论文部分内容阅读
移动机器人路径规划是移动机器人导航的三个基本问题之一,解决移动机器人如何从起点出发躲避障碍物,克服自身和环境的约束最终到达目标点的问题。一般来说,路径规划以定位为前提,然而实际情况下移动机器人由于其传感器局限等因素通常不能实现全局和精准定位,这就需要利用局部传感器来进行局部路径规划。移动机器人局部路径规划的定义通常是从全局路径规划的对立面考虑,即不是全局路径规划就是局部路径规划。目前已经出现了很多种局部路径规划方法,也有很多学者对它们进行了性能分析,但尚未将多种方法进行理论比较与整合,不利于局部路径规划问题的进一步研究。论文以机器人避障问题为出发点,主要做了以下几点研究:1、对当前移动机器人局部路径规划问题研究中涉及到的方法进行了回顾,针对FIRA机器人避障问题模型进行定性讨论,提出了超Bug环境模型,并对可能应用的局部路径规划算法进行了分析。2、通过基于MRPT的仿真实验比较分析了人工势场法、NG法、基本TangentBug和基于记忆运动方向的改进TangentBug算法在机器人避障问题中的算法复杂度、寻路能力、路径长度和鲁棒性,得到了算法性能排名表。3、针对记忆运动方向的TangentBug算法效率的不足,提出了基于LTG绕行检测的改进TangentBug算法,并将改进的TagentBug算法的实现过程进行了总结,改进后的算法效率较高。4、针对TangentBug算法中绕行方向选择问题,考虑了在感知范围较大时可以利用获取的局部信息改善搜索能力,提出了基于局部信息的绕行方向选择方法的改进TangentBug算法。5、讨论了应用于NAO避障比赛环境下的基于单目视觉的算法实现中的关键问题和实现方法,提出了基于自由区域检测的实现方法,该方法不再需要进行复杂的目标识别与角点检测方法,大大提高了算法实现效率,而且更好地为各种二维避障算法应用于避障环境中做好了铺垫。6、将改进后的TangentBug算法应用到NAO机器人避障的真实环境中得到了实验结果。从时间复杂度、障碍物通过率和鲁棒性几方面进行了统计分析,结果表明改进后的算法确实有效。