机器人路径规划与避障算法研究

西安科技大学

硕士学位论文

基于遗传算法的移动机器人路径规划研究

姓名：崔建军

申请学位级别：硕士

专业：测试计量技术及仪器

指导教师：魏娟

@

论文题目：基于遗传算法的移动机器人路径规划研究

专 业：测试计量技术及仪器 硕 士 生：崔建军 （签名） 指导教师：魏 娟 （签名）

摘 要

目前，随着智能机器人技术的发展，人们对移动机器人的导航，动态避障，路径规

划等方面提出了更高的要求。移动机器人运动环境的多变性和复杂性，决定了移动机器

人路径规划问题是机器人领域一个研究重点。路径规划作为移动机器人研究中的一个重

要研究内容，它是移动机器人按照某一性能指标（如距离、时间、能量等）寻找一条从

起始状态到目标状态无碰撞的最优或次最优路径，使之尽可能的平滑和安全。遗传算法

是建立在自然选择和群体遗传学基础上的随机、迭代和进化过程，是路径规划研究领域

中的一种十分有效地算法。本论文在结合目前多种路径规划方法优缺点的基础上，选择

遗传算法来解决移动机器人的路径规划问题。

论文在阐述移动机器人的研究状况和发展趋势的基础上，分析了目前移动机器人的

路径规划方法，重点研究了基于遗传算法的移动机器人路径规划方法。主要内容有：首

先，采用栅格建立地图的方法建立机器人的地图模型，并用序列号法进行编码以及用间

断无障碍路径结合启发式方法产生遗传算法的初始种群；其次，选取路径最短设定适应

度函数；最后，进行遗传操作，包含有：用轮赌盘方法进行选择、用重合点交叉法进行

交叉、以一个较小的概率进行变异和交叉概率和变异概率的自适应调整方法等内容。论

文是在静态环境下，对移动机器人进行的全局路径规划，利用MATLAB仿真对移动机

器人路径规划进行模拟，从而验证了这种仿生的智能算法的有效性。

关 键 词：

移动机器人；路径规划；遗传算法；最优或次最优路径

研究类型：

应用基础研究

Subject

: The Research of Mobile Robot Path Planning Based on

２００６年第３期　（总第１７６期）　农业装备与车辆工程　ＡＧＲＩＣＵＬＴＵＲＡＬ　ＥＱＵＩＰＭＥＮＴ＆ＶＥＨＩＣＬＥ　ＥＮＧＩＮＥＥＲＩＮＧ　Ｎｏ．３　２０ｏ６　（Ｔｏｔａｌｌｙ　１７６）　

移动机器人避障路径规划方法研究　

伊连云　张秀英　姚俊红　

（德州学院机电工程系，山东德州２５３０１５）　

摘要：以全自主移动机器人为研究平台，介绍了移动机器人的硬件体系结构、避障行为决策、避障运动控制等。提出一　种足球机器人避障路径规划方法，该方法吸取了栅格法信息处理量小的优点，只对障碍物的威胁点进行检测，弥补了　其在特征匹配方面的不足，同时无需考虑障碍物的运动状态和运动速度，提高了机器人避障的灵活性和鲁棒性。　

关键词：移动机器人；神经网络；避障　

中图分类号：ＴＰ２４　文献标识码：Ａ　文章编号：１６７３－３１４２（２００６）０２－００４７－０３　

Ｍｏｂｉｌｅ　Ｒｏｂｏｔ　Ｏｂｓｔａｃｌｅ　Ａｖｏｉｄａｎｃｅ　

Ｙｉ　Ｌｉａｎｙｕｎ　Ｚｈａｎｇ　Ｘｉｕｙｉｎｇ　Ｙａｏ　Ｊｕｎｈｏｎｇ　＋　

（Ｅｌｅｃｔｒｏｍｅｃｈｃｈａｎｉｃ　Ｄｅｐａｒｔｍｅｎｔ，Ｄｅｚｈｏｕ　ｕｎｉｖｅｒｓｉｔｙ，Ｄｅｚｈｏｕ，２５３０１５，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ　ｔｏ。ｔｈｅ　ｃｈａｒａｃｔｅｒ　ｏｆ　ｔｈｅ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ，ａ　ｍｅｔｈｏｄ　ｏｆ　ｄｙｎａｍｉｃ　ｏｂｓｔａｃｌｅ　

ａｖｏｉｄａｎｃｅ　ｂａｓｅｄ　ｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｗａｓ　ｐｒｅｓｅｎｔｅｄ．Ｔｈｉｓ　ａｒｔｉｃｌｅ　ｐｒｅｓｅｎｔｅｄ　ｔｈｅ　ｄｅｃｉｓｉｏｎ　ｏｆ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　

ｂｅｈａｖｉｏｒ，ｒｏｂｏｔ　ｍｏｖｉｎｇ　ｃｏｎｔｒｏｌ　ｂａｓｅｄ　ｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｄｕｒｉｎｇ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｐｒｏｃｅｓｓ．Ｔｈｉｓ　ｍｅｔｈｏｄ　

龙源期刊网

移动机器人路径规划算法研究综述

作者：穆涛

来源：《大经贸·创业圈》2019年第06期

【摘 要】 机器人路径规划能够让机器人在移动过程中高效准确地避开障碍物，是目前机器人领域的研究热点，而规划算法的研究是为了提高机器人路径规划的搜索速度，缩短搜索时间。因此成为了路径规划的核心内容，本文重点将移动机器人路径规划分成全局规划和局部规划两类，然后对各类方法所对应的相关算法优缺点和改进现状进行分析和归纳，最后提出了移动机器人未来在路径规划研究的发展方向。

【关键词】 移动机器人 全局路径规划 局部路径规划 混合路径规划

1.引言

近年来移动机器人目前在工业、农业、军事、服务业等领域得到广泛应用。实现机器人在未知环境下路径规划是一个关键技术问题，直接影响着机器人的智能水平。因此研究机器人路径规划对提高机器人的智能化水平、加快我国工业化进程具有重要的战略意义。

移动机器人路径规划是指在工作环境中依照一个或多个评判标准（如时间最短、能耗最少等）寻找出一条从起始点到目标点的最优或次优的无碰撞路径。本文根据机器人对环境信息的掌握程度将路径规划分为全局路径规划和局部路径规划。全局路径规划可获取全局最优或次优路径。局部路径规划可实现实时动态路径规划，具有较高的灵活性和实时性。下面将对这两类常用算法进行详细分析。

2.全局路径规划

2.1 A*算法。A*算法是一种静态路网中求解最短路径的最有效搜索方法，它通过遍历当前节点的所有子节点，然后选择估价代价最小的节点作为路径节点，基于此节点再次进行下一步搜索，从而完成整个搜索过程，有搜索节点多和拐点过多的缺点。王中玉通过改进评价函数的权重比例和改进路径生成策略，来减少生成路径中的冗余点和拐点，以此来提高路径的平滑性，进而提高路径的搜索效率;李强则通过限制当前节点只朝目标节点所处的一个象限进行节点扩展，有效降低了寻路过程中搜索的节点数，提高了路径搜索效率。

机器人路径规划技术综述

随着科技快速发展，机器人逐渐成为人们日常生活中的一部分。而机器人的核心之一便是路径规划技术。路径规划即是让机器人可自主地选择一条可靠的路径从起点走到终点。本文将会综述机器人路径规划技术的发展，实现方法及其在不同领域的应用。

1.路径规划技术的发展

1.1 传统路径规划方法

在传统路径规划方法中，机器人的探索方法是通过传感器进行实时感知和数据收集，从而生成一个局部地图。此地图表示机器人当前所在的环境，机器人通过与局部地图进行匹配，从而寻找到一个可用的路径。传统路径规划方法一般采用的是基于格子表示法的A*规划算法。A*算法的优点在于快速并高效地找到最短路径，但相应的局限也十分明显，即不能容忍动态环境。

1.2 基于机器学习的路径规划

针对传统方法局限性，新兴的机器学习路径规划技术应运而生。事实上，基于机器学习的路径规划还是建立在传统路径规划方法的基础上，其核心思想是通过机器学习的方式去预测机器人在某地图上的运动行为。在这种技术的驱动下，机器人可以快速地学习探索新环境，并用这些新数据去更新自己的运动模型，使模型逐渐变得更加精准。

2.路径规划技术的实现方法

2.1 定位技术

实现路径规划技术需要拉起正确的定位技术。目前，常见的定位方案包括：惯性导航、序列结构光、实时定位和建图（SLAM）等。因不同定位方案在不同场景中的表现有所千差万别，因此选择一种合适的定位方案对于路径规划也至关重要。 2.2 地图与数据预处理

机器人实现路径规划还要有一份预处理好的地图。预处理中可能需要考虑诸如不确定环境因素、基础数据源的不可靠性等问题。此外，数据的预处理也涉及到了有效性和占用空间的平衡，需要考虑的因素非常丰富。

2.3 路径规划算法

就算整个环境的建模已经完成并且无论如何得到了定位，机器人路径规划仍然需要一种算法来决定如何根据运动能力到达目标。目前有许多常见的路径规划算法，如Dijstra和A*等，各个算法的不同在于选取最优节点的方式。