機器人運動(dòng)路徑規劃的性能指標包括：實(shí)時(shí)性、安全性和可達性等。在動(dòng)態(tài)環(huán)境中，由于環(huán)境信息是時(shí)刻變化的，如果移動(dòng)機器人實(shí)時(shí)性差，滯后于動(dòng)態(tài)環(huán)境，就可能會(huì )導致避障失敗。安全性和可達性也很重要。一個(gè)性能指標不好的方法，即使它能使移動(dòng)機器人走出出色的軌跡，也將被淘汰。而有些方法沒(méi)有G深的理論，但計算簡(jiǎn)單，實(shí)時(shí)性、安全性好，則有存在的空間。如何使性能指標更好是各種算法研究的一個(gè)重要方向。

智能化移動(dòng)機器人路徑規劃主要包括模糊控制、神經(jīng)網(wǎng)絡(luò )、遺傳算法以及它們的相互結合等方法。智能化方法能模擬人的經(jīng)驗，逼近非線(xiàn)性，具有自組織、自學(xué)習功能并且具有一定的容錯能力。這些方法應用于路徑規劃會(huì )使移動(dòng)機器人在動(dòng)態(tài)環(huán)境中更靈活，更具智能化。

移動(dòng)機器人的多傳感器信息融合也是當今一個(gè)比較活躍的研究L域。移動(dòng)機器人在動(dòng)態(tài)環(huán)境中進(jìn)行路徑規劃所需信息都是從傳感器得來(lái)。單傳感器難以保證輸入信息準確與可靠。多傳感器所獲得信息具有冗余性，互補性，實(shí)時(shí)性和低代價(jià)性，且可以快速并行分析現場(chǎng)環(huán)境。具體方法有采用概率方法表示信息的加權平均法，貝葉斯估計法，多貝葉斯法，卡爾曼濾波法，統計決策理論法。有采用命題方法表示信息的D-S證據推理，模糊邏輯，產(chǎn)生式規則，還有仿效生物神經(jīng)網(wǎng)絡(luò )的信息處理方法，人工神經(jīng)網(wǎng)絡(luò )法等。

基于行為的路徑規劃方法是一種自底向上的構建系統方法，即把路徑規劃分解成一系列相對獨立的小系統，在運行狀態(tài)下通過(guò)競爭機制取得控制機器人的主導權，并在與環(huán)境交互作用中終達到目標�；�于功能/行為的機器人控制結構融合了兩者優(yōu)點(diǎn)，既有基于功能控制結構的必要理性，又有基于行為控制結構的快速響應。

1 移動(dòng)機器人路徑規劃技術(shù)的分類(lèi)
按照機器人對周?chē)�環(huán)境信息的識別與對信息的掌握程度以及對不同種類(lèi)障礙物的識別進(jìn)行分類(lèi)，可將機器人路徑規劃分成四類(lèi)：D一類(lèi)，在已知的比較熟悉的環(huán)境中，根據靜態(tài)障礙物的位置對移動(dòng)機器人的路徑進(jìn)行規劃；D二類(lèi)，在未知的比較陌生的環(huán)境中根據靜態(tài)障礙物的位置對移動(dòng)機器人的路徑進(jìn)行規劃；第三類(lèi)，在已知的比較熟悉的環(huán)境中，根據動(dòng)態(tài)障礙物的運行狀態(tài)對移動(dòng)機器人的路徑進(jìn)行規劃；第四類(lèi)，在未知的比較陌生的環(huán)境中，根據動(dòng)態(tài)障礙物的運行狀態(tài)對移動(dòng)機器人的路徑進(jìn)行規劃。根據機器人對周?chē)�環(huán)境的掌握能力不同，可以對路徑規劃技術(shù)進(jìn)行劃分，D一類(lèi)是在對周?chē)�環(huán)境信息已經(jīng)驗證的基礎上對移動(dòng)機器人的的路徑進(jìn)行規劃，所規劃的路徑為全局路徑；D二類(lèi)是基于傳感器信息的基礎上對機器人的路徑進(jìn)行規劃，規劃的路徑為局部路徑[1]。移動(dòng)機器人的路徑規劃方法一般可以劃分成兩大類(lèi)型，即傳統方法與智能方法。
2 全局路徑規劃方法
2.1 拓撲法
該路徑規劃的方法主要就是把所規劃的空間進(jìn)行分割，并形成具有拓撲特點(diǎn)的子空間，同時(shí)構建拓撲網(wǎng)絡(luò )，并在其中探索出起點(diǎn)至終點(diǎn)的詳細拓撲路徑，然后根據拓撲路徑的路徑規劃得到終需要的幾何路徑。拓撲路徑的規劃方法是以降維法為主要依據，也就是，將G維的比較復雜的空間幾何路徑求法轉化為低維的比較簡(jiǎn)單的拓撲空間的辨別連通方法。這種方法的明顯優(yōu)勢就是對拓撲特點(diǎn)進(jìn)行充分利用，進(jìn)而有效地減小實(shí)際搜索的空間范圍[2]。而其算法的復雜程度則只是同障礙物數目有較大關(guān)系，所以，主要的問(wèn)題就是在障礙物數量增加的情況下，采取合理措施對已有拓撲網(wǎng)絡(luò )進(jìn)行修正，并實(shí)現圖形速度提升的目的。
2.2 可視圖法
這種路徑規劃的方法就是將機器人看做是一個(gè)點(diǎn)，然后進(jìn)行合理組合，并將機器人與目標點(diǎn)、多邊形障礙物的各D點(diǎn)相連。在連接點(diǎn)的過(guò)程中，需要保證直線(xiàn)可視，也就是目標點(diǎn)與多邊形障礙物的各D點(diǎn)以及各個(gè)障礙物D點(diǎn)間的連線(xiàn)不能穿越障礙物。通過(guò)這種方式能夠有效的將搜索優(yōu)路徑轉化為由起點(diǎn)到目標點(diǎn)間的可視直線(xiàn)的短距離。使用優(yōu)化算法，既可以簡(jiǎn)化視圖，又可以減少搜索需要的時(shí)間。這種方法大的好處就是可以有效的縮短路徑，但是在計算上忽略了機器人自身的尺寸，這在實(shí)際操作中，當機器人經(jīng)過(guò)障礙物時(shí)J容易與障礙物的距離過(guò)近或者發(fā)生碰觸，會(huì )延長(cháng)搜索的時(shí)間。這種情況并不是不可控制的，適當的應用切線(xiàn)圖和Voronoi圖能夠對可視圖的方法進(jìn)行完善[3]。切線(xiàn)圖是將障礙物切線(xiàn)使用弧來(lái)表示，通過(guò)弧來(lái)表示就可以使機器人在起點(diǎn)到目標點(diǎn)短路徑行走時(shí)，只是接近障礙物不會(huì )碰觸到障礙物。但是，這個(gè)方法也存在一定的不足，就是如果在控制的過(guò)程中位置設置出現偏差，就會(huì )使機器人與障礙物發(fā)生碰撞。Voronoi圖的應用原理是用遠離障礙物的路徑表示弧，這種表示方式會(huì )使路徑的距離增加，位置的誤差也會(huì )加大，但是這種方式會(huì )減少機器人與障礙物發(fā)生碰撞的幾率。
2.3 柵格法
柵格法是將機器人運行的環(huán)境進(jìn)行劃分，將整個(gè)環(huán)境劃分成網(wǎng)格單元，而且在機器人運行的空間內，障礙物的位置和尺寸保持不變，在機器人實(shí)際工作中，障礙物也不會(huì )發(fā)生變化。柵格的尺寸大小都相同，通過(guò)柵格來(lái)對機器人的二維工作空間進(jìn)行劃分，如果一個(gè)柵格內沒(méi)有障礙物，那么就可以將這個(gè)柵格當做自由柵格；如果一個(gè)柵格內存在障礙物，那么這個(gè)柵格就是障礙柵格。在柵格中，自由空間與障礙物都是由柵格塊的集成來(lái)表示，對障礙物柵格和自由柵格有兩種標記方式：直角坐標法和序號法。一般情況下，機器人工作的環(huán)境是用四叉樹(shù)與八叉樹(shù)來(lái)表示，然后使用優(yōu)化算法搜索出優(yōu)路徑。這種方法是將柵格作為計算單位對環(huán)境信息進(jìn)行記錄，柵格的粒度越小就可以更準確地表示障礙物，但是，這樣會(huì )占據較大存儲空間，同樣會(huì )增加算法范圍搜索的指數。然而，柵格粒度過(guò)大，其路徑的規劃就不會(huì )準確。由此看來(lái)，柵格粒度的大小確定是該方法重要的考慮內容。
3 局部路徑規劃方法
3.1 人工勢場(chǎng)法
該方法是一種虛擬力法，是將移動(dòng)機器人在環(huán)境中的運動(dòng)模擬成人工受力場(chǎng)的運動(dòng)。在這個(gè)運動(dòng)過(guò)程中，障礙物和移動(dòng)機器人之間產(chǎn)生力視為斥力，將障礙物與目標點(diǎn)間產(chǎn)生的力視為引力。當利用算法來(lái)使這兩種力周?chē)�產(chǎn)生勢以后，移動(dòng)機器人就會(huì )受抽象力作用，實(shí)現繞過(guò)障礙物行走的目的。人工勢場(chǎng)的方法，其內部結構簡(jiǎn)單，而且能夠更好地控制低層，因此被廣泛應用在避障與平滑軌跡控制中。由于局部?jì)?yōu)解始終存在，使得死鎖現象頻繁出現，進(jìn)而導致移動(dòng)機器人還未到達局部?jì)?yōu)點(diǎn)就會(huì )停止行走。為了有效地解決上述問(wèn)題，就需要對算法進(jìn)行完善。對勢場(chǎng)方程的定義進(jìn)行合理的優(yōu)化，這樣能夠有效的消除勢場(chǎng)中局部J值[4]。
3.2 遺傳算法
遺傳算法需要保證適應度的函數需要為正，不要求函數可導或者連續。此外，這種方法屬于并行算法，這就使得在全局搜索中能夠應用其自身的隱并行性。應用遺傳算法大部分的優(yōu)化算法都能夠進(jìn)行單點(diǎn)搜索，這就能夠使計算很容易進(jìn)入到局部?jì)?yōu)中。但是遺傳算法屬于多點(diǎn)搜索算法，這樣很容易算出全局的優(yōu)解。
3.3 神經(jīng)網(wǎng)絡(luò )法
神經(jīng)網(wǎng)絡(luò )方法是通過(guò)感知空間進(jìn)而執行行為空間。但是，要想使用數學(xué)方程來(lái)將此映射關(guān)系表示出來(lái)具有一定的難度，然而，使用神經(jīng)網(wǎng)絡(luò )方法就可以表示出來(lái)。把傳感器數據當作網(wǎng)絡(luò )輸入，可以將人對其期望運動(dòng)的方向確定當作網(wǎng)絡(luò )輸出。這樣原始樣本集就可以用一組數據來(lái)表示，對重復和宏圖的樣本進(jìn)行處理，就可以得到終的樣本集[5]。
4 機器人路徑規劃技術(shù)的未來(lái)展望
移動(dòng)機器人的路徑規劃技術(shù)主要是通過(guò)計算機、傳感器以及控制技術(shù)來(lái)完成，隨著(zhù)科技的不斷進(jìn)步，新型的算法也會(huì )越來(lái)越多，所以機器人的路徑規劃技術(shù)也會(huì )不斷的得到完善。但是，在未來(lái)的研究過(guò)程中，還需要不斷提G其路徑規劃的性能指標，并實(shí)現多移動(dòng)機器人系統的路徑規劃。還應該在路徑規劃中適當地融入多傳感器的信息，將更多的精力放在對移動(dòng)機器人的路徑規劃上，開(kāi)發(fā)出更多的計算方法，從而促進(jìn)移動(dòng)機器人路徑規劃技術(shù)的發(fā)展和完善。
5 結束語(yǔ)

綜上所述，移動(dòng)機器人路徑規劃技術(shù)已經(jīng)取得了可觀(guān)的成績(jì)，但是，在其全局路徑與局部路徑規劃方法中仍然存在諸多不足之處，并且還未研究出能夠適用于所有場(chǎng)合的方法。所以，需要在其路徑規劃技術(shù)方面深入研究，進(jìn)而推動(dòng)該技術(shù)的進(jìn)一步發(fā)展。

查看更多相似文章