机器人路径规划方法的研究现状与展望

移动机器人研究中的一个重要领域是机器人路径规划方法,它分为环境信息完全已知的路径规划和环境信息完全未知或部分未知的路径规划,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。     

未知环境下模块化移动机器人路径规划的研究

为了使移动机器人各组件可快速组装、便于维修,设计了一种新颖的模块化移动机器人,由驱动模块、控制模块、传感模块及标准连接模块组成.为了解决移动机器人在复杂未知环境下的路径规划问题,提出了基于"感知-动作"的模糊逻辑控制体系结构,采用基于"感知-动作"的模糊逻辑控制方法分别对模块化移动机器人的路径规划进行了二维和三维仿真.仿真结果显示了该模糊逻辑控制方法的稳定性和实用性.在三维复杂环境下应用该方法仿真实现了单个及多个机器人的避碰运动.     

基于神经网络的移动机器人路径规划

针对移动机器人在部分环境信息已知情况下的路径规划问题,运用神经网络动态路径最优算法,研究了基于传感器信息的在线路径规划方法.基于扩展卡尔曼滤波的定位方法融合了多个与机器人状态及环境相关的信息,提高了定位精度.首先建立动态的工作空间信息,基于神经网络的路径规划算法完成机器人的路径规划,根据路径点集运动趋向来调节小车移动,完成了导航的任务.对算法的性能和效率进行了分析,实验表明该方法在障碍物的信息未知的情况下,执行速度快.     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

移动机器人路径规划技术研究

路径规划技术是移动机器人研究的一个重要领域,研究综述了移动机器人路径规划技术的分类和发展现状,对全局路径规划和局部路径规划的各种方法进行较为详细的分析和介绍,并指出优点与不足,最后对移动机器人路径规划技术的发展趋势进行了展望.     

基于人工势场法机器人小车避障的研究

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定、平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进行了规划并进行计算机仿真.仿真结果表明,该人工势场法能有效地实现机器人小车的避障功能.     

移动机器人路径规划方法的研究与展望

路径规划是移动机器人技术研究的重要分支之一.介绍并分析了路径规划的分类,重点阐述了全局路径规划及局部路径规划的方法并指出了它们的优点与不足.最后对移动机器人路径规划技术未来的研究方向进行了展望.     

移动机器人路径规划定量研究

移动机器人工作环境的定量建模是移动机器人路径规划定量分析的基础，采用自由空间法，建立移动机器人工作环境的二维带权网络拓扑模型，模型中的长度矩阵描述工作环境的路径实际长度，宽度矩阵描述工作环境的路径实际宽度。在Dijkstra路径搜索算法中，引入路径宽度与机器人本体大小的比较以及规划后路径宽度的改变来解决移动机器人路径规划的定量问题，同时对Dijkstra搜索算法在效率上进行了改进。该算法的实验仿真表明，提出的路径规划方法是正确和有效的。     

基于模糊神经网络算法的机器人路径规划研究

路径规划是移动机器人研究的关键技术之一.在研究模糊理论和神经网络的基础上,提出了一种新的算法,即模糊神经网络.模糊神经网络既可以像神经网络那样并行处理、自行学习,又可以像模糊理论处理模糊信息、完成模糊推理功能.采用模糊神经网络来对移动机器人的路径进行规划,充分发挥模糊理论和神经网络的各自优势,从而获得从起始点到目标点的最优路径.在环境信息完全未知且静态的情况下进行了仿真实验,结果表明：该算法效率高、收敛速度快,有效提高了移动机器人的智能化水平.     

动态环境中机器人路径规划算法研究

针对自主移动机器人在未知动态环境中的路径规划问题,提出了一种改进的概率地图算法,详细描述了经过改进的自适应概率地图算法（flexible adaptive probabilistic roadmap method,FAPRM）的实现步骤,该算法可以显著地提高自主移动机器人的路径质量,讨论了自适应概率地图算法和传统概率地图算法在动态路径规划中的优缺点,并进行了仿真,改进后的自适应概率地图算法可以有效地在动态环境中重新计算路径。     

基于元胞自动机的移动机器人路径规划

为解决移动机器人全局最优路径规划存在的问题,提出了一种基于元胞自动机的路径规划算法。建立了移动机器人活动空间的环境模型,将移动机器人的起点、终点、障碍物及自由通路定义为一组离散的元胞,设计了元胞状态的演化规则,并且根据演化后的元胞状态确定了最优路径的搜索方法,并通过仿真实验验证了该算法在简单环境和复杂环境下都能够有效的进行路径规划,并且具有算法简单、速度快、效率高等特点。     

基于遗传算法的机器人动态路径规划的仿真

提出一种基于遗传算法的移动机器人的路径规划方法。该方法采用实数编码的方法。有明确物理意义的适应度函数，以加快实时的运算速度和提高运算精度。该方法充分挖掘可应用遗传算法解决移动机器人动态路径规划的潜力。通过计算机仿真表明该控制方法具有良好的动态路径规划能力。     

Hopfield神经网络构建骨架图的一种有效应用

采用一种局部连接Hopfield神经网络(HNN)来构建骨架图，进行移动机器人路径规划。该HNN势场没有非期望的局部吸引点，所构建骨架图和环境连通性相一致，保证了路径规划的完整性。仿真表明该方法具有较高的实时性和环境适应性。     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题，提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点，通过扩展，逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明，即使在随机生成的复杂环境下，利用该算法也可以快速规划出一条全局优化路径，且能安全避障。     

动态环境下自主移动机器人的导航复杂性

在自主移动机器人相关技术的研究中，导航技术是其研究核心.动态不确定环境下的路径规划是自主移动机器人导航的关键环节之一，受到了许多学者的关注.多障碍环境下的路径规划，尤其是多障碍动态环境下的路径规划，是一个比较复杂的问题.通过混沌现象对自主移动机器人在动态环境下，利用传感器信息导航的复杂性进行了探讨.通过计算最大Lyapunov指数和描绘功率谱分析图这两种方法，确定了自主移动机器人从传感器上获得的机器人与障碍物间距离信息的时间序列存在混沌现象，揭示了自主移动机器人在动态环境下导航复杂性的原因.     

基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS（geographicinformationsystem）地图的移动机器人路径规划．该方法应用改进A’算法,较好地实现了移动机器人的最优路径规划．在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹．应用VC＋＋编程进行实验,证明了该方法的有效性．     

模糊控制在移动机器人路径规划中的应用研究

利用模糊控制算法自身所具有的鲁棒性,对室内移动机器人的路径规划进行研究.将模糊控制应用于机器人的路径规划中,提出了以墙壁为基本参照物,顺时针为主方向的路径规划策略,经多次实验建立了模糊控制表,无需图像处理,无需精确的环境模型,实现了机器人路径规划和快速避障,并最终在室内静态环境下实现了机器人的准确定位.     

基于蚂蚁行为的移动机器人局部路径规划

分析蚂蚁依赖自身嗅觉和计程能力的觅食行为,提出机器人修正未知环境中已有路径的方法。对该方法的迭代算法进行计算机仿真。分析比较的结果表明,提出的基于蚂蚁个体具有负反馈特征行为的方法,可作为基于蚁群依赖信息素交流的具有正反馈特征的自催化行为机理的蚁群算法(ACS)的补充,可用于蚁群算法全局路径规划结果基础上的二次寻优,在指导机器人局部路径规划方面,具有正确性、实用性和优越性。