機器人路徑規(guī)劃算法研究

謝強帥 胡焱程

【摘?要】隨著科學(xué)技術(shù)的發(fā)展和生活水平的提高，智能移動物體（移動機器人）逐漸融入人們的日常生活，如家居掃地機器人、導(dǎo)購機器人等。智能移動對象可以根據(jù)一定的性能指標，如花費的時間最少、走的路徑最短等，來搜索從起點到目標點的最優(yōu)或次優(yōu)無沖突路徑。路徑規(guī)劃是研究這類機器人的核心，許多研究者對移動機器人的路徑規(guī)劃做了大量的研究。

【關(guān)鍵詞】機器人;路徑規(guī)劃;算法

引言

路徑規(guī)劃是機器人設(shè)計中最基本、最重要的因素之一，因此對其算法的研究尤為重要。本文對傳統(tǒng)路徑規(guī)劃算法和智能路徑規(guī)劃算法進行了詳細的研究，并用MATLAB軟件進行了算法仿真實驗，驗證了解決路徑規(guī)劃問題的可行性。最后，通過對兩種算法的比較和分析，確定最優(yōu)算法。

1、機器人傳統(tǒng)路徑規(guī)劃算法

1.1障礙物分類

傳統(tǒng)的機器人設(shè)計路徑規(guī)劃策略需要首先對環(huán)境中的障礙物進行分類，然后根據(jù)不同類型的障礙物設(shè)計相應(yīng)的路徑規(guī)劃策略。在特定環(huán)境下，機器人測距傳感器實時采集障礙物信息。

1.2路徑規(guī)劃策略分析

在特定環(huán)境中，可能存在多種類型的障礙，但這些障礙可分為上述四種基本類型的一種或多種組合。因此，必須分別分析每一類基本障礙的路徑規(guī)劃戰(zhàn)略。當(dāng)機器人沒有檢測到四個方向上的障礙物時，它沒有路徑規(guī)劃行為，機器人直走。規(guī)劃機器人的路徑時，為了避免與障礙物相碰撞，必須保持機器人與障礙物之間的一定距離，即安全距離。安全距離太小，機器人無法進入路徑規(guī)劃模式并與障礙物相碰撞，導(dǎo)致路徑規(guī)劃失敗。安全距離選擇大會是為了使機器人提前轉(zhuǎn)向，最終遠離目標點。因此，在分析路徑規(guī)劃策略之前，必須確定機器人的安全距離。因此，分叉中心是機器人底盤的幾何中心。從底盤幾何中心到履帶頂部的距離約為200mm，這是最可能與障礙物相碰撞的危險點。由于停車過程中的慣性，機器人繼續(xù)前進大約50毫米的距離，這是經(jīng)過多次試驗后測量出來的。出于安全考慮，機器人的安全距離被選擇為300mm。

1.3算法分類

蟻群算法、機器人傳統(tǒng)路徑規(guī)劃算法、基于遺傳算法的機器人路徑規(guī)劃

2、路徑規(guī)劃問題

2.1全局路徑規(guī)劃問題

在全局環(huán)境中，自主移動自動機使用預(yù)先存儲的全局靜態(tài)環(huán)境信息來計劃從指定起點到目標點的最短無接觸路徑。此時，機器人在全局調(diào)度模式下工作，工作模式轉(zhuǎn)換方案。自動機在全局計劃模式下工作，當(dāng)在安全區(qū)域中檢測到移動對象時，自動機會執(zhí)行一系列計算以確定是否需要更改操作模式。當(dāng)自動機穿過碰撞區(qū)域而安全區(qū)域中沒有其他對象移動時，它將返回到全局調(diào)度模式.

2.2局部路徑規(guī)劃問題

現(xiàn)實環(huán)境中有很多運動物體，比如人在環(huán)境中行走，大部分運動物體都是以恒定的最大運行速度跟隨直線運動，不會主動避開其他障礙物。機器人在檢測到安全范圍內(nèi)的運動物體時，會預(yù)測其運動路徑，例如計算其速度、方向和未來的運動路徑，并根據(jù)計算結(jié)果選擇合適的工作模式。

3、移動機器人路徑規(guī)劃算法研究

3.1移動機器人路徑規(guī)劃評估

關(guān)于路徑規(guī)劃的討論從以下幾點開始：（1）如果可以找到最佳路徑，則必須有實現(xiàn)這一點的智能算法?？梢钥闯龅缆匪阉魉惴ǚ浅Ｖ匾?）所用算法可隨時對自己的軌跡進行自適應(yīng)調(diào)整，以適應(yīng)外部環(huán)境的變化。同時，不需要重新計算所用的數(shù)據(jù)和算法，也不需要太復(fù)雜或占用太多內(nèi)存，從而大大提高了機器人的工作效率。（3）使用路徑規(guī)劃應(yīng)能使機器人準確地描述地形，以避免各種問題。（4）路徑規(guī)劃后得到的路徑應(yīng)為最優(yōu)路徑。（5）移動機器人必須完全和部分約束在最佳路徑上。

3.2移動機器人的路徑規(guī)劃特征

移動機器人所處的環(huán)境因素通常很復(fù)雜，可歸納如下：（1）隨機：由于環(huán)境中的某些隨機和不確定因素，復(fù)雜性和可變性各不相同。如果障礙物形狀不明，當(dāng)移動機器人處于這種環(huán)境中時，會有很大的不確定性，可能會影響移動機器人的安全。（2）多重指標：在規(guī)劃路徑時必須考慮到許多影響因素。在許多情況下，您需要同時滿足最短路徑、最佳時間和最大安全性的要求。（3）復(fù)雜性：移動機器人所處的環(huán)境往往是動態(tài)和不穩(wěn)定的，使得計算非常不確定和復(fù)雜。計算的規(guī)模使路徑規(guī)劃過程變得不那么容易。（4）多重約束：實際上，移動機器人也有許多物理約束，如體積和速度、加速度和最大轉(zhuǎn)彎角度。航跡規(guī)劃是各種研究人員研究的移動機器人不可避免的困難和熱點。無論是傳統(tǒng)算法還是結(jié)合仿生學(xué)的一套算法，對智能算法的深入研究都產(chǎn)生了許多實際結(jié)果，各種算法的應(yīng)用方案都很有限，而且通常都在它們能夠適應(yīng)的環(huán)境中使用。

3.3移動機器人路徑規(guī)劃算法性能分析

通過分析最常見的算法類型，可以得出以下結(jié)論：（1）a*算法和遺傳算法等算法可應(yīng)用于總體規(guī)劃。（2）另一方面，人工動態(tài)場法可保持與障礙物的安全距離，路徑平穩(wěn)。（3）與其他算法相比，星a算法結(jié)構(gòu)簡單。（4）類似的神經(jīng)模糊算法是較為復(fù)雜的算法類型。本文以算法A*為研究對象，并通過相應(yīng)的仿真試驗進一步彌補了傳統(tǒng)算法A*本身的不足，以驗證。

4、三種算法對比分析

使用智能算法規(guī)劃機器人路徑時，往往不是沒有要求，要附加路徑距離更短、算法搜索效率更高或算法穩(wěn)定性更強等限制。MATLAB只對蟻群算法和遺傳算法進行仿真，驗證了蟻群算法和遺傳算法解決路徑規(guī)劃問題的可行性。下面將從最短路徑長度和最優(yōu)路徑比兩個方面對兩種智能路徑規(guī)劃算法進行比較和分析。

遺傳算法得到的路徑比蟻群算法短，說明遺傳算法更智能;在獲得最優(yōu)路徑比方面，遺傳算法遠高于蟻群算法，說明遺傳算法具有更好的搜索穩(wěn)定性。與蟻群算法相比，遺傳算法更加智能和穩(wěn)定，因此選擇遺傳算法來解決機器人路徑規(guī)劃問題。根據(jù)設(shè)計要求，機器人應(yīng)具有路徑規(guī)劃功能，并可應(yīng)用遺傳算法解決機器人自主運動過程中的路徑規(guī)劃問題。

自動機首先向上級機器發(fā)送定位請求，由定位系統(tǒng)對自動機的當(dāng)前位置和位置進行初始標識。獲得機器人位置和位置信息后，調(diào)用遺傳算法規(guī)劃全局路徑，分析規(guī)劃結(jié)果，調(diào)用機器人操作程序，通過獲取起點、目標點和障礙物等信息開始控制機器人的運動。如果自動機檢測到障礙物，它將進入障礙物處理程序并確定自動機是否已到達目標點。如果是，則路徑規(guī)劃任務(wù)已完成。否則，您必須重新定位自動機制位置資訊，并遵循上述程序，直到到達目標點為止。要實現(xiàn)基于遺傳算法的智能路徑規(guī)劃，還需要能夠獲取環(huán)境信息的傳感器，如視覺傳感器和激光傳感器，如果沒有這些傳感器，就暫時無法獲取和處理環(huán)境信息。今后的研究將進一步提高機器人環(huán)境信息的獲取和處理能力，以便根據(jù)遺傳算法進行智能軌跡規(guī)劃。因此，本文最終選擇了傳統(tǒng)的路徑規(guī)劃算法來解決機器人自主運動過程中的路徑規(guī)劃問題。

結(jié)束語

本文首先對傳統(tǒng)的路徑規(guī)劃算法進行了詳細介紹，然后簡要介紹了智能路徑規(guī)劃算法的研究現(xiàn)狀，分別闡述了蟻群算法和遺傳算法的原理，并描述了利用這兩種算法解決路徑規(guī)劃問題的過程。同時，利用MATLAB軟件進行算法仿真實驗，驗證了蟻群算法和遺傳算法解決路徑規(guī)劃問題的可行性。然后，從最短路徑長度和最優(yōu)路徑比兩個方面對兩種算法進行了比較和分析。研究發(fā)現(xiàn)，遺傳算法比蟻群算法更智能、更穩(wěn)定。

參考文獻：

[1]張柳.基于改進RRT的水下航行器路徑規(guī)劃算法[J].計算機產(chǎn)品與流通，2018（6）：1-3.

[2]楊銳銳，王穎.蟻群算法的基本原理及參數(shù)設(shè)置研究[J].南方農(nóng)機，2018（13）：38-39.

[3]楊向文.移動機器人路徑規(guī)劃的研究[D].南昌：南昌大學(xué)，2020.

（作者單位：河南工學(xué)院）