导航规划作为移动机器人的核心算法,为机器人提供了基于感知移动作业的能力,是学术界和工业界的热点问题。机器人的导航规划一般分为构建地图、自定位、路径规划和轨迹规划四个部分。本文主要研究其中的路径规划和轨迹规划部分。本文内容和研究成果如下:1.实现了基于泰森多边形(GVD,GeneralizedVoronoiDiagram)的栅格地图与混合A*算法的全局路径规划改进算法。该方法与传统的全局路径规划算法相比,考虑了机器人的几何约束,即最小转弯半径,同时引入Reeds-Shepp最优轨迹加速算法速度用以跳过大量开阔的搜索空间,并用梯度下降法优化了混合A*规划出来的路径,使最后的规划路径更加平滑合理。2.提出了一种基于图优化的轨迹规划方法TEB(TimedElasticBand)的改进算法。本文用混合A*算法得到的全局路径作为TEB算法的初值进行优化,且在计算下发速度时变换了思路,采用轨迹跟踪的算法跟踪TEB优化后的轨迹替换原来的速度计算。此外,相比TEB算法最大速度与最大角速度的约束,在原有算法的基础上进一步增加了速度与角速度的联合约束,使整个算法更加合理。3.提出了一种采用PD控制器和非线性模型预测控制(NMPC,Nonlinear Model Predictive Control)优化的路径追踪方法。其中基于NMPC的轨迹跟踪方法考虑了机器人本身的模型信息,有效提高了轨迹跟踪的精度,轨迹规划的控制周期能时刻保持在40ms以内。