轮式移动机器人路径规划算法实现与优化

发布时间：2020-05-12 16:20

【摘要】：随着服务机器人越来越多地被应用在社会生活中,机器人也变得越来越智能。自主导航能力是机器人智能化的重要体现之一,而路径规划是移动机器人自主导航的重要基础。如何使移动机器人在已知或未知环境下快速准确地规划出一条最优且无碰撞路径并控制机器人行驶至目的地是一个富有挑战性的研究课题。本文主要研究在室内环境下的路径规划方法,提出了一种基于A*和B样条参数的混合路径方法。本文利用栅格法对移动机器人的工作环境进行建模,在栅格地图中,利用A*算法搜索出一条初始路径。在轨迹规划方法上采用了B样条参数法,首先将轨迹规划问题转化成优化控制问题,并提出机器人的非完整约束、避障约束、安全约束等约束条件,最后通过对非线性优化问题的求解得到移动机器人的运动轨迹。针对B样条参数法在障碍物较多时会造成求解时间过长的问题,本文根据A*算法规划的初始路径,将移动机器人的工作环境分解成多个子区域。每个子区域中不包含任何静态障碍物,利用B样条参数法进行轨迹规划,障碍物数量的减少使得非线性规划问题求解速度更快。由于A*算法规划的初始路径连接了机器人的起始点和目标点,机器人依次经过一系列子区域后,最终可到达目标点。本文搭建了基于ROS的移动机器人平台,并将所设计的路径规划方法移植到移动机器人平台中进行验证,实验结果表明,本文设计的基于A*和B样条参数的混合路径规划方法可以实现移动机器人从起始位置到目标位置的规划任务。在静态环境中,平均每米的规划时间为435ms,与B样条参数法相比,性能提升17.9%;在动态环境中,相比于B样条参数法的成功率随着动态障碍物数量的增多而迅速下降,本文算法的避障成功率在不同动态障碍物数量时均可以达到95%以上。
【图文】：

服务机器人

东南大学工程硕士学位论文带的各种传感器感知外部环境以及自身状态的变化；(2)机器人可以依据传感器的数据做，并以最小的代价在含有障碍物的环境中移动。第一个条件所需要的技术是同时定multaneous LocalizationAnd Mapping，SLAM）,第二个条件所需要的技术就是路径规划。

算法仿真

东南大学工程硕士学位论文轴距相等，或者其中一个轴距为 0 时，误差为 0；随着横纵轴距的差值越大，误差先变大器人的实际环境中，由于障碍物的数量和大小均不确定，机器人沿对角线移动的次数和沿坐次数均是不可预知的，曼哈顿距离和欧式距离所表示的启发函数，在不同的场景下可能会表性能。但是，，欧式距离与曼哈顿距离相比，由于要进行平方和开方运算，所以在相同节点数计算量更大。本文选择曼哈顿距离作为启发函数。仿真和分析移动机器人的运动环境如图 3-4(a)所示，整个环境的大小 × ，栅格的边长为 2，因此共有格。黑色栅格表示障碍物区域，白色栅格表示自由区域。共有 9 个大小不同的长方形障碍物个环境中。机器人的起始坐标为( )，目标点坐标为( )，运用本节中实现的 A*算法搜的路径，如图 3-4(b)中的实线所示。可以看出，采用 A*算法搜索出路径为包含多个拐点的
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP242

【参考文献】