论文部分内容阅读
路径规划技术是移动机器人研究的重要内容,是实现人工智能控制等上层任务的基础。路径规划的目的是要使移动机器人通过传感器读取环境信息,利用路径规划算法自行规划一条最优的无碰撞路径,最终到达指定地点完成指定的任务。文中通过对现有路径规划算法进行对比研究,在激光雷达快速定位和建图的优势的基础上,基于ROS(Robot Operating System)系统使用遗传算法和人工势场法相结合来解决最优路径规划的问题。一方面对于路径规划算法的完善和创新具有重要意义,另一方对于推进基于ROS系统的产品化应用具有重要价值,也契合中国制造2025中涵盖的重点搭建软硬件和算法一体化平台以及进一步发展智能壁障,自主规划技术。通过比较各类型路径规划算法的优缺点得出,单一算法并不能同时解决静态环境和动态环境下的路径规划问题。但是不同的算法可以优势互补,最终确定了使用遗传算法和人工势场法相结合进行路径规划。遗传算法中环境地图编码方式和遗传算子的设计会影响全局路径规划结果。根据本研究的实际情况,采用栅格法划分地图,创新使用序号法编码环境信息,对部分遗传算子进行了改进,在仿真实验和室内实验中与传统遗传算法比较后,体现出了改进后的遗传算法规划得到的全局路径更优,时间更短。在局部路径规划中,人工势场法存在局部极小点问题,分析得出产生该问题最主要的原因是机器人在移动过程中受力平衡。针对该问题提出了去除障碍物法,并结合使用增加障碍物的方法,最终通过实验验证该方法成功解决了这一问题。为了将两种算法结合进行路径规划,并将路径规划理论应用于实际,选择采用ROS系统作为依托,设计HP+Windows+Cmder+Oracle VM VirtualBox+Liunx(Ubuntu14.04)+ROS indigo环境下的节点和Raspberry+Liunx(Ubuntu 14.04)+ROS indigo环境下的节点连接到master的分布式控制架构,同时实现多传感器信息融合和发布。通过开发move_base功能包将两种算法进行封装,使改进的路径规划算法在ROS系统上进行智能控制,并通过配置rviz成功将实际的运行结果可视化,最终达到研究的预期效果。