论文部分内容阅读
路径规划作为移动机器人实现自主化和智能化的关键之一，成为当前火热的研究子领域。本课题针对高稠密这种特殊与复杂的移动机器人路径规划进行了深入的研究，主要从全局规划和局部规划两个层面出发，并通过双层路径规划策略使两者协调统一，实现了移动机器人高效率的全局路径规划和高可靠性的局部路径规划。最终以仿真平台MATLAB完成了优化算法的仿真验证，以Turtlebot2机器人进行了双层路径规划算法的实验验证。本文主要的研究工作如下：
（1）改进跳点搜索算法的全局路径规划研究
针对跳点搜索算法在高稠密场景中搜索面积、节点数目以及内存占用情况急剧增加的问题，本文融合静态权重法、“块”操作法和剔除中间转折点对跳点搜索算法进行改进，达到限定搜索空间，减少蛮力搜索，提高单个节点平均处理时间的性能要求，最后分别在规则的网格地图以及测试库基准地图进行仿真对比实验，验证了在复杂环境下的有效性。
（2）参数自适应动态窗口法的局部路径规划研究
针对动态窗口法在高稠密障碍物区域内，无法根据障碍物的距离和密度，动态给出移动机器人最佳运行速度和合理路径的问题，本文提出参数自适应的动态窗口法。首先考虑到若对每条轨迹都计算离障碍物的安全距离，则无法保证实时性，提出直接去除与机器人轮廓相干涉的轨迹；然后根据实际的局部高稠密区域和狭窄通道，协调评价函数中各部分的权重系数；最后通过MATLAB仿真实验验证了该方法在复杂环境下的灵活性。
（3）双层路径规划策略
针对动静态障碍物并存的高稠密场景，设计了双层路径规划策略，主要包括两个处理阶段：全局预规划层和局部实时规划层，两者通过子目标点作为有效衔接点，采用竞争和协作的方式实现路径规划和障碍躲避；并针对新障碍物可能遮挡覆盖原先子目标点的问题，给出了灵活的引导点切换策略；最后在MATLAB及Turtlebot2机器人上进行了仿真实验，验证了双层路径规划策略能够连续及时的躲避障碍物，所规划出的路线满足路径规划的实时性要求。
（1）改进跳点搜索算法的全局路径规划研究
针对跳点搜索算法在高稠密场景中搜索面积、节点数目以及内存占用情况急剧增加的问题，本文融合静态权重法、“块”操作法和剔除中间转折点对跳点搜索算法进行改进，达到限定搜索空间，减少蛮力搜索，提高单个节点平均处理时间的性能要求，最后分别在规则的网格地图以及测试库基准地图进行仿真对比实验，验证了在复杂环境下的有效性。
（2）参数自适应动态窗口法的局部路径规划研究
针对动态窗口法在高稠密障碍物区域内，无法根据障碍物的距离和密度，动态给出移动机器人最佳运行速度和合理路径的问题，本文提出参数自适应的动态窗口法。首先考虑到若对每条轨迹都计算离障碍物的安全距离，则无法保证实时性，提出直接去除与机器人轮廓相干涉的轨迹；然后根据实际的局部高稠密区域和狭窄通道，协调评价函数中各部分的权重系数；最后通过MATLAB仿真实验验证了该方法在复杂环境下的灵活性。
（3）双层路径规划策略
针对动静态障碍物并存的高稠密场景，设计了双层路径规划策略，主要包括两个处理阶段：全局预规划层和局部实时规划层，两者通过子目标点作为有效衔接点，采用竞争和协作的方式实现路径规划和障碍躲避；并针对新障碍物可能遮挡覆盖原先子目标点的问题，给出了灵活的引导点切换策略；最后在MATLAB及Turtlebot2机器人上进行了仿真实验，验证了双层路径规划策略能够连续及时的躲避障碍物，所规划出的路线满足路径规划的实时性要求。