文档介绍：机器人路径规划摘要:机器人路径规划是机器人技术的重要分支之一,路径规划技术的研究是研究机器人技术不可或缺的技术之一。本文首先介绍了当前研究人员热衷的 RO S 系统是如何进行路径规划的,接着论述了作为群智能算法的蚁群算法应用于机器人的路径规划中。研究表明,可以将蚁群算法和 ROS 系统结合,进一步的进行机器人的路径规划。关键词:路径规划, ROS 系统,蚁群算法,机器人 ,应用前景十分广阔:工业,农业,国防,医疗,以及服务业等[1]。文献提出,未来数年内,中国服务机器人发展将超过传统的工业机器人[2],机器人路径规划技术是服务机器人研究的核心内容之一[3]。可见,研究机器人的路径规划问题十分必要。随着机器人领域的快速发展和复杂化,代码的复用性和模块化的需求原来越强烈,而已有的开源机器人系统又不能很好的适应需求。 2010 年 Willow Garag e 公司发布了开源机器人操作系统 ROS ( robot operating system ), 很快在机器人研究领域展开了学****和使用 ROS 的热潮。 ROS 系统是起源于 2007 年斯坦福大学人工智能实验室的项目与机器人技术公司 Willow Garage 的个人机器人项目( Personal Robots Program ) 之间的合作,2008 年之后就由 Willow Garage 来进行推动。 ROS 的运行架构是一种使用 ROS 通信模块实现模块间 P2P 的松耦合的网络连接的处理架构,它执行若干种类型的通讯,包括基于服务的同步 RPC (远程过程调用)通讯、基于 Topic 的异步数据流通讯, 还有参数服务器上的数据存储。 ROS 系统以其独特优点引起了研究人员的兴趣。近年来,各国学者致力于机器人路径规划的研究且取得了相当丰硕的研究成果。目前已有多种算法用于规划机器人的路径,文献【 4 】将其主要分为经典方法和进化算法等。人工智能技术是近些年来新兴的技术,有着传统方法不具有的优点,它使得移动机器人在理论上拥有了一定的“智能”。蚁群算法是人工智能技术的重要分支,最早由意大利学者 Dorigo 于上世纪 90 年代提出( AS , ant system ) ,首先成功应用于解决 TSP 问题[5] 。蚁群算法是一种拥有自组织和正反馈优点的并行优化算法,经过学者们的大量研究,成功运用于许多领域。但也存在着一些不足,从 AS 算法开始,针对这些不足,学者们进行了一系列的改进研究并且进行了相应的试验。 2. ROS 系统与机器人的路径规划本节主要介绍 ROS 系统环境下如何进行机器人的路径规划的。主要内容包括机器人环境的地图和障碍,及机器人的位姿在 ROS 系统中的表示,最后说明了机器人的全局路径规划和局部路径规划。 地图与障碍 ROS 系统中地图分为动态地图和静态地图。动态地图是指机器人的地图是根据机器人的传感器实时得到的,在机器人行走的过程中不断依靠传感器进行识别并进行更新地图,或者是根据已有的静态地图不断的更新。而静态地图是指在机器人路径规划之前输入一个地图,或者是机器人自己识别的地图但是在过程中不会持续更新。这里重点介绍的是机器人的静态地图。图1机器人的静态地图和点云如图 1,静态地图由点云构成。点云点云是在和目标表面特性的海量