文档介绍：未知环境下多机器人编队控制系统研究
第 4 章动态环境下基于行为的机器人运动规划研究
引言
在机器人研究中机器人自主导航是一个非常关键的领域,而这其中机器人的运动规划则是解决机器人自主导航问题核心中得核心,一直以来都是机器人研究领域的一个重要研究课题。但是真是开始对机器人运动规划的研究真正还是在20世纪60年代。(C-空间)的概念引入机器人运动规划的研究中,这对于现代智能机器人的运动规划是一次划时代的革命。
科学家们一般认为,机器人的运动规划应该分为三种:第一种是轨迹规划,所谓的轨迹规划就是机器人处于相对静止状态时其全身各个部位姿态调整的路径规划。这里所说的路径就是指机器人各个关节的运动轨迹。轨迹规划是机器人运动规划的重要组成部分。他主要是通过插补函数获得路径上的插补点,再通过求解运动学逆解转换到关节空间,从而形成各关节的运动轨迹;第二种是序列规划,也可以说是全局运动规划。它只要是指机器人控制系统选定一个特点的工作区域,将整个空间划定为各个作业点,从起始点开始作业,经过空间中各个作业点,最终又回到起始作业点得最优工作序列。这种规划主要适用于对周边环境信息掌握充分的基础上;第三种是路径规划,它主要是指机器人在运动路线的选择上,从起始点到终点,自动避开静态或者动态的障碍物,选择一条最优的安全路径。根据机器人对周边环境的了解和认知程度不同,包括全局路径规划和局部路径规划两种,全局路径规划的前提是机器人掌握较为完全的周边环境信息,能够在此基础上规划出最优的运动路径;而局部路径规划,则是由于机器人对周边环境信息不是很了解,掌握不够全面的,或者是完全未知的情况下,通过对周边工作环境的探测,获得相应的静态或动态障碍物的信息,包括障碍物的尺寸大小、形状、未知等等信息,从而进行路径的规划。相对来说,路径规划的自主性能应用性更强,更适合位置环境下多机器人编队的运动操作。当前世界各国,在机器人运动规划方面大多集中于静态环境,对动态环境中机器人的运动规划研究不多,但是事实上机器人运动过程中会经常碰到动态的障碍物,因此,本章从静态和动态两个方面对机器人的运动规划展开研究。
常用的运动规划方式
当前,按照从路径搜索策略角度考虑,按照环境类型的表示方式,机器人运用规划大致可以分为自由空间几何构造的规划、前向图搜索算法、假设—修正法三种。下面我们就对这三种运用规划进行一个系统的分析。
基于自由空间几何构造的规划方法
什么是基于自由自由空间几何构造的规划方法?一般认为,就是通过构造某种图来描述环境的自由空间,从图上找到满足某种准则的最优路径。这种方法一般有两个步骤:首先是,构造一个描述自由空间关系图,图的构造是前提条件,常用的图的构造方法有可视图法、Voronoi图法、栅格分解法和切线图法。搜索算法一般采用Dijkstra 算法或A*算法;其次是,按照一定的准则(最短距离、最少时间等)寻找一条最优路径。
前向图搜索算法
通过对地形的描述所得到的地形图构造完成后,如何搜索和选择最优路径就成了关键。目前,研究领域常用的前向图搜索算法有贪心算法、Dijkstra算法、A*算法、D*算法和人工势场法。贪心算法虽然是一种最简单的图搜索算法,但同时也是一种并不是很完备的算法,它忽略了全局的最优化,而仅仅考虑到了局部费用最小化。Dijkstra算法是目前机器人运动规划领域最常用,也是路径搜索最短的较为经典的算法,它可以在显式图中找到从源节点到任意节点的最短路径,或者从目标节点到图中任意节点的最短路径。A*算法是应用极广的隐式图启发式搜索算法,其距离函数的定义具有启发性,在栅格结构的数据集上性能相当好,适合于静态隐式图的最短路径搜索。D*算法适合于解决动态图的最优搜索,人工势场法适合于解决局部规划问题。图的前向搜索算法和图的后向搜索算法结合,可以构成图的双向搜索算法。
—修正法
通过“路径假设,路径检验,中间点生成”的过程将运动规划问题分解为若干子问题来求解。假设-修正法首先在起始点和目标点之间按照一定的方式生成一条路径,然后对该路径进行碰撞检测,若没有碰撞,则路径规划结束,若有碰撞,则在起始点和目标点之间插入一无碰撞中间点,然后再重复上面的过程。假设-
修正法的关键在于中间点生成的方法,它决定了该算法的求解效率,文献[10]给出了一种以机器人和各障碍物之间的距离作为启发性信息的中间点生成方法,加快了求解速度,但这种中间点生成方法也会出现局部极小点问题。假设-修正法的
优点是算法简单,但假设-修正法每次都要对新生成的路径进行碰撞检测,计算量较大。
基于行为的机器人运动控制系统结构
,