移动机器人避障算法的研究
[摘 要] 对于移动机器人来说,在移动过程中是否能快速、准确地对周围环境作出反应,比如避开前进中的障碍物并且不间断地移动到目的地,是非常重要的。移动机器人的避障策略方法有很多。从文献的数量上看,主要还是人工势场法和栅格法较多。值得注意的是在同时具有静态和运动物体的动态环境中,避障的实时性往往很差,主要是处理速度往往跟不上。其他算法还有回归预测法、神经网络法、遗传算法等。本文总结了现在常用的几种移动机器人避障算法和策略,并比较了各方法的优缺点及适用场合。
[关键词]移动机器人 避障 模糊控制 路径规划 神经网络
1、引言
路径规划与导航是移动机器人的核心技术,也是其智能性的体现。其中是否能实时、灵活地躲避障碍物是衡量移动机器人性能的一条关键指标,也是导航需要完成的重要任务之一。移动机器人是当今研究热点,而机器人避障技术是移动机器人研究的一个重要方向,自主移动机器人(amr)导航是智能机器人研究的重要分支之一,在动态未知环境中,环境感知的局部性和动态障
碍物加大了机器人与障碍物碰撞的概率,如何根据局部信息做出合理的避障决策是实现机器人自主性的关键。动态避障时,路径优化性、安全性和实时性是衡量决策质量的主要因素【2】。由于受诸多因素(时间、速度、加速度等)限制,如何合理设计简单有效的实时避障算法尤为重要。根据对环境信息掌握的程度不同,可以将机器人避碰和路径规划分为两种类型,一个是基于环境先验完全信息的全局路径规划,又称静态规划;另一个是基于传感器信息的局部路径规划,又称动态规划。全局路径规划目前比较成熟,它首先对环境建模,然后进行路径搜索。环境建模的主要方法有:可视图法,自由空间法和栅格法;局部路径规划的主要方法有:人工势场法、遗传算法和模糊逻辑算法等【1】。这些方法各有优缺点,没有一种方法能够适用于任何场合。由于机器人足球比赛的高度动态性和高度实时性,一些计算量巨大的复杂算法不适用,而许多基于实际比赛经验的方法则被广泛使用。
