论文部分内容阅读
摘要：路径规划技术是移动机器人成功走向应用的关键技术，为了解决该问题，已经涌现出了诸多求解方法，但是已有算法不同程度都存在一定的局限性，尤其对未知工作环境，不少路径规划算法的复杂度会大大增加，甚至无法求解，因此本论文提出了矢量场法用于移动机器人的路径规划，该方法对环境依赖程度低，仿真结果验证了矢量场法能够有效的进行未知环境下的路径规划，并且算法简单，程序易于实现。
关键词：移动机器人 未知环境 路径规划 矢量场
0 引言
当前移动机器人在生产车间、抢险救灾、资源勘探、医疗服务等领域得到了广泛应用，在诸多机器人技术当中，路径规划技术是移动机器人成功走向应用的关键技术，因此该项技术的研究得到了广泛关注。所谓路径规划就是指移动机器人按照某一性能指标（如距离、时间、能量等）搜索一条从起始状态到目标状态的最优或次优路径[1]。
为了解决该问题，经过多年的发展，已经涌现出了许多有效的求解方法[2]，诸如可视图法[3][4]、人工势场法[5]、自由空间法[6]、遗传算法[7]等。但是已有算法不同程度都存在一定的局限性，诸如环境依赖性强、算法复杂、效率不高等，尤其对复杂未知工作环境，有些路径规划算法甚至无法求解，因此本论文提出了矢量场法用于移动机器人的路径规划，该方法对环境依赖程度低，能够有效的进行复杂未知环境下的路径规划，并且程序易于实现。
1 矢量场法简介
矢量场法严格意义上说是一种人工势场法的变异，传统人工势场法利用障碍物和目标产生势能，给机器人进行导航，主要应用在全局环境已知的情况下进行路径规划，而矢量场法则是利用机器人自身传感器测出障碍物的距离以及目标距离，继而产生虚拟势能进行导航，因此可以用于复杂未知环境的路径规划。
本文以载有五个测距传感器并以45度夹角布置的移动机器人为例介绍该方法。为了便于阐述，将机器人近似成一质点，如图1-1中心黑点所示。移动机器人使用该法进行路径规划时，首先通过测距传感器获取周围障碍物的距离值，再将这些距离值转化成对应的排斥力，其大小为关于距离值的函数。移动机器人运动的目标位置产生一个吸引力，最终这些力的合力方向形成移动机器人的运动方向。
图1-1为某时刻移动机器人在某点处测距传感器测得周围障碍物的信息，障碍物的位置向量使用灰色实线标出，而其表现出的斥力用黑色虚线表示，最终这些虚拟斥力合成合斥力Fobs，图中用点线标注。
矢量场生成的力是关于距离的函数，障碍物离机器人越远，相应产生的虚拟力也就越小，其对机器人移动方向的影响也就越小，生成的斥力可由下列公式求得。
最终的合力是由合斥力和引力合成，该合力可以通过公式1-2求出，此时合力的方向便是当时机器人航向。
2 实验
为了验证算法的可行性，借助Matlab对矢量场法用于移动机器人路径规划进行仿真。实验中使用的地图为大小4000×4000的栅格地图，每栅格尺寸对应1mm，搭建好的地图如图2-1所示，地图布局模拟了实际办公室一角布局，对于移动机器人该地图信息是未知的。
根据地图信息，确定起始坐标和目标坐标分别为（-640，-1600）和（-680，1600），同时设定测距传感器最大测距范围为500mm，斥力和引力的权值w和w根据情况，初定为w=1、w=5进行实验，实验进行过程中根据权值w和w的不同，进行多组实验，寻找最优权值。最终经过对比发现当w=1、w=3时，此时移动机器人在地图中路径规划效果最好。图2-2即为此时机器人运行的轨迹，图中连续线条为机器人运动路径，周围不规则的圈为测距传感器测得的周围障碍物情况。通过仿真，可以看出移动机器人利用矢量场法在未知复杂环境下能够进行有效的路径规划，同时合适的引斥力权值则能够进一步优化路径。
3 结论
论文对未知工作环境移动机器人路径规划问题进行了研究，鉴于已有算法在未知复杂环境中的一些局限性，提出了利用矢量场法进行路径的实时规划，该方法对环境依赖程度低，算法简单，程序易于实现，仿真实验结果验证了移动机器人利用矢量场法在未知复杂环境下进行路径规划的可行性，并且表明合适的引斥力权值能够进一步优化规划路径。
参考文献：
[1]李磊等.移动机器人技术研究现状与未来[J].机器人，2002（5）：475-480.
[2]康亮.自主移动机器人运动规划若干算法的研究[D].南京：南京理工大学，2009.
[3]李大东，孙秀霞，彭建亮，孙彪.基于可视图法的改进Dijkstra算法[J].电光与控制，2010，17（3）：40-43.
[4]李劲松，颜国正，吕恬生，宋立博.一种移动机器人全局路径规划新方法[J].机械设计与研究，2009，25（3）：30-32.
[5]张建英，赵志萍，刘暾.基于人工势场法的机器人路径规划[J].哈尔滨工业大学学报，2006（8）：1306-1309.
[6]朱明华，王霄，蔡兰.机器人路径规划方法的研究进展与趋势[J].机床与液压，2006（3）：5-8.
[7]王红，周越.针对机器人路径规划问题的改进型遗传算法[J].沈阳师范大学学报（自然科学版），2009，27（3）：335-337.
作者简介：纪海宾（1986-），男，江苏盐城人，助教，硕士研究生，研究方向：机器人应用技术。
关键词：移动机器人 未知环境 路径规划 矢量场
0 引言
当前移动机器人在生产车间、抢险救灾、资源勘探、医疗服务等领域得到了广泛应用，在诸多机器人技术当中，路径规划技术是移动机器人成功走向应用的关键技术，因此该项技术的研究得到了广泛关注。所谓路径规划就是指移动机器人按照某一性能指标（如距离、时间、能量等）搜索一条从起始状态到目标状态的最优或次优路径[1]。
为了解决该问题，经过多年的发展，已经涌现出了许多有效的求解方法[2]，诸如可视图法[3][4]、人工势场法[5]、自由空间法[6]、遗传算法[7]等。但是已有算法不同程度都存在一定的局限性，诸如环境依赖性强、算法复杂、效率不高等，尤其对复杂未知工作环境，有些路径规划算法甚至无法求解，因此本论文提出了矢量场法用于移动机器人的路径规划，该方法对环境依赖程度低，能够有效的进行复杂未知环境下的路径规划，并且程序易于实现。
1 矢量场法简介
矢量场法严格意义上说是一种人工势场法的变异，传统人工势场法利用障碍物和目标产生势能，给机器人进行导航，主要应用在全局环境已知的情况下进行路径规划，而矢量场法则是利用机器人自身传感器测出障碍物的距离以及目标距离，继而产生虚拟势能进行导航，因此可以用于复杂未知环境的路径规划。
本文以载有五个测距传感器并以45度夹角布置的移动机器人为例介绍该方法。为了便于阐述，将机器人近似成一质点，如图1-1中心黑点所示。移动机器人使用该法进行路径规划时，首先通过测距传感器获取周围障碍物的距离值，再将这些距离值转化成对应的排斥力，其大小为关于距离值的函数。移动机器人运动的目标位置产生一个吸引力，最终这些力的合力方向形成移动机器人的运动方向。
图1-1为某时刻移动机器人在某点处测距传感器测得周围障碍物的信息，障碍物的位置向量使用灰色实线标出，而其表现出的斥力用黑色虚线表示，最终这些虚拟斥力合成合斥力Fobs，图中用点线标注。
矢量场生成的力是关于距离的函数，障碍物离机器人越远，相应产生的虚拟力也就越小，其对机器人移动方向的影响也就越小，生成的斥力可由下列公式求得。
最终的合力是由合斥力和引力合成，该合力可以通过公式1-2求出，此时合力的方向便是当时机器人航向。
2 实验
为了验证算法的可行性，借助Matlab对矢量场法用于移动机器人路径规划进行仿真。实验中使用的地图为大小4000×4000的栅格地图，每栅格尺寸对应1mm，搭建好的地图如图2-1所示，地图布局模拟了实际办公室一角布局，对于移动机器人该地图信息是未知的。
根据地图信息，确定起始坐标和目标坐标分别为（-640，-1600）和（-680，1600），同时设定测距传感器最大测距范围为500mm，斥力和引力的权值w和w根据情况，初定为w=1、w=5进行实验，实验进行过程中根据权值w和w的不同，进行多组实验，寻找最优权值。最终经过对比发现当w=1、w=3时，此时移动机器人在地图中路径规划效果最好。图2-2即为此时机器人运行的轨迹，图中连续线条为机器人运动路径，周围不规则的圈为测距传感器测得的周围障碍物情况。通过仿真，可以看出移动机器人利用矢量场法在未知复杂环境下能够进行有效的路径规划，同时合适的引斥力权值则能够进一步优化路径。
3 结论
论文对未知工作环境移动机器人路径规划问题进行了研究，鉴于已有算法在未知复杂环境中的一些局限性，提出了利用矢量场法进行路径的实时规划，该方法对环境依赖程度低，算法简单，程序易于实现，仿真实验结果验证了移动机器人利用矢量场法在未知复杂环境下进行路径规划的可行性，并且表明合适的引斥力权值能够进一步优化规划路径。
参考文献：
[1]李磊等.移动机器人技术研究现状与未来[J].机器人，2002（5）：475-480.
[2]康亮.自主移动机器人运动规划若干算法的研究[D].南京：南京理工大学，2009.
[3]李大东，孙秀霞，彭建亮，孙彪.基于可视图法的改进Dijkstra算法[J].电光与控制，2010，17（3）：40-43.
[4]李劲松，颜国正，吕恬生，宋立博.一种移动机器人全局路径规划新方法[J].机械设计与研究，2009，25（3）：30-32.
[5]张建英，赵志萍，刘暾.基于人工势场法的机器人路径规划[J].哈尔滨工业大学学报，2006（8）：1306-1309.
[6]朱明华，王霄，蔡兰.机器人路径规划方法的研究进展与趋势[J].机床与液压，2006（3）：5-8.
[7]王红，周越.针对机器人路径规划问题的改进型遗传算法[J].沈阳师范大学学报（自然科学版），2009，27（3）：335-337.
作者简介：纪海宾（1986-），男，江苏盐城人，助教，硕士研究生，研究方向：机器人应用技术。