基于全局静态和局部动态融合算法的移动机器人路径规划研究.pdf
摘要
移动机器人是一种在复杂环境下具有自行组织、自主规划、自主运行的智能
机器人,目前正高速发展,具有重大研究意义。本文从全局规划和局部规划两个
方面分别进行研究,对移动机器人的运动原理和导航原理进行深入且全面的理解
和分析,对路径规划算法不断优化和改进,并设计不同复杂度的环境,采用全局
静态与局部动态实时优化的融合路径规划算法,通过仿真实验、物理实验、实物
实验联合验证融合算法的有效性。主要研究内容归纳如下:
(1)针对B-RRT算法采样效率低、路径冗长且不光滑等问题,提出了基于
改进可变采样区域双向RRT(VSRB-RRT)全局路径规划算法。改进VSRB-RRT
算法采用可变采样区域和自适应目标偏置相结合的方法,以与障碍物发生碰撞的
新节点为中心约束采样区域。加快收敛速度,提高采样效率,更快地生成初始无
碰撞的路径。最后,通过贪婪剪枝优化、迭代优化和关键点平滑优化不断逐级优
化生成代价低且光滑可执行的路径。
(2)针对动态窗口法存在陷入局部最优和规划失败的问题,提出一种改进
DWA算法。首先,针对移动机器人在障碍物密集环境下容易遇到避障的问题,
提出一种障碍物密集区域的判定方法。其次,由于固定权重系数难以满足动态窗
口法对安全和速度的要求,将多目标粒子群算法对评价函数构成的多目标优化问
题进行迭代求解,实现权重系数的动态调整,提高算法的适应能力。
(3)针对单独采用上述算法在复杂环境下进行路径规划时均存在不足,提
出一种基于改进VSRB-RRT和改进DWA的融合算法。首先,在Matlab和Gazebo
上搭建陷阱环境、未知障碍物环境和动态障碍物环境,验证融合算法在保证全局
最优路径的前提下,能够以较快的速度躲避陷阱、未知障碍物和动态障碍物,成
功到达目标。最后,将改进VSRB-RRT和改进DWA算法配置到实验平台中,搭
建实际环境,通过融合算法在动静态环境中的对比实验,充分证明融合算法在移
动机器人快速路径规划和实时动态避障的可行性和有效性。
综上所述,本文针对传统B-RRT算法和传统DWA算法的不足,将全局和
局部算法进行改进和有效融合,既解决了全局算法规划无法实时避障的问题,又
解决了局部算法易陷入陷阱、无法到达目标的问题。实现了基于改进VSRB-RRT
算法和改进DWA算法的融合算法在复杂动静态环境下的路径规划。实验充分表
明:本文所提出的融合算法有较好的搜索效率,能够以最少的时间和最稳定的效
率获得最优路径,同时保证了融合算法在路径规划时实时避障的有效性。
关键词:移动机器人,路径规划,多目标粒子群,融合算法,动态避障
Abstract
Mobilerobotisakindofintelligentrobotwithself-organization,autonomous
planningandautonomousoperationincomplexenvironment,whichisdevelopingata
highspeedandisofgreatresearchsignificance.Inthispaper,theresearchiscarriedout
fromthetwoaspectsofglobalplanningandlocalplanningrespectively,in-depthand
comprehensiveunderstandingandanalysisofthemotionprincipleandnavigation
principleofmobilerobot,continuousoptimizationandimprovementofthepath
planningalgorithm,andthedesignofenvironmentswithdifferentcomplexity,the
fus