移动机器人路径规划的现状和发展

房亚群

摘要 移动机器人路径规划是移动机器人导航的核心技术之一。移动规划技术涌现出了许多规划方法。本文总结了机器人发展史上具有典型意义的规划方法,探讨了几种路径规划方法,并对其发展进行了展望。

关键词 路径规划;全局规划;局部规划

中图分类号 TP242 文献标识码 A 文章编号 1674-6708(2009)10-0067-02

路径规划是指机器人从起始点到目标点之间找到一条安全无碰的路径,是机器人领域的重要课题。移动机器人技术研究中的一个重要领域是路径规划技术,它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。本文综述了移动机器人路径规划的发展状况,对移动机器人路径规划技术的发展趋势进行了展望。

根据机器人工作环境路径规划模型可分为两种:基于模型的全局路径规划,这种情况的作业环境的全部信息为已知;基于传感器的局部路径规划,作业环境信息全部未知或部分未知,又称动态或在线路径规划。

1 全局路径规划

全局路径规划主要方法有:可视图法、自由空间法、栅格法、拓扑法、神经网络法等。

1.1 可视图法

可视图法视移动机器人为一点,将机器人、目标点和多边形障碍物的各顶点进行组合连接,并保证这些直线均不与障碍物相交,这就形成了一张图,称为可视图。由于任意两直线的顶点都是可见的,从起点沿着这些直线到达目标点的所有路径均是运动物体的无碰路径。搜索最优路径的问题就转化为从起点到目标点经过这些可视直线的最短距离问题。

1.2 拓扑法

拓扑法将规划空间分割成具有拓扑特征的子空间,根据彼此连通性建立拓扑网络,在网络上寻找起始点到目标点的拓扑路径,最终由拓扑路径求出几何路径。拓扑法基本思想是降维法,即将在高维几何空间中求路径的问题转化为低维拓扑空间中判别连通性的问题。

1.3 栅格法

栅格法将移动机器人工作环境分解成一系列具有二值信息的网格单元,多采用四叉树或八叉树表示,并通过优化算法完成路径搜索,该法以栅格为单位记录环境信息,有障碍物的地方累积值比较高,移动机器人就会采用优化算法避开。对栅格的改进采用以障碍物为单位记录的信息量大大减少,克服了栅格法中环境存储量大的问题。

1.4 自由空间法

自由空间法应用于移动机器人路径规划,采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间,并将自由空间表示为连通图,通过搜索连通图来进行路径规划。自由空间的构造方法是从障碍物的一个顶点开始,依次作其它顶点的链接线,删除不必要的链接线,使得链接线与障碍物边界所围成的每一个自由空间都是面积最大的凸多边形。连接各链接线的中点形成的网络图即为机器人可自由运动的路线。

1.5 神经网络法

可视图法缺乏灵活性,且不适用于圆形障碍物的路径规划问题。神经网络法用于全局路径规划可以解决以上问题。算法定义了整条路径的总能量函数,相应于路径长度部分的能量和相应于碰撞函数部分的能量。由于整个能量是各个路径点函数,因此通过移动每个路径点,使其朝着能量减少的方向运动,最终便能获得总能量最小的路径。

2 局部路径规划

局部路径规划包括人工势场法、模糊逻辑算法、神经网络法、遗传算法等。

2.1 人工势场法

人工势场法基本思想是将移动机器人在环境中的运动视为一种虚拟人工受力场中的运动。障碍物对移动机器人产生斥力,目标点产生引力,引力和斥力周围由一定的算法产生相应的势,机器人在势场中受到抽象力作用,抽象力使得机器人绕过障碍物。

2.2 模糊逻辑算法

模糊逻辑算法基于对驾驶员的工作过程观察研究得出。驾驶员避碰动作并非对环境信息精确计算完成的,而是根据模糊的环境信息,通过查表得到规划出的信息,完成局部路径规划。模糊逻辑算法的优点是克服了势场法易产生的局部极小问题,对处理未知环境下的规划问题显示出很大优越性,对于解决用通常的定量方法来说是很复杂的问题或当外界只能提供定性近似的、不确定信息数据时非常有效。

2.3 神经网络法

模糊控制算法有诸多优点,但也有固有缺陷:人的经验不一定完备;输入量增多时,推理规则或模糊表会急剧膨胀。神经网络法则另辟蹊径。路径规划是感知空间行为空间的一种映射,映射关系可用不同方法实现,很难用精确数学方程表示,但采用神经网络易于表示,将传感器数据作为网络输入,由人给定相应场合下期望运动方向角增量作为网络输出,由多个选定位姿下的一组数据构成原始样本集,经过剔除重复或冲突样本等加工处理,得到最终样本集。

2.4 遗传算法

遗传算法以自然遗传机制和自然选择等生物进化理论为基础,构造了一类随机化搜索算法。利用选择、交叉和变异编制控制机构的计算程序,在某种程度上对生物进化过程作数学方式的模拟,只要求适应度函数为正,不要求可导或连续,同时作为并行算法,其隐并行性适用于全局搜索。多数优化算法都是单点搜索,易于陷入局部最优,而遗传算法却是一种多点搜索算法,故更有可能搜索到全局最优解。

3 移动机器人路径规划技术的发展展望

随着计算机、传感器及控制技术的发展,特别是各种新算法不断涌现,移动机器人路径规划技术已经取得了丰硕研究成果。从研究成果看,有以下趋势:首先,移动机器人路径规划的性能指标要求不断提高,这些性能指标包括实时性、安全性和可达性等;其次,多移动机器人系统的路径规划。协调路径规划已成为新的研究热点。随着应用不断扩大,移动机器人工作环境复杂度和任务的加重,对其要求不再局限于单台移动机器人。在动态环境中多移动机器人的合作与单个机器人路径规划要很好地统一;再次,多传感器信息融合用于路径规划。移动机器人在动态环境中进行路径规划所需信息都是从传感器得来。单传感器难以保证输入信息准确与可靠。此外基于功能/行为的移动机器人路径规划,这是研究的新动向之一。

总之,移动机器人的路径规划技术已经取得了丰硕成果,但各种方法各有优缺点,也没有一种方法能适用于任何场合。在研究这一领域时,要结合以前的研究成果,把握发展趋势,以实用性作为最终目的,这样就能不断推动其向前发展。

参考文献

[1]陈陈.优化方法与最优控制[M].北京:机械工业出版社,1993.

[2]孙增圻.智能控制理论与技术[M].北京:清华大学出版社,1997.

[3]禹建丽,等.一种快速神经网络路径规划算法[J].机器人,2001,23(3):201-205.