移动机器人路径规划技术综述
qquad移动机器人路径规划技术概括为以下4类：模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术和人工智能路径规划技术。—模版匹配路径规划技术：qquad模版匹配方法是将机器人当前状态与过去经历相比较，找到最接近的状态，修改这一状态下的路径，便可得到一条新的路径。qquad即首先利用路径规划所用到的或已产生的信息建立一个模版库，库中的任一模版包含每一次规划的环境信息和路径信息，这些模版可通过特定的索引取得；随后将当前规划任务和环境信息与模版库中的模版进行匹配，以寻找出一个最优匹配模版；然后对该模版进行修正，并以此作为最后的结果。qquad但该方法的致命缺陷是依赖机器人的过去经验，如果案例库中没有足够的路径模版，就可能找不到与当前状态相匹配的路径；同时该方法主要针对静态环境的路径规划，一旦环境动态变化，则较难找到匹配的路径模版。这些不足严重限制了模版匹配路径规划技术的深入研究与推广应用，因此模版匹配要具有足够匹配的案例(路径)及对环境变化的适应性。—人工势场路径规划技术qquad人工势场路径规划技术的基本思想是将机器人在环境中的运动视为一种机器人，在虚拟的人工受力场中的运动。障碍物对机器人产生斥力，目标点对机器人产生引力，引力和斥力的合力作为机器人的控制力，从而控制机器人避开障碍物而到达目标位置。qquad早期人工势场路径规划研究是一种静态环境的人工势场，即将障碍物和目标物均看成是静态不变的。机器人仅根据静态环境中障碍物和目标物的具体位置规划运动路径，不考虑它们的移动速度。然而，现实世界中的环境往往是动态的，障碍物和目标物都可能是移动的。为了解决动态环境中机器人的路径规划问题,提出相对动态的人工势场方法，将时间看成规划模型的一维参量，而移动的障碍物在扩展的模型中仍被看成是静态的，这样动态路径规划仍可运用静态路径规划方法加以实现。qquad对于动态路径规划问题来说，与机器人避障相关的主要是机器人与障碍物之间的相对位置和相对速度，而非绝对位置和速度。将机器人与目标物的相对位置与相对速度引入吸引势函数，将机器人与障碍的相对位置与相对速度引入排斥势函数，提出动态环境下的机器人路径规划算法。qquad人工势场路径规划技术原理简单，便于底层的实时控制，在机器人的实时避障和平滑轨迹控制等方面得到了广泛研究。但人工势场路径规划方法通常存在局部极小点，尽管也有不少针对局部极小的改进方法，但到目前为止，仍未找到完全满意的答案。另外,在引力和斥力场设计时存在人为不确定因素，在障碍物较多时还存在计算量过大等问题，这些因素的存在限制了人工势场路径规划方法的广泛应用。应用中的难点是动态环境中引力场与斥力场的设计、局部极小问题的解决。—地图构建路径规划技术qquad地图构建路径规划技术是按照机器人自身传感器搜索的障碍物信息，将机器人周围区域划分为不同的网格空间(如自由空间和限制空间等)，计算网格空间的障碍物占有情况，再依据一定规则确定最优路径。地图构建又分为路标法和栅格法，也称单元分解法。qquad目前，地图构建技术已引起机器人研究领域的广泛关注，成为移动机器人路径规划的研究热点之一。但机器人传感器信息资源有限，使得网格地图障碍物信息很难计算与处理。同时由于机器人要动态快速地更新地图数据，在网格数较多、分辨率较高时难以保证路径规划的实时性。因此，地图构建方法必须在地图网格分辨率与路径规划实时性上寻求平衡。—人工智能路径规划技术qquad人工智能路径规划技术是将现代人工智能技术应用于移动机器人的路径规划中，如人工神经网络、进化计算、模糊逻辑与信息融合等。
参考文献qquad移动机器人路径规划技术综述朱大奇等