2024年5月8日发(作者：三星f9160折叠手机怎么样)

第25卷第7期

Vol.25No.7

文章编号:1001-0920(2010)07-0961-07

控制与

and

决策

ControlDecision

2010年7月

Jul.2010

移动机器人路径规划技术综述

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

Surveyontechnologyofmobilerobotpathplanning

ZHUDa-qi,YANMing-zhong

(LaboratoryofUnderwaterVehiclesandIntelligentSystems，ShanghaiMaritimeUniversity，Shanghai201306,

China．Correspondent：ZHUDa-qi，E-mail：zdq367@)

Abstract:Thetechnologyofintelligentm

thispaperthemethodsofpathplanningareclassifiedintofourclasses:Templatebased,artificialpotentialfieldbased,map

buildingbasedandartifi,thebasictheoriesofthepathplanningmethodsareintroduced

briefl,y,thetechnologydevelopmenttrendsof

intelligentmobilerobotpathplanningaregiven.

Keywords:Mobilerobot；Pathplanning；Artificialpotentialfield；Templateapproach；Mapbuilding；Neuralnetwork;

Intelligentcomputation

1引言

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.

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: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

收稿日期:2009-08-30；修回日期:2009-11-18.

[1]

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

基金项目:国家自然科学基金项目(50775136)；高校博士点基金项目(21)；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.

962

控制与决策

第25卷

个最优匹配模版;然后对该模版进行修正,并以此作

为最后的结果.模版匹配技术在环境确定情况下,有

较好的应用效果.如Vasudevan等

[4]

提出的基于案例

的自治水下机器人(AUV)路径规划方法,Liu等

[5,6]

提

出的清洁机器人的模版匹配路径规划方法.为了提

高模版匹配路径规划技术对环境变化的适应性,部

分学者提出了将模版匹配与神经网络学习相结合的

方法,如Ram等

[7]

将基于事例的在线匹配和增强式

学习相结合,提高了模版匹配规划方法中机器人的

自适应性能,使机器人能部分地适应环境的变化,以

及Arleo等

[8,9]

将环境模版与神经网络学习相结合的路

径规划方法等.

模版匹配路径规划方法原理简单,在匹配成功时

效果较好.但该方法的致命缺陷是依赖机器人的过去

经验,如果案例库中没有足够的路径模版,就可能找

不到与当前状态相匹配的路径;同时该方法主要针对

静态环境的路径规划,一旦环境动态变化,则较难找

到匹配的路径模版.这些不足严重限制了模版匹配路

径规划技术的深入研究与推广应用,因此模版匹配要

具有足够匹配的案例(路径)及对环境变化的适应性.

3人工势场路径规划技术

人工势场路径规划技术的基本思想是将机器人

在环境中的运动视为一种机器人在虚拟的人工受力

场中的运动.障碍物对机器人产生斥力,目标点对机

器人产生引力,引力和斥力的合力作为机器人的控制

力,从而控制机器人避开障碍物而到达目标位置.

早期人工势场路径规划研究是一种静态环境的

人工势场,即将障碍物和目标物均看成是静态不变

的.机器人仅根据静态环境中障碍物和目标物的具体

位置规划运动路径,不考虑它们的移动速度.然而,现

实世界中的环境往往是动态的,障碍物和目标物都可

能是移动的.为了解决动态环境中机器人的路径规划

问题,Fujimura等

[10,11]

提出一种相对动态的人工势场

方法,将时间看成规划模型的一维参量,而移动的障

碍物在扩展的模型中仍被看成是静态的,这样动态路

径规划仍可运用静态路径规划方法加以实现.该方法

存在的主要问题是假设机器人的轨迹总是已知的,但

这一点在现实世界中难以实现.对此,Ko等

[12]

将障

碍物的速度参量引入到斥力势函数的构造中,提出

动态环境中的路径规划策略,并给出了仿真结果.但

是,该方法的两个假设使其与实际的动态环境存在距

离:1)仅考虑环境中障碍物的运动速度,未考虑机器

人的运动速度;2)认为障碍物与机器人之间的相对速

度是固定不变的,这不是完整的动态环境.对于动态

路径规划问题来说,与机器人避障相关的主要是机器

人与障碍物之间的相对位置和相对速度,而非绝对位

置和速度.对此,Ge等

[13,14]

将机器人与目标物的相对

位置与相对速度引入吸引势函数,将机器人与障碍物

的相对位置与相对速度引入排斥势函数,提出动态环

境下的机器人路径规划算法,并将该算法应用于全方

位足球移动机器人的路径规划中,取得了比较满意的

仿真与实验结果.Dennis等

[15-18]

在此基础上,进一步

考虑到多障碍物的路径规划和人工势场路径规划的

局部极小问题,提出移动机器人“能见度势场”的概

念,给出一种障碍物削减策略,以解决多障碍物路径

规划产生的计算量激增问题.最近,Jaradat等

[19,20]

将

模糊理论与人工势场技术相结合,提出模糊人工势场

算法,并与机器人动力学模型相结合,给出了相对完

整的移动机器人路径规划与驱动控制方法.

人工势场路径规划技术原理简单,便于底层的实

时控制,在机器人的实时避障和平滑轨迹控制等方面

得到了广泛研究.但人工势场路径规划方法通常存

在局部极小点,尽管也有不少针对局部极小的改进方

法,但到目前为止,仍未找到完全满意的答案.另外,

在引力和斥力场设计时存在人为不确定因素,在障碍

物较多时还存在计算量过大等问题,这些因素的存在

限制了人工势场路径规划方法的广泛应用.应用中的

难点是动态环境中引力场与斥力场的设计、局部极小

问题的解决.

4地图构建路径规划技术

地图构建路径规划技术,是按照机器人自身传

感器搜索的障碍物信息,将机器人周围区域划分为不

同的网格空间(如自由空间和限制空间等),计算网格

空间的障碍物占有情况,再依据一定规则确定最优

路径

[21-23]

.地图构建又分为路标法和栅格法,也称单

元分解法.前者是构造一幅由标志点和连接边线组

成的机器人可行路径图,如可视线方法

[24]

、切线图方

法

[25]

、Voronoi图方法

[26,27]

和概率图展开法等

[28,29]

.

可视图法将机器人看成一个点,机器人、目标点

和多边形障碍物的各顶点进行组合连接,并保证这

些直线均不与障碍物相交,便形成一张图,称为可视

图.由于任意两直线的顶点都是可见的,从起点沿着

这些直线到达目标点的所有路径均是运动物体的无

碰路径,路径规划就是搜索从起点到目标点经过这些

可视直线的最短距离问题;切线图法和Voronoi图法

对可视图法进行了改造.切线图法以多边形障碍物模

型为基础,任意形状障碍物用近似多边形替代,在自

由空间中构造切线图,因此从起始点到目标点机器人

是沿着切线行走,即机器人必须几乎接近障碍物行

走,路径较短.但如果控制过程中产生位置误差,移动

机器人碰撞的可能性会很高.Voronoi图由一系列的

直线段和抛物线段构成.直线由两个障碍物的顶点或

第7期

朱大奇等:移动机器人路径规划技术综述

963

两个障碍物的边定义生成,直线段上所有点必须距

离障碍物的顶点或障碍物的边相等.抛物线段由一

个障碍物的顶点和一个障碍物的边定义生成,抛物

线段同样要求与障碍物顶点和障碍物的边有相同距

离.与切线法相比,Voronoi图法从起始节点到目标节

点的路径将会增长,但采用这种控制方式时,即使产

生位置误差,移动机器人也不会碰到障碍物,安全性

较高.图1为切线图法与Voronoi图法示意图.

(a)