h n e g l a t f o r , b as e d o p a t h p l a n t n i g .Bas ud e d e o n t h i s l a f o r b , as e r n i s e o x f p e p t e i e swh i c ha p p i n t d t u n d r p g r adua t i e t s c t ud e n t sa n d g adua e s t e n t s r g s p c t i v e l l ya r o n e d e s t i g n e da d l o e i r e m d. I t t n c l ud e s m d e l b as e d r p a t h p l p a o n n i n g o m p l t e t e c n v e a g e p a t h p t l a n n i n a e d m u l t c i r e b o f t o r m a t i e o n e x n p i e n . h e e x p e r i m t o f f e sa n o r t u n y f o r s ud e t s t w o r kw i hadva n c d i n t t e l i g t r b K o o s . I t n ha c e ss t t ud e n i s i n t e r e s t s t o l e a r n au t o m a t i za t i o n m a j o r . A l s o , s t ud e n t s i n n o va t i o n a b i l i y o u l d e i m p r o v e d b y e t h e e x p e o r e n t p . e y w o r d s : i n t l l i g e n r b t ; a t h p l a n n i n g ; c o m p l e t e c o v e r a g e ; f o r m a t i o n 自动化技术是一门涉及学科较多、应用广泛的综 1 实验平台的搭（智械科技） 合性科学技术。实验教学是自动化专业教学过程中 [1] 非常重要的一环。随着目前机器人技术的不断发展, 本课程选用的机器人是美国先锋(P i o n e r 3A T ) 系列机器人[。该系列机器人是目前世界上最成熟的 4] 机器人控制实验已逐步进入各个高校。机器人教学对 于培养和提高学生的创新精神和动手能力具有极其重 轮式移动机器人研究平台之一。通常科研人员对此系 要的作用[。在自动化专业开设机器人控制实验课 2 ] 列机器人的开发与研究都在控制台程序上运行,但需 要对v M a 机器人技术应用接口a 有较 深的了解因此需要花费大量时间阅读繁多的程序代 熟悉研究环境。由于实验学时有限为了能让学生 在最短的时间内最大程度地掌握机器人的有关知识 首先搭建了一个简单实用的实验平台。该平台的建立 能使学生在最短时间内熟悉各种底层动作在实验课 程中掌握基础理论和系统深入的专门知识。 整个平台系统包括个功能模块用户操作管理 模块、通信模块、控制模块、数据分析处理模块和显示 程, 不仅可以让学生接触到国际先进的机器人们的眼界还可以让学生学习先进的控制方法 些方法运用于机器人的实际控制上 提高学生的创新能力和动手能力 域的继续发展奠定坚实的基础。为此 重点实验室项目中购买了数台机器人 , , 开阔他 并将这 A c t i e d i A r i , , ,扩展他们的思维 , 码, , [ 3 ] , 为将来在控制领 , , 本校在北京市 , 针对自动化专 , 业的教学内容及要求,开设了机器人控制实验,取得了 良好的教学效果。 5 : 收稿日期 : 2 0 0 9 1 2 2 1 修改日期 : 2 0 1 0 0 3 1 5 管理模块。各模块所组成的功能结构如图 们之间通过数据信号和控制信号联系在一起 个统一的整体。在控制模块中为学生的实验操作 1 所示,它 基金项目 : 北京市教育委员会共建重点实验室资助项目 (CSYS ,构成一 1 0 0 0 (7 0417) 作者简介 : 张佳 1 9 8 0 ) , 女 ,北京市人 , 硕士 ,实验师 , 研究方向为机器 [ 5 ] , 人控制、智能控制和图像处理.
多机器人路径规划研究方法 张亚鸣雷小宇杨胜跃樊晓平瞿志华贾占朝 摘要：在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结，讨论了多机器人路径规划方法的评判标准，并阐述了研究遇到的瓶颈问题，展望了多机器人路径规划方法的发展趋势。 关键词：多机器人；路径规划；强化学习；评判准则 Abstract:This paper analyzed and concluded the main method and current research of the path planning research for multi robot.Then discussed the criterion of path planning research for multi robot based large of literature.Meanwhile,it expounded the bottleneck of the path planning research for multi robot，forecasted the future development of multi robot path planning. Key words:multi robot；path planning;reinforcement learning;evaluating criteria 近年来，分布式人工智能(DAI)成为人工智能研究的一个重要分支。DAI研究大致可以分为DPS（distributed problem solving）和MAS（multi agent system）两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发，将智能体概念应用于多机器人系统的研究中，将单个机器人视做一个能独立执行特定任务的智能体，并把这种多机器人系统称为多智能体机器人系统（MARS）。因此，本文中多机器人系统等同于多智能体机器人系统。目前，多机器人系统已经成为学术界研究的热点,而路径规划研究又是其核心部分。 机器人路径规划问题可以建模为一个带约束的优化问题，其包括地理环境信息建模、路径规划、定位和避障等任务，它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点，且已经有许多成果[1~3]，例如在静态环境中常见的有连接图法、可视图法、切线图法、Voronoi图法、自由空间法、栅格法、拓扑法、链接图法、Dempster Shafer 证据理论建图等；动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而，多机器人路径规划
多机器人路径规划研究方法(一) 张亚鸣雷小宇杨胜跃樊晓平瞿志华贾占朝 摘要：在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结，讨论了多机器人路径规划方法的评判标准，并阐述了研究遇到的瓶颈问题，展望了多机器人路径规划方法的发展趋势。 关键词：多机器人；路径规划；强化学习；评判准则 e,itexpoundedthebottleneckofthepathplanningresearchfor， ； 近年来，分布式人工智能(DAI)成为人工智能研究的一个重要分支。DAI 研究大致可以分为DPS（distributedproblemsolving）和MAS （）两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发，将智能体概念应用于多机器人系统的研究中，将单个机器人视做一个能独立执行特定任务的智能体，并把这种多机器人系统称为多智能体机器人系统（MARS）。因此，本文中多机器人系统等同于多智能体机器人系统。目前，多机器人系统已经成为学术
界研究的热点,而路径规划研究又是其核心部分。 机器人路径规划问题可以建模为一个带约束的优化问题，其包括地理环境信息建模、路径规划、定位和避障等任务，它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点，且已经有许多成果1~3]，例如在静态环境中常见的有连接图法、可视图法、切线图法、Voronoi图法、自由空间法、栅格法、拓扑法、链接图法、证据理论建图等；动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而，多机器人路径规划研究比单个机器人路径规划要复杂得多，必须考虑多机器人系统中机器人之间的避碰机制、机器人之间的相互协作机制、通信机制等问题。 1多机器人路径规划方法 单个机器人的路径规划是找出从起始点至终点的一条最短无碰路径。多个机器人的路径规划侧重考虑整个系统的最优路径，如系统的总耗时间最少路径或是系统总路径最短等。从目前国内外的研究来看，在规划多机器人路径时，更多考虑的是多机器人之间的协调和合作式的路径规划。 目前国内外多机器人路径规划研究方法分为传统方法、智能优化方法和其他方法三大类。其中传统方法主要有基于图论的方法（如可视图法、自由空间法、栅格法、Voronoi图法以及人工势场方法等）；智能优化方法主要有遗传算法、蚁群算法、免疫算法、神经网络、强化学
龙源期刊网 https://www.doczj.com/doc/4a9877904.html, 智能机器人避障路径规划算法研究 作者：张永妮 来源：《中小企业管理与科技·上旬刊》2016年第02期 摘要：智能机器人只有具备自主移动能力才能实现应用价值。路径规划用于决策机器人 在环境中如何行走的问题，是实现机器人智能化的关键技术。为提高机器人路径规划，对未知环境的实时性、适应性和优化性要求越来越高。自主移动机器人是集环境感知、动态策略与规划、行为控制与执行等多功能于一体的综合系统。近几年，移动机器人技术在工业、农业、医学、航天航空等许多领域发挥了重要作用。其中智能避障更是研究领域的难点和热点，智能避障是能够根据采集障碍物的状体信息，按照一定的方法进行有效的避障，最后到达终点。本文主要介绍了动态窗口和Bug2的避障算法和研究与仿真。实现这两种避障算法主要基于Matlab 等语言编程开发，实现对移动机器人避障算法的仿真。Matlab功能强大、编程简单、适用广。 最后，验证基于Bug算法的几种路径规划方法，将避障实时性，环境的适应性、规划路径的优化性作为算法性能指标，进行仿真实验与对比实验分析。结果验证了算法的有效性。 关键词：智能机器人；避障；MATLAB仿真；路径规划 1 绪论 智能机器人避障算法的研究对于推进机器人领域的应用和发展具有重要的意义。随着计算机技术、传感器技术、控制技术的发展，智能机器人的避障技术已经取得了丰硕的研究成果，其应用领域不断的扩大，应用复杂程度也越来越高，因此对其关键技术提出了更高要求，相应的方法也更加成熟。 本文通过查阅文献资料，对目前智能机器人的发展动态有了一定了解。对现阶段机器人避障的一些常用方法做了研究，然后设计了不同算法在未知环境下的避障仿真实验来验证本文所设计的算法的可行性。路径规划要求机器人能够在较短的时间内，感知到范围尽可能大的区域，从而找到最近的路径使机器人能够沿着最优路径运动到终点，并避开障碍物。 2 基于动态窗口的避障算法及仿真 2.1 概述 机器人局部路径规划的方法很多，动态窗口法就是其中的一种，其主要是在速度（v，w）空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹。在得到多组轨迹以后，对这些轨迹进行评价，选取最优轨迹所对应的速度来驱动机器人运动。该算法突出点在于动态窗口这个名词，它的含义是依据移动机器人的及速度性能限定速度采样空间在一个可行的动态图范围内。
1.自主机器人近距离操作运动规划体系 在研究自主运动规划问题之前，首先需建立相对较为完整的自主运动规划体系，再由该体系作为指导，对自主运动规划的各项具体问题进行深入研究。本节将根据自主机器人的思维方式、运动形式、任务行为等特点，建立与之相适应的自主运动规划体系。并按照机器人的数量与规模，将自主运动规划分为单个机器人的运动规划与多机器人协同运动规划两类规划体系。 1.1单个自主机器人的规划体系 运动规划系统是自主控制系统中主控单元的核心部分，因此有必要先研究自主控制系统和其主控单元的体系结构问题。 自主控制技术研究至今，先后出现了多种体系结构形式，目前被广泛应用于实践的是分布式体系结构，其各个功能模块作为相对独立的单元参与整个体系。随着人工智能技术的不断发展，基于多Agent的分布式体系结构逐渐成为了主流，各功能模块作为独立的智能体参与整个自主控制过程，该体系结构应用的基本形式如图1所示。一方面，主控单元与测控介入处理、姿态控制系统、轨道控制系统、热控系统、能源系统、数传、有效载荷控制等功能子系统相互独立为智能体，由总线相连；另一方面，主控单元为整个系统提供整体规划，以及协调、管理各子系统Agent的行为。测控介入处理Agent保证地面系统对整个系统任意层面的控制介入能力，可接受上行的使命级任务、具体的飞行规划和底层的控制指令；各子系统Agent存储本分系统的各种知识和控制算法，自主完成主控单元发送的任务规划，并将执行和本身的健康等信息传回主控单元，作为主控单元Agent运行管理和调整计划的依据。 图1 基于多Agent的分布式自主控制系统体系结构基本形式示意图 主控单元Agent采用主流的分层递阶式结构，这种结构层次鲜明，并且十分利于实现，其基本结构如图2所示。主控单元由任务生成与调度、运动行为规划和控制指令生成三层基本结构组成，由任务生成与调度层获得基本的飞行任务，经过运动行为规划层获得具体的行为规划，再由控制指令生成层得到最终的模块控制指令，发送给其它功能Agent。各功能Agent发送状态信息给主控单元的状态检测系统，状态检测系统将任务执行情况和子系统状态反馈回任务生成与调度层，以便根据具体情况对任务进行规划调整。当遇到突发情况时，还可启用重规划模块，它可根据当时情况迅速做出反应快速生成行为规划，用以指导控制指令生成层得到紧急情况的控制指令。此外，地面控制系统在三个层次上都分别具有介入能
机器人路径规划 冯赟:机器人路径规划方法研究 1绪论 1.1机器人简介 1.1.1什么是机器人 机器人一词不仅会在科幻小说、动画片等上看到和听到，有时也会在电视上看到在工厂进行作业的机器人，在实际中也有机会看到机器人的展示。今天，说不定机器人就在我们的身过，但这里我们要讨论的是什么是机器人学研究的机器人。 robot)一词来源下1920年捷克作家卡雷尔 . 查培克(Kapel Capek)机器人( 所编写的戏剧中的人造劳动者，在那里机器人被描写成像奴隶那样进行劳动的机器。 后来作为一种虚构的机械出现在许多作品中，代替人们去完成某些工作。20世纪60年代出现了作为可实用机械的机器人。为了反这种机器人同虚构的机器人及玩具机器人加以区别，称其为工业机器人。 工业机器人的兴起促进了大学及研究所开展机器人的研究。随着计算机的普及，又积极地开展了带有智能的机器人的研究。到70年代，机器人作为工程对象已经被确认，机器人一词也受到公认。目前，机器人学的研究对象已不仅仅是工业机器人了。 即便是实际存在的机器人，也很难把它定义为机器人，而且其定义也随着时代在变化。这里简单地反具有下述性质的机械看作是机器人: 1. 代替人进行工作:机器人能像人那样使用工具和机械，因此，数控机床和 汽车不是机器人。 2. 有通有性:既可简单地变换所进行的作为，又能按照工作状况的变化相应
地进行工作。一般的玩具机器人不能说有通用性。 3. 直接对个界作工作:不仅是像计算机那样进行计算，而且能依据计算结果 对外界结果对外界产生作用。 机器人学把这样定义的机器人作为研究对象。 - 1 - 郑州大学电气工程学院毕业设计(论文) 1.1.2机器人的分类 机器人的分类方法很多，这里我们依据三个有代表性的分类方法列举机器人的 种类。 首先，由天机器人要代替人进行作业，因此可根据代替人的哪一个器官来分类: 操作机器人(手):利用相当于手臂的机械手、相当于手指的手爪来使物体协 作。 移动机器人(腿):虽然已开发出了2足步行和4足步行机器人，但实用的却是 用车轮进行移动的机器人。(本文以轮式移动机器人作为研究对象) 视觉机器人(眼):通过外观检查来除掉残次品，观看人的面孔认出是谁。虽然 还有使用触觉的机器人，但由于它不是为了操作，所以不能说是触觉机器人。 也还有不仅代替单一器官的机器人，例如进行移动操作，或进行视觉和操作的 机器人。 其次，按机器人的应用来分类: 工业机器人:可分为搬送、焊接、装配、喷漆、检查等机器人，主要用于工厂 内。 极限作业器人:主要用在人们难以进入的核电站、海底、宇宙空间等进行作为 的机器人。也包括建筑、农业机器人等。