移动机器人路径规划算法优化

       

目录

全局路径规划算法

 局部路径

从使用者角度来看

---

 移动机器人路径规划算法分为全局路径规划算法和局部路径规划算法。本文只讨论轮式移动机器人相关路径规划算法改进优化方向。

全局路径规划算法

常用的主要有A*，Djistra,局部路径规划算法比较成熟的有rrt*，其更适合无人机等更高纬维度的路径规划。

现对其改进方向提出一些看法，对于A*算法来说效率较高可以以较高的效率找到全局路径，其效率仍然有上升空间，原始算法是从起始点向终止点搜索最短路径，优化方法改为同时从起始点和终止点出发双向搜索最短路径直到搜索路径交汇处停止，也称作双A*算法。

另外虽然搜索出的路径是名义上的最短路径，实际仍然存在瑕疵，比如路径不光滑，有小拐点存在这就导致在机器人移动过程中轨迹不平滑，总有小范围的急转动作，因此对生成的路径可以作平滑处理。

 局部路径

通常是为了避障而实时调整局部路径，并最终与全局路径汇合，但是对于某些特殊场景而言需要进行脱困逻辑，比如带铁管的办公座椅下，低门槛等，既要脱困也要防悬崖跌落。脱困的方法主要有遇到低矮障碍物过不去可以突然加速，或者尝试左右轮交替前进以摇摆的方式摆脱障碍物。对于某些固定场景来说，不需要每次工作任务都执行路径规划操作，可以进行路径复用和路径固化，一次生成的路径可以反复使用。

从使用者角度来看

能马上投入工作的并且不需要作复杂准备工作的机器人可以带来更好的用户体验，甚至可以用户自定义机器人行走路径并完成工作。加入ai功能，识别场景并执行相关逻辑可以更好的满足场景变化的需求。