0 引言
随着技术的迅速发展,移动机器人的应用领域越来越广泛,如智能家居、水下探测、太空探测等。
移动机器人路径规划是研究机器人的一项关键技术
[1]
,移动机器人进行货物搬运、快递分类或其他任务
时,成熟的路径规划技术能够提高机器人的工作效率、减少机器磨损、提高使用寿命。移动机器人路径规
划的目的是搜索一条无碰撞路径
[2]
,关于路径规划方法,国内外学者已经做了大量工作并取得了显著成
果。常用的路径规划方法有 A
*
算法
[3]
、蚁群算法
[4]
、遗传算法
[5]
、粒子群算法
[6]
、免疫算法
[7]
、人工势场法
[8]
及一系列改进融合算法
[9]
。在解决路径规划的问题时
[10]
,每种算法都有其独特优势。对 A
*
算法进行改进
并应用于工业机械臂,改进后的 A
*
算法能够缩短路径距离
[11]
。将遗传算法与一种改进的相同邻接交叉算
子结合可以找到最佳解决方案
[12]
。Baldwin 效应免疫网络算法
[13]
具有自组织、自学习能力。为了防止算法
陷入停滞
[14]
,在全局最佳位置添加一个小的随机扰动。创新的路径细化算子增强算法的探索能力,可以在
复杂的路径规划问题中找到帕累托最优前沿
[15]
。路径距离在算法求解中是评价路径优劣的主要标准,偏转
角、平滑性也是重要评价因素。寻找一种快速、高效的路径寻优方法是国内外学者的共同研究目标。
文[16]提出一种基于高分辨率卫星图像的新型障碍物建模方法。提取障碍物特征主要操作为细节增
强和形态转换,构造凸包主要包括障碍物区域的聚类分析和边缘点确定规则,但对于算法的优化研究较
少。文[17]提出一种神经网络和模拟退火相结合的算法,通过光学探测器来感知障碍物的方位,搜索移动
机器人下一路径点,但适用的环境模型较简单。文[18]将移动机器人的大小添加到障碍物的实际大小中,
并将问题表现为自由空间中的移动点来模拟现实世界,添加感应区域检测障碍物,但容易产生局部最优
解。文[19]提出多元优化算法寻找最优贝塞尔曲线的控制点,来解决最短路径规划问题。多元优化算法智
能搜索个体协同合作交替对解空间进行全局、局部迭代搜索,但基于多元优化算法的路径规划需要根据地
图的大小人工调整局部邻域半径 r。以上算法的优化改进基本都是进行算子改进和算法融合以获得更好的
求解效果,并没有解决算法搜索空间与搜索代价之间的矛盾,迭代搜索算法早熟和搜索结果不稳定的问题
也依然存在。文[20]讨论的是在具有不确定危险源的环境空间内通过改进的粒子群算法进行路径规划。首
先,对机器人环境空间进行建模,基于传感器确认障碍物的位置和形状,以及机器人的起始和目标位置;
然后确认路径编码,根据路径长度和风险评估等构建受约束的多目标粒子群优化模型;定义改进算法中所
需参数,令迭代次数为 0 并初始化群体;将每个粒子本身作为其自身最佳位置,基于随机抽样和均匀突变
更新粒子位置,增强了路径的可行性;通过表达式计算每个粒子的客观值和约束度,并将信息存储,但会
导致计算成本增加。
文[1]构建疫苗启发因子,启发抗体生成,以抗体节点数判断抗体的变异代数,确定抗体种群的进化
代数,实现确定性搜索。本文在文[1]的基础上,融合路径信息存储、椭圆动态限制进行改进。以节点作为
基本计算单元构建节点存储结构避免不必要的资源浪费,并证明了节点存储结构的有效性,节点变异的同
时更新节点存储信息,记忆变异节点避免算法重复计算。椭圆性质将最优解限定在椭圆搜索区域内,椭圆
搜索区域随椭圆方程逐渐缩小,节点删除通过两层限制不断删除无效节点,减少不合格路径的生成。
1 环境模型
本文算法旨在为机器人规划一条从起始点至目标点的路径,在保证机器人与障碍物无碰撞的前提
下,缩短路径距离并满足机器人运动需求。常用的环境建模方法有栅格图法、切线图法、Voronoi 图法,
评论0
最新资源