移動機器人避障算法的研究
[摘 要] 對于移動機器人來說,在移動過程中是否能快速、準確地對周圍環境作出反應,比如避開前進中的障礙物并且不間斷地移動到目的地,是非常重要的。移動機器人的避障策略方法有很多。從文獻的數量上看,主要還是人工勢場法和柵格法較多。值得注意的是在同時具有靜態和運動物體的動態環境中,避障的實時性往往很差,主要是處理速度往往跟不上。其他算法還有回歸預測法、神經網絡法、遺傳算法等。本文總結了現在常用的幾種移動機器人避障算法和策略,并比較了各方法的優缺點及適用場合。
[關鍵詞]移動機器人 避障 模糊控制 路徑規劃 神經網絡
1、引言
路徑規劃與導航是移動機器人的核心技術,也是其智能性的體現。其中是否能實時、靈活地躲避障礙物是衡量移動機器人性能的一條關鍵指標,也是導航需要完成的重要任務之一。移動機器人是當今研究熱點,而機器人避障技術是移動機器人研究的一個重要方向,自主移動機器人(amr)導航是智能機器人研究的重要分支之一,在動態未知環境中,環境感知的局部性和動態障
礙物加大了機器人與障礙物碰撞的概率,如何根據局部信息做出合理的避障決策是實現機器人自主性的關鍵。動態避障時,路徑優化性、安全性和實時性是衡量決策質量的主要因素【2】。由于受諸多因素(時間、速度、加速度等)限制,如何合理設計簡單有效的實時避障算法尤為重要。根據對環境信息掌握的程度不同,可以將機器人避碰和路徑規劃分為兩種類型,一個是基于環境先驗完全信息的全局路徑規劃,又稱靜態規劃;另一個是基于傳感器信息的局部路徑規劃,又稱動態規劃。全局路徑規劃目前比較成熟,它首先對環境建模,然后進行路徑搜索。環境建模的主要方法有:可視圖法,自由空間法和柵格法;局部路徑規劃的主要方法有:人工勢場法、遺傳算法和模糊邏輯算法等【1】。這些方法各有優缺點,沒有一種方法能夠適用于任何場合。由于機器人足球比賽的高度動態性和高度實時性,一些計算量巨大的復雜算法不適用,而許多基于實際比賽經驗的方法則被廣泛使用。
