移动机器人的路径规划技术

提示:第一次写博客,记录一下最近要学习的东西吧。


前言

参考文献: 张琦. 移动机器人的路径规划与定位技术研究[D].哈尔滨工业大学,2014.
移动机器人的路径规划问题:移动机器人依据某个或某些性能指标(如工作代价最小、行走路线最短、行走时间最短等),在运动空间中找到一条从起始状态到目标状态、可以避开障碍物的最优或者接近最优的路径。
移动机器人路径规划方法,根据环境信息的已知程度,可
以分为两种类型: 基于全局地图信息的路径规划,简称全局路径规划和基于局部地图信息的路径规划,简称局部路径规划


一、环境地图构建

环境地图构建是指建立机器人所处环境中的各种物体,包括障碍、路标等的准确的空间位置描述,即建立空间模型或地图。

现有的基本的环境模型主要包括栅格分解图、四叉分解图、可视图、Voronoi图。
四种地图构建方法

二、全局路径规划方法

全局路径规划能够处理完全已知环境(障碍物的位置和形状预先给定)下的路径规划,前提是需要建立移动机器人所在环境的全局地图模型;之后,在建立的全局地图模型上使用搜索寻优算法获得最优路径。

因此,全局路径规划涉及两部分问题:环境模型的建立和路径搜索策略。

全局路径规划方法
启发式搜索
基于智能算法
Dijkstra算法发展来的A*算法
A*算法的改进算法
Focussed Dynamic A* Lite <D* Lite>算法
two-way D* <TWD*>算法
lazy A* search算法
Limited-Damage A*算法
粒子群优化算法
遗传算法
模拟退火算法
改进神经网络算法
粒子群优化的差分进化算法
蚁群算法 <Ant Colony Optimization, ACO>

三、局部路径规划方法

与全局路径规划方法不同的是,局部路径规划方法以不知道环境中的障碍物位置的信息为前提,移动机器人仅通过传感器感知自身周围环境与自身状态。由于无法获得环境的全局信息,局部路径规划侧重于考虑移动机器人当前的局部环境信息, 利用传感器获得的局部环境信息寻找一条从起点到目标点的与环境中的障碍物无碰的最优路径并需要实时地调整路径规划策略。

常用的适用于局部路径规划的方法有事例学习法、滚动窗口法、人工势场法、智能算法以及行为分解法。

局部路径规划方法
事例学习法
滚动窗口法
人工势场法
基于智能算法的局部路径规划
行为分解法

总结

这里只是简要总结了现有的移动机器人路径规划方法,详细内容需进一步查询相关文献资料。

  • 5
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值