论文部分内容阅读
机器人路径规划是机器人导航系统的一个首要任务,这个任务能否顺利执行与机器人能否正确地融合其多个传感器采集到的关于环境各个方面的信息是密切相关的。以移动机器人为重点研究对象,本文对这种密切的关系进行了详细的研究。首先,为移动机器人的工作环境建立了一个基于多边形法的原始配置空间模型。该模型较其他的机器人环境模型如栅格模型有着精度高的优点,而且该模型有非常成熟的几何理论做基础,其可靠性有着严格的保证。环境中障碍物的形状复杂多样,分布没有规律性,这就要求在原始的配置空间中进行路径规划时,需要同时考虑障碍物的大小、形状以及两个障碍物和多个障碍物之间的最小距离,并将这些距离值与机器人的线径进行比较,以决定机器人的下一步该如何行走。显然,这涉及到大量的定量运算,计算负荷较大。为此,本文提出了虚拟配置空间模型,给出了随机生成虚拟配置空间的算法、流程和程序代码。针对目前大多数移动机器人是圆形这一事实,本文提出了光滑虚拟配置空间模型这一概念以及随机生成光滑虚拟空间的算法、流程以及程序代码。在光滑虚拟空间中求解圆形移动机器人的无碰路径规划问题时,机器人完全可以当作一个质点来处理。其次,运用基于卡尔曼滤波的信息融合准则,结合backstepping积分思想和机器人的运动学方程,给出了机器人跟踪任意给定轨迹的算法以及基于本文所构造的两个机器人仿真平台的软件实现。仿真结果表明,机器人能够跟踪给定的期望轨迹,而且带信息融合的跟踪算法要优于没有信息融合的跟踪算法。最后,基于机器人工作环境的先验信息,本文提出了两种搜索全局最佳路径的算法。本文所构造的两个仿真平台上的仿真实验表明,第一个算法基本上能找到最佳路径,但是由于其缺乏向后搜索功能,有时候找到的路径并不是最优的。第二个算法在第一个算法的基础上做了改进,理论上总是可以找到最佳路径,仿真平台上的实验说明了这一点。