移动机器人的路径规划算法

1简介

移动机器人的路径规划问题是在有障碍物的工作环境中找到从给定起点到终点的适当运动路径，以便机器人可以安全地绕过所有障碍物，并且在运动过程中不会发生碰撞. [1].

障碍环境下机器人的无碰撞路径规划[2]是智能机器人研究的重要课题之一. 由于障碍空间中机器人运动计划的高度复杂性，到目前为止，这个问题尚未得到很好的解决. 根据机器人的工作环境模型，路径规划问题可以分为两种类型. 一种是基于模型的路径规划，并且工作环境中的所有信息都是可预测的. 另一个是基于传感器的路径规划，而工作环境的信息就全部包含了. 未知或部分未知.

关于机器人路径规划的研究，来自世界各地的专家和学者提出了许多不同的路径规划方法，它们可以分为全局路径规划方法和局部路径规划方法. 全局路径规划方法包括配置空间法，广义锥法，顶点图像法，网格划分法；局部路径规划方法主要包括人工势场法. 这些方法各有优缺点[3]，任何方法都不能应用于任何场合.

本文提出了最短切线路径的规划方法. 涉及的理论并不先进. 该计算简单且易于实现. 专注于该应用程序的读者可以使用它. 下面将详细描述该算法的基本原理，最后给出仿真结果.

2最短切线路径算法

2.1算法的基本原理

（1）首先确定机器人与给定目标位置之间是否存在障碍物. 如图1所示，B表示目标位置移动机器人目标，其坐标为（xB，yB），R和A表示机器人和障碍物，坐标为（xR，yR），（xA，yA）. Rr和Ra表示机器人与障碍物的碰撞半径，也就是说，在半径之外没有碰撞的危险. 这是有关碰撞半径选择的一些解释. 碰撞半径越小，碰撞的风险越大，但切线路径越短；碰撞半径越大，碰撞的风险越小，但切线路径越长. 碰撞半径应根据实际情况和控制要求确定. 如果机器人与目标位置之间没有障碍物，则机器人可以直行到目标位置，直线方程可以由两点确定:

用+ + c = 0表示为ax +的标准格式为:

如果d> Ra + Rr，则机器人可以沿直线到达目标点，而无需接触物体A. 此时，物体A不再是障碍物. 如果d

（2）查找切线路径. 如图1所示，以A为圆心，Ra + Rr为碰撞圆的半径，公式为:

k 1和k 2是要计算的斜率，联立方程:

两个切线k 1和k 2的斜率可以分别获得. 显然，k 1和k 2具有两个值，分别对应于两个切线方程. 两组切线相交，并且由方程组成

找到两个交叉点C1和C2，称为绕过障碍物A的航路点. 因此，可以获得绕过障碍物A并到达目标点B的两条切线路径，路径1: R→C1→B；路径2: R→C2→B. 比较两条路径的长度，如图1所示， RC 1 | + | BC 1 | <| RC 2 | + | BC 2 |，可以看出路径1是最短的切线路径.

2.2多障碍情况

对于存在多个障碍的情况，可以将其分为几种情况进行考虑.

（1）障碍物位于前一个障碍物的中点. 换句话说，机器人要到达的中点位于另一个障碍物的碰撞圆中. 如果机器人到达中点，则可能会遇到障碍物. 在这种情况下，可以使用障碍物的坐标查找该侧的中点. 对于另一边的中点，如果有障碍物，则进行相同的处理；如果没有，则中点保持不变. 然后，仍然计算并比较两条路径的长度，选择最短的切线路径. 如图1所示. 在图2中，图中的虚线表示原始路径1，因为中途点被障碍物A2阻挡，所以路径1向上移动. 目前，| RC 1 | ＋ | BC 1 |> | RC 2 | + | BC 2 |，最短的切线路径应该是路径2.

（2）切线路径上有障碍物. 绕过多个障碍物到达最终位置的任务可以分为几个子任务，每个子任务都需要绕过一个障碍物. 这样，子任务相当于前面只有一个障碍物的情况. 令Bi和Ci分别表示第i个子任务的目标点和中点. 如果在执行第i个子任务时Bi的路径上存在障碍，则添加第i + 1个子任务. 此时，目标点Bi + 1为Bi；如果通往Ci的路径上有障碍，则添加第i + 1个子任务移动机器人目标，目标点Bi +1为Ci. 类似地，搜索切线路径，直到到达给定的最终目标位置为止，然后将最短切线路径的总和计算为最佳路径. 图3显示了机器人绕两个障碍物并到达目标位置的行走路径. 

3个实际应用

（1）处理机器人对于工厂车间的移动处理机器人，切线路径规划方法是一种可行且实用的方法. 首先，可以实时测量机器人和障碍物的位置，并且障碍物通常是固定的；其次，障碍物的数量是固定的，形状和大小是可预测的；再次，要想提高操纵效率，机器人必须具有最短的行走路径和一条直线.

（2）足球机器人Mirosot足球机器人是两轮驱动机器人. 在机器人足球比赛中，悬在球场上方的可以识别机器人和两侧球的坐标，并将其传递给计算机. 在比赛中，机器人会将球踢向对手的球门并得分. 机器人必须首先避开其他机器人并接住球. 根据该算法，将球的坐标用作目标位置，而将其他阻塞其路径的机器人用作实时路径规划的障碍. 为了仅避免碰撞，而不是完全避免碰撞（实际上，在游戏中不可避免发生碰撞），可以选择尽可能小的碰撞半径，足以覆盖机器人. 尽管碰撞的危险增加，但切线路径可能尽可能多. 缩短.

4个仿真结果

图4是在Simurosot 5至5机器人足球模拟游戏平台上使用此算法进行编程策略和运行所获得的模拟结果. 应当注意，为了便于观察，在该示例中，球和障碍物是固定的. 但这并不是说该算法不能在体育比赛中使用. 算法中的坐标是实时测量的，路径是实时计算的，获得的结果应该是实时有效的. 但是，基于游戏过程中动作的快速变化，只有经过长期的测试和观察，才能看到实际的效果，效果不仅取决于算法的进步，而且在很大程度上取决于水平. 程序员的软件.

5个结论

移动机器人的路径规划方法很多. 可以说每种方法都有其优点和缺点，没有一种方法可以在任何场合使用. 结果，各种新算法不断涌现，一方面，它丰富了解决问题的手段，并且总是可以在不同情况下找到合适的算法. 另一方面，它不断吸收新的理论并促进该主题的不断发展. 值得一提的是，一些新算法，不管它们是否实用，为了赶上潮流，都使用了刚刚研究的一些理论结果. 这些理论太过复杂或不成熟，所产生的算法又长又难于理解. 不现实，不可能实现. 还有一些算法会牺牲速度和时间，以使机器人脱离平滑和完美的曲线. 这些是不希望的. 应该说，一个好的算法并不在于它所包含的理论的深度，而是在于它的实用性. 相反，该算法理论简单，计算速度快，易于接受. 关键是要看到最终的效果. 本文介绍的切线路径算法是一种几何方法，尚无高级理论. 易于理解，易于实现，计算简单，可以提高运行效率. 但是，最终的运行效果取决于编程级别.

关键字: 编辑: 金海参考地址: 本网站上复制的所有文章，图片，音频和视频文件及其他材料的版权归版权所有者所有. 本网站上使用的原始文章和图片不同. 与版权所有者联系. 如果在本网站上选择的文章的作者和编辑认为他们的作品不适合免费公开发布，或者不应免费使用，请及时通过电子邮件或电话通知我们，以迅速采取适当措施以避免不必要的后果对双方的经济损失.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-195239-1.html