基于A*算法的机器人路径规划方法研究文献综述

 2021-09-25 08:09

毕业论文课题相关文献综述

文献综述

一、机器人路径规划的研究意义和应用价值

近年来,移动机器人技术取得了飞速发展,移动机器人是集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统,目前广泛用于航空航天、军事侦察、安全医疗以及家庭服务等行业。它可以代替人来做劳动强度大、劳动时间长以及代替人在恶劣的环境甚至是致命危险的环境下工作,例如井下作、深海作业、排除爆炸等。因此机器人越来越受到人们的亲赖,使机器人有了更广大的发展空间,人类探索的深度和广度也因此不断提高。随着机器人技术的不断进步,机器人学越来越具有强大的生命力,它在某种程度上已经代表了当今信息技术、自动化技术、系统集成等技术的最新发展。无论机器人在怎样的环境下进行工作,致命的问题就是怎样规划行走路径和避障,这也是当今很多学者研究的重点方向[1]。

移动机器人路径规划是在已知或未知环境下构造出一条从起点到终点的最优或较优的无碰路径,该问题涉及到机器人的运动模型、运动规划与实际环境建模,是机器人研究领域的热点问题之一[2]。路径规划主要涉及的问题包括:利用获得的移动机器人环境信息建立较为合理的模型,再用某种算法寻找一条从起始状态到目标状态的最优或近似最优的无碰撞路径;能够处理环境模型中的不确定因素和路径跟踪中出现的误差,使外界物体对机器人的影响降到最小;如何利用已知的所有信息来引导机器人的动作,从而得到相对更优的行为决策。

二、机器人路径规划的研究发展现状

路径规划是移动机器人完成任务的安全保障,是移动机器人智能化程度的标志之一,同时也是人工智能与机器人学的一个令人感兴趣的结合点。自上世纪70年代起路径规划问题就受到了国内外众多机构和学者的广泛关注。尤其是80年代以来,在人工智能、计算机科学、数学和机械工程等领域内的学者们的共同努力下,路经规划的研究在理论和实践方面都有了很大的提高。而随着机器人应用的日益广泛,结合路径规划问题所具有的复杂性、随机性、多约束性、多目标性特点,如何在各种具体环境中具体问题具体分析,合理有效地选择路径规划方法或策略将仍是机器人研究中非常有实际意义的课题[3]。

三、机器人路径规划的研究方法分类

移动机器人路径规划时,往往要求根据某一准则(如行走路线总长度最短、能量消耗最少等),在工作空间中沿一条最优(或次优)的路径行走。机器人路径规划问题可以建模为一个有约束的优化问题,都要完成路径规划、定位和避障等任务。目前在机器人路径规划领域已有一定研究成果,例如,文献[4]提出了一种混合路径规划方法,构建了机器人运动模型与障碍物扩展模型,机器人在栅格地图上沿全局规划路径向目标点移动时,在线实时规划出局部临时目标点以避开探测到的障碍物;文献[5]结合贪婪法、回溯法和邻域搜索策略,迭代搜索后续的路径点,提出一种基于几何相交测试的路径规划方法,文献[6]提出一种目标吸引的动态路径规划蚁群算法,在动态变化的震后救援环境中找到最短路径,减少救援时间,文献[7]设计了采用双层模糊控制器方法的危险度模糊控制器和速度模糊控制器,解决了没有通信情况下的多机器人系统在未知动态环境下的路径规划问题,等等。

根据机器人对环境信息掌握的程度和障碍物的不同,移动机器人的路径规划基本上可分为以下几类:(1)已知环境下的对静态障碍物的路径规划;(2)未知环境下的对静态障碍物的路径规划;(3)已知环境下对动态障碍物的路径规划;(4)未知环境下对动态障碍物的路径规划。根据对环境信息掌握的程度不同将移动机器人路径规划分为2种类型:基于环境先验完全信息的全局路径规划;基于传感器信息的局部路径规划[8]。后者环境是未知或部分未知的,即障碍物的尺寸、形状和位置等信息必须通过传感器获取。全局路径规划是指根据先验环境模型找出从起始点到目标点的符合一定性能的可行或最优路径,它涉及的草本问题是世界模型的表达和搜寻策略。全局路径规划主要方法有:可视图法,自由空间法,最优控制法,栅格法,拓扑法,神经网络法等。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[9]。

四、A*算法简介

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。