论文部分内容阅读
移动机器人技术代表高新科技的发展前沿,是当前科学研究的焦点,而视觉跟踪路径规划作为自主式移动机器人研究的一个至关重要的环节,是机器人实现智能化的关键技术,因此针对视觉跟踪路径规划的研究,已成为移动机器人中的一个重要研究内容。本文在分析目前各种路径规划方法优缺点的基础上,选择遗传算法作为路径规划研究基础。现有的遗传算法路径规划的规划速度慢,在复杂环境下,尤其是动态环境下很难满足移动机器人实时性要求,虽然已有许多改进遗传算法,但效果也都不十分理想。针对这一问题,本文将粗糙集引入遗传算法中,研究粗糙集遗传算法在移动机器人静态全局路径规划方面的应用,并提出了基于粗糙集遗传算法的移动机器人动态路径规划。在静态全局路径规划中,本文首先在基于栅格的二维地图环境模型下,根据路径的可行性建立初始决策表,应用粗糙集的知识约简方法对该初始决策表进行约简,获得最小决策规则,搜索所有的可行路径,并用这些可行路径作为遗传算法的初始种群,与随机产生初始种群的遗传算法相比,结果表明该方法可使搜索空间明显减小,路径规划效率得到明显提高。遗传算法路径寻优过程中,设计完成了复制、交叉和变异操作,实现了基于粗糙集遗传算法的静态全局路径规划。在系统仿真中,基于VC++的机器人路径规划仿真系统中通过实验数据,对比分析了各参数对遗传算法的影响,并对各参数的取值范围进行研究。本文利用效率更高的C++作为仿真平台,按照静态全局路径规划和局部路径规划的思路分别进行了静态和含匀速直线运动障碍物的动态仿真。将粗糙集遗传算法路径规划与普通遗传算法路径规划进行了对比研究,结果表明,与普通遗传算法相比,基于粗糙集遗传算法可有效提高移动机器人的路径规划效率。