Matlab单自主移动观测平台路径规划算法研究(2)

菜单

1．1 课题研究背景及意义

移动观测平台具有较强的机动特性，在目标探测、战场侦察、监控与监视等领域有广泛的应用前景。移动观测平台路径规划属于机器人路径规划研究范畴，移动机器人路径规划是实现移动机器人智能化的一个关键技术，是人工智能研究中一个十分活跃的课题，主要指移动观测平台在有障碍物的工作环境中，找到一条满足一定性能指标的从起始位置到达目标位置的无碰撞的最优路径。路径规划算法的好坏直接决定着移动机器人的智能程度、移动机器人在活动过程中的鲁棒性、移动机器人动作的灵活性及准确性。其数学描述为：通过移动机器人视觉系统或其它途径所获得的环境信息来给定移动机器人所处的实时环境，一个起始点和一个期望的终止目标点。路径规划是根据一定的任务要求，基于机器人的参数和转弯角度、加速度等约束，寻求一条能够连接起始点到终止目标点且能够避开环境中障碍物的移动机器人的运动轨迹，通常此运动轨迹为最优或次最优无碰撞有效路径[1]。

作为机器人学中的一个重要课题，路径规划技术正随着科技的进步不断得到改善，从早期的栅格法、可视图法到A*算法、自由空间法、D*算法以及其改进算法，进而发展到人工势场法、神经网络算法、遗传算法、模糊逻辑算法、各种群智能算法，这些路径规划算法都有其各自适用情况。

路径规划可依据不同的情况分成不同的类别

（1）根据不同的工作环境模型：可将路径规划方法分为基于模型的全局路径规划方法、基于传感器件的局部路径规划方法及混合型路径规划方法[2]；

（2）根据机器人平台环境不同：可将路径规划方法分为平整路面规划、起伏路面规划或室内规划、室外规划；

（3）根据环境中是否存在运动中的障碍物：可将路径规划方法分为静态规划、动态规划；

（4）根据路径规划方法的不同：可将路径规划方法分为常规路径规划方法、智能路径规划方法；也可分为基于地图、基于传感器探测模型及基于行为的路径规划方法；

（5）按照机器人系统中控制变量数目及其位资空间维数关系：可将路径规划方法分为非完整系统运动规划、完整系统路径规划。

1．2 国内外研究现状

目前，人们已研究出多种单自主移动观测平台路径规划的方法，其中典型的优人工势场法[3]、栅格法[4]、遗传算法[5]、粒子群算法、蚁群算法等。

1.2.1 人工势场法

O．Khatib 在1986 年提出来将人工势场法应用于机器人避障，其实质是把机器人的运动空间定义为一个抽象势场，该势场为目标位置的引力场和运动空间中障碍物的斥力场的叠加，机器人在合势场的作用下运动。引力场函数随机器人与目标点的距离增加而单调递增，且方向指向目标点；斥力场函数在机器人处在障碍物位置时有一极大值，并随机器人与障碍物距离的增大而单调减小，方向指向远离障碍物方向。因人工势场法计算简单、易于实现，因而得到了广泛的应用，但在进行路径规划时容易陷入局部最小值，可利用膨胀与腐蚀算法对复杂空间进行预处理或通过优化势场函数和添加辅助点的方法进行改进。

1.2.2 栅格法

栅格法是以栅格为单位来表示机器人的工作环境。工作环境被划分为一个个大小一样并且有一定分辨率的栅格，即设所要进行机器人路径规划区域的长为，宽为，机器人的长和宽都为，栅格的大小和机器人的大小尺寸一样，则可以计算出所要清扫的栅格的数量为。整个路径规划区域由栅格组成，栅格用来表示，每个栅格被占据的可能性可以用函数来表示。当时，表示该栅格被占据；当时，表示该栅格是自由的区域，没有被占据。