移動機器人路徑規(guī)劃算法研究及仿真平臺的設(shè)計與實現(xiàn)

一、項目介紹

1、項目來源：

當移動機器人處在一個簡單或復雜、靜態(tài)或動態(tài)、已知或未知的環(huán)境中時，機器人的首要任務(wù)是感知環(huán)境，避開障礙物，然后以最小或較小的消耗（時間、空間或者能量）完成自己的任務(wù)，這個過程的基礎(chǔ)所在就是路徑規(guī)劃。所謂路徑規(guī)劃是指按照一定的性能指標，機器人如何從所處的環(huán)境中搜索到一條從初始位置開始的實現(xiàn)其自身目的最優(yōu)或次優(yōu)路徑。路徑規(guī)劃是機器人研究中的重要領(lǐng)域，通常路徑規(guī)劃包括兩個層面的意思：一個是關(guān)節(jié)機器人空間的路徑規(guī)劃；另外一個是移動機器人路徑規(guī)劃。前者具有較多的自由度，現(xiàn)在較多的應(yīng)用于工業(yè)機器人中；而后者在近十年來的發(fā)展極為迅猛，其研究內(nèi)容也更為廣闊。我們選取后者作為研究內(nèi)容。

實際上，移動機器人的路徑規(guī)劃方法是基于不同的環(huán)境和具體的移動機器人控制體系結(jié)構(gòu)的，在差異較大的環(huán)境中對于性能不同的移動機器人來說，不同的路徑規(guī)劃方法各有自己的優(yōu)勢與劣勢。目前還沒有一種規(guī)劃方法適合各種環(huán)境任何系統(tǒng)，并且有時候選擇不同的規(guī)劃方法結(jié)合雙方的優(yōu)點可以取得更好的規(guī)劃效果。

二、項目計劃實施內(nèi)容

1. 分析一般路徑規(guī)劃算法，了解設(shè)計需求；
2. 對傳統(tǒng)和智能機器人路徑規(guī)劃算法歸納整合，并給出相應(yīng)的程序；
3. 通過環(huán)境建模方法，提出機器人路徑規(guī)劃仿真系統(tǒng)平臺設(shè)計方法，解決環(huán)境、機器人、障礙物、路徑等采集與表示問題；
4. 建立算法接口，用以將環(huán)境信息及路徑規(guī)劃算法進行輸入輸出；
5. 實現(xiàn)機器人路徑規(guī)劃仿真平臺的設(shè)計；

通過制作智能車（AGV）實物，通過導航線（特殊的路徑規(guī)劃），完成路徑導航算法的測試。

三、預(yù)期成果及現(xiàn)階段已取得的研究成果

1、預(yù)期研究成果：

• 對移動機器人路徑規(guī)劃算法進行研究和分析，為移動機器人系統(tǒng)開發(fā)提供基礎(chǔ)；
• 改進或?qū)崿F(xiàn)部分路徑規(guī)劃算法，并利用Matlab或MSRS等軟件仿真；
• 設(shè)計并制作智能小車（AGV），設(shè)計導航線算法，進行實物驗證，從而驗證算法的可實現(xiàn)性；
• 建立環(huán)境模型、障礙物模型、機器人物理模型以及各種傳感器模型，作為方針平臺的底層框架；
• 開發(fā)出移動機器人路徑規(guī)劃仿真系統(tǒng)平臺；
• 撰寫總結(jié)報告一篇，力圖發(fā)表兩篇核心期刊論文；

2、現(xiàn)階段已取得的研究成果：

成果一：機器人路徑規(guī)劃算法部分

在2011年12月—2011年3月期間，我們對不同的路徑規(guī)劃算法進行了研究，并且利用Matlab軟件對其進行編程仿真，并且我們對仿真結(jié)果，進行了數(shù)據(jù)分析和研究，對不同的算法進行了對比，提出了各自的優(yōu)缺點。

下面我們選取幾種已經(jīng)做好的算法進行成果展示，分別為A*算法、人工勢場算法等。并且我們又進一步實現(xiàn)了避障及導航線循跡算法，為以后的研究工作奠定了基礎(chǔ)。

附錄為A*算法的流程，對于其他算法的模型及流程，詳見各開發(fā)文檔。

1、A*算法matlab仿真結(jié)果

上圖為采用A*算法的路徑規(guī)劃結(jié)果。圖中紅色圓點表示障礙物，藍色圓點表示起始點。由圖可以看出，A*算法的規(guī)劃效果比較好。

2、人工勢場算法matlab仿真結(jié)果

人工勢場法的基本原理就是在機器人所處離散環(huán)境中的每一點賦一個勢場值，的值是目標點的引力和障礙物的斥力的疊加。

和是距離影響因子，為與目標的距離，為與障礙物的距離。因此機器人的路徑規(guī)劃就是從起始點沿著勢場最快下降的方向達到目標點。

人工勢場受力模型圖

該方法的優(yōu)點是在數(shù)學描述上簡潔，可以使機器人迅速躲開突發(fā)障礙物，實時性好，因而經(jīng)常被用于局部路徑規(guī)劃的設(shè)計。

但是人工勢場法的缺點也比較多：

如下圖所示，會產(chǎn)生錯誤的結(jié)果：

1、存在陷阱區(qū)域：就是在路徑規(guī)劃中經(jīng)常會碰到局部極值點，也就是引力和斥力相等，合力為零的點，從而使機器人運動到一個死區(qū)，導致規(guī)劃失敗。

2、當目標點附近有障礙物時，智能機器人將永遠也到達不了目的地。在以往的一些研究中，目標點和障礙物都離得很遠，當機器人逼近目標點時，障礙物的斥力變的很小，甚至可以忽略，機器人將只受到吸引力的作用而直達目標。但在許多實際環(huán)境中，往往至少有一個障礙物與目標點離得很近，在這種情況下，在智能機器人逼近目標的同時，它也將向障礙物靠近，由于引力場函數(shù)和斥力場函數(shù)的定義，斥力將比引力大得多，這樣目標點將不是整個勢場的全局最小點，因此智能機器人將可能達不到目標。

3、在障礙物密集的區(qū)域會產(chǎn)生震蕩，從而無法完成路徑規(guī)劃。

4、在連續(xù)狹窄的障礙物通道中擺動，或是無法發(fā)現(xiàn)路徑。

產(chǎn)生上述問題的原因是由于人工勢場法把所有信息壓縮為單個合力，這樣就造成了把有關(guān)局部障礙物分布的有價值的信息拋棄掉的缺陷。