机器人在线路径规划改进算法.pdf

《机器人在线路径规划改进算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、362010，46（28）ComputerEngineeringandApplications计算机工程与应用机器人在线路径规划改进算法隋玲玲，陈雄SUILing-ling，CHENXiong复旦大学电子工程系，上海200433DepartmentofElectronicEngineering，FudanUniversity，Shanghai200433，ChinaE-mail：linglingsui@163.comSUILing-ling，CHENXiong.Improvedalgorithmforrobotonline

2、pathplanning.ComputerEngineeringandApplica-tions，2010，46（28）：36-39.Abstract：Anonlinepathplanningmethodisproposed.Firsttheruleforsubgoalmappingismodified；thenthediagonaldis-tancetoA*searchalgorithmforlocalpathfindingtobetteradapttherealtimerequirementisintroduced，a

3、lsoatabusearchanddiversificationstrategyisincludedtoovercomethelimitationofoscillationanddeadcirculation，whichisalwaysencounteredintraditionalrollingmethod.Theflexibilityandeffectivenessareillustratedinthesimulationtests.Keywords：rollingwindow；subgoalmapping；A*sea

4、rchalgorithm；diagonaldistance；tabusearch；diversification摘要：未知环境下机器人路径规划要求实时有效，针对传统动态窗口滚动优化算法易出现局部最小、震荡等问题，重新设计了子目标映射法则，并对局部路径规划算法引入对角线距离作为代价函数中的启发式部分，最后引入了禁忌搜索和多样化随机路径选择模块，克服了局部最小和震荡等问题，仿真实验证明了该算法可靠有效。关键词：滚动窗口；子目标映射；A*搜索算法；对角线距离；禁忌搜索；多样化选择DOI：10.3778/j.issn.1002-8

5、331.2010.28.010文章编号：1002-8331（2010）28-0036-04文献标识码：Ａ中图分类号：TP241引言时间，并且随着环境的复杂度指数上升，无法满足路径规划的未知环境下的路径规划是移动机器人导航任务中重要任实时性。为此需要寻找更为简单快速的算法。务之一，尤其在战地侦查、伤员搜救、深海作业、无人驾驶系由于实际应用中环境信息不完整，或是完全未知，其问题统、机器人助残等方面有着关键的应用。灵活有效的路径规关键在于如何充分利用已知局部信息规划可行路径并在反馈划算法能够帮助机器人适应各种复杂的环境，使其能够

6、自动的基础上尽可能考虑全局优化。文献[1]基于预测控制的广义识别环境，判断路径，继而到达指定地点完成任务。原理，提出了基于动态窗口的滚动规划算法，较好地解决了静传统规划算法如人工势场法（ArtificialPotentialField）[1-3]、态未知环境中的路径规划问题。但是随着工作范围增大，环随机位图法（ProbabilisticRoadmap）[4-5]、快速随机树（Rapidly境复杂度提高，算法易出现震荡、死循环等问题而无法找到可RandomizedTrees）[6]等都是在地图已知路径规划的基础上发行路径，限

7、制了该方法在实际场景的广泛应用。展而来的。其中RRTs、PRM属于随机类方法，需要不断地抽基于此提出了一种改进的在线滚动窗口方法，首先简化取随机点，然后根据一系列的约束准则寻找最优路径。对环了原子目标映射法则；其次对局部路径规划A*搜索算法引入境无先验知识，机器人只能对周围环境进行估计生成随机点，对角线距离作为启发式距离函数，提高了局部路径的平滑度；其性能评价不符合统计特性，路径容易出错，难以保证全局优最后算法引用禁忌搜索算法思想和路径多样化法则，有效解化；APF方法可根据传感器探测到的环境信息构建人工势场，决了震荡或死循

8、环等问题，并可保证算法的有效性和路径的实现局部避障和目标制导，但APF方法应用在未知环境中易最终可达。出现局部最小和之字形路线，也难以保证全局优化和路径的最终可达。后来陆续出现的一些启发式算法，如遗传算法2系统框架设计（Geneticalgorithm）[7]、蚁群算法（Swarm）[8]和神经网络算法