论文部分内容阅读
当前移动机器人与人们的生活日益密切,而路径规划作为移动机器人的一项关键性技术,一直是广大学者的研究热点同时也是难点。因此本文针对已知周围大部分静态环境,仍有部分障碍物没有预先识别的复杂环境,进行移动机器人的路径规划研究,对多层Morphin算法进行改进,同时将一种自适应步长蝙蝠算法(SABA)引入移动机器人的全局路径规划中,并结合两种算法的优点构建了一种混合路径规划算法。针对多层Morphin算法搜索时搜索弧过于密集存在较多时间消耗的问题,设计了一种多层可变搜索弧Morphin算法(Variable search arc of Morphin,VSA-Morphin)。该算法通过调整每层搜索节点生成的搜索弧数目,使之不再固定,而是能够随着搜索层数增加而减少,从而缩短搜索和评估时间,同时借鉴了滚动窗口的思想,使算法能够进行局部避障,完成路径规划。将SABA算法引入移动机器人的路径规划中,并与三次样条插值方法相结合,给出了一种基于SABA算法的移动机器人全局路径规划算法。先用SABA算法生成若干个全局路径节点,再用三次样条插值方法对生成的全局路径节点进行插值拟合得到一条光滑的全局最优路径。最后通过将该算法与其它两种算法分别在不同环境下的仿真对比实验,验证了SABA算法结合三次样条插值方法在移动机器人的路径规划上能够取得较好的效果。针对全局路径规划算法动态避障能力差和局部路径规划算法获得的路径可能不是最优的问题,将两种算法相结合,构建了一种基于多层VSA-Morphin和SABA的混合路径规划算法。先用SABA算法为移动机器人规划出全局路径点,再用三次样条插值方法对全局路径点进行插值拟合得到一条全局最优路径,移动机器人沿着规划的全局路径运动,遇到无法避开的障碍物时,采用3层VSA-Morphin算法进行局部避障,移动机器人离开障碍物后重新回到规划的全局路径上。经过仿真验证,移动机器人能够在保证路径长度最优的情况下完成动态避障,成功到达指定的目标点。