1、精選優質文檔-傾情為你奉上機器人路徑規劃摘要：機器人路徑規劃是機器人技術的重要分支之一，路徑規劃技術的研究是研究機器人技術不可或缺的技術之一。本文首先介紹了當前研究人員熱衷的ROS系統是如何進行路徑規劃的，接著論述了作為群智能算法的蟻群算法應用于機器人的路徑規劃中。研究表明，可以將蟻群算法和ROS系統結合，進一步的進行機器人的路徑規劃。關鍵詞：路徑規劃，ROS系統，蟻群算法，機器人1. 引言智能移動機器人技術是機器人技術的重要組成部分，應用前景十分廣闊：工業，農業，國防，醫療，以及服務業等。文獻提出，未來數年內，中國服務機器人發展將超過傳統的工業機器人，機器人路徑規劃技術是服務機器人研究的核心

2、內容之一?？梢?，研究機器人的路徑規劃問題十分必要。隨著機器人領域的快速發展和復雜化，代碼的復用性和模塊化的需求原來越強烈，而已有的開源機器人系統又不能很好的適應需求。2010年Willow Garage公司發布了開源機器人操作系統ROS（robot operating system），很快在機器人研究領域展開了學習和使用ROS的熱潮。ROS系統是起源于2007年斯坦福大學實驗室的項目與機器人技術公司Willow Garage的個人機器人項目（Personal Robots Program）之間的合作，2008年之后就由Willow Garage來進行推動。ROS的運行是一種使用ROS通信模塊實

3、現模塊間P2P的松耦合的網絡連接的處理架構，它執行若干種類型的通訊，包括基于服務的同步RPC（遠程過程調用）通訊、基于Topic的異步數據流通訊，還有參數服務器上的數據存儲。ROS系統以其獨特優點引起了研究人員的興趣。近年來，各國學者致力于機器人路徑規劃的研究且取得了相當豐碩的研究成果。目前已有多種算法用于規劃機器人的路徑，文獻【4】將其主要分為經典方法和進化算法等。人工智能技術是近些年來新興的技術，有著傳統方法不具有的優點，它使得移動機器人在理論上擁有了一定的“智能”。蟻群算法是人工智能技術的重要分支，最早由意大利學者Dorigo于上世紀90年代提出（AS，ant system），首先成功應

4、用于解決TSP問題。蟻群算法是一種擁有自組織和正反饋優點的并行優化算法，經過學者們的大量研究，成功運用于許多領域。但也存在著一些不足，從AS算法開始，針對這些不足，學者們進行了一系列的改進研究并且進行了相應的試驗。2. ROS系統與機器人的路徑規劃本節主要介紹ROS系統環境下如何進行機器人的路徑規劃的。主要內容包括機器人環境的地圖和障礙，及機器人的位姿在ROS系統中的表示，最后說明了機器人的全局路徑規劃和局部路徑規劃。2.1 地圖與障礙ROS系統中地圖分為動態地圖和靜態地圖。動態地圖是指機器人的地圖是根據機器人的傳感器實時得到的，在機器人行走的過程中不斷依靠傳感器進行識別并進行更新地圖，或者是

5、根據已有的靜態地圖不斷的更新。而靜態地圖是指在機器人路徑規劃之前輸入一個地圖，或者是機器人自己識別的地圖但是在過程中不會持續更新。這里重點介紹的是機器人的靜態地圖。圖1 機器人的靜態地圖和點云如圖1，靜態地圖由點云構成。點云點云是在和目標表面特性的海量點集合。根據激光測量原理得到的點云，包括三維坐標（XYZ）和激光反射強度（Intensity）。根據攝影測量原理得到的點云，包括三維坐標（XYZ）和顏色信息（RGB）。結合激光測量和攝影測量原理得到點云，包括三維坐標（XYZ）、激光反射強度（Intensity）和顏色信息（RGB）這里的點云是二維坐標點的集合。2.2 位姿機器人在ROS系統中表現

6、成一個點，但是實際中，機器人是有一定體積的。因而，在ROS系統中也應當有所體現，這種體現主要表現在兩個方面。圖2 機器人的位姿估計圖3 障礙的膨脹首先是機器人的位姿估計，系統中是提供機器人的位姿設置的。有自動設置和手動設置的，如圖2，就是手動設置界面，可以設置機器人的長寬高。如果不進行手動設置，則會按照默認的進行估計，相應的寬度等都是0.4米。其次，機器人在識別地圖的過程中，會根據機器人的位姿進行一定的障礙膨脹處理。如圖3.其中紅線是障礙物，而藍色部分則是相應的膨脹部分。這樣可以防止機器人與障礙物碰撞。2.3 全局路徑規劃和局部路徑規劃機器人有了地圖，及其相應位姿之后，機器人可以根據控制，進行

7、相應的路徑規劃。路徑規劃主要分為兩種，一種是全局路徑規劃，主要是基于靜態地圖。另一種是局部規劃，則必須依靠相應的傳感器進行實時的感知周圍的環境信息。機器人的路徑規劃是按照某一性能指標搜索一條從起始狀態到目標狀態的最優或近似最優的無碰路徑。按照機器人對環境信息的已知程度的不同，路徑規劃問題分為環境已知的全局路徑規劃和環境信息完全不知或者部分不知的局部路徑規劃問題。前者在已知或者直接給出的靜態環境中進行相關的工作，本文進行的是機器人全局路徑規劃研究，即障礙地圖已知的機器人路徑規劃研究。圖4 全局路徑規劃圖4就是ROS機器人進行的全局路徑規劃。其中，綠色的線就是全局路徑規劃的線路圖。3. 蟻群算法和

8、機器人的路徑規劃從自然界中螞蟻尋求蟻穴到食物之間的最短路徑得到啟示，上世紀90年代Dorigo.M最早提出螞蟻算法（）, ，主要基于搜索過程中信息素的正反饋機制和啟發式的貪婪機制，并且首先成功運用于NP難中的TSP問題。憑借著其自身的優點，蟻群優化算法成功運用于很多問題，如網絡路由問題，圖像處理，文本聚類分析等，與此同時，蟻群算法也開始應用于機器人路徑規劃。從AS開始， ACO得到了不斷的發展和完善，針對AS的不足，很多人開始致力于基本蟻群算法的改進研究及其應用。蟻群算法可以應用于路徑規劃研究。3.1 蟻群算法簡介蟻群算法(ant colony optimization, ACO)，又稱，是一

9、種用來在圖中尋找優化路徑的機率型算法。它由Marco Dorigo于1992年在他的博士論文中提出，其靈感來源于螞蟻在尋找食物過程中發現路徑的行為。蟻群算法是一種模擬，初步的研究表明該算法具有許多優良的性質。針對參數優化設計問題，將蟻群算法設計的結果與遺傳算法設計的結果進行了比較，數值仿真結果表明，蟻群算法具有一種新的模擬進化優化方法的有效性和應用價值。各個螞蟻在沒有事先告訴他們食物在什么地方的前提下開始尋找食物。當一只找到食物以后，它會向環境釋放一種揮發性分泌物pheromone (稱為信息素,該物質隨著時間的推移會逐漸揮發消失，信息素濃度的大小表征路徑的遠近)來實現的，吸引其他的螞蟻過來，

10、這樣越來越多的螞蟻會找到食物。有些螞蟻并沒有像其它螞蟻一樣總重復同樣的路，他們會另辟蹊徑，如果另開辟的道路比原來的其他道路更短，那么，漸漸地，更多的螞蟻被吸引到這條較短的路上來。最后，經過一段時間運行，可能會出現一條最短的路徑被大多數螞蟻重復著。3.2 環境建模對于機器人的環境建模有多種方法，如可視圖法，maklink，人工勢場法等。其中柵格法是一類經典的環境建模方法，本文采用此種方法對環境進行建模。將環境劃分為單位大小的正方格，如果方格內有障礙物，則標記為1，在圖形中表示為黑色；而沒有障礙物的方格標記為0，在圖形中表示為白色。在計算中用方格的中心表示方格的整體位置。在四周沒有障礙的環境中，也

11、不是邊緣方格的前提下，每個方格有8個方向可以移動，即右，右上，右下，左，左上，左下，和上，下八個方向可以移動。圖5 柵格法下的路徑規劃還有maklink圖論法：1選擇一個障礙物（凸多邊形），選取其上一個頂點，連接該點與其它障礙物的頂點，包括該點所屬障礙物的其它頂點，做該點到環境空間邊界的垂線段。2將步驟1 得到的所有線段按照長度從短到長的順序加入到線段存儲表。3選擇線段存儲表中的表頭線段。4檢查該線段是否穿越環境空間中任意障礙物邊界。如果發生相交，那么這條線段就不是一條自由鏈接線。因此，放棄當前線段并選擇線段存儲表中下一條線段。重復檢查過程，直至找到一條線段與所有障礙物邊界不相交，繼續至步驟5

12、。5檢查該線段在當前頂點處形成的兩個夾角。每個障礙物頂點都設有一個自由鏈接表，當該表為空時，夾角為線段與形成該障礙物頂點的兩條邊界的夾角3.3 路徑規劃在兩種不同地圖環境下，分別運用蟻群算法都可以求得相應的路徑規劃。如圖5和圖6，圖5是柵格法下的路徑規劃，圖6則是maklink下的路徑規劃。圖6 maklink下的路徑規劃4. 參考文獻1.徐國保, 尹怡欣, 周美娟. 智能移動機器人技術現狀及展望J. 機器人技術與應用. 2007(2):29-34.2.蔡自興. 中國機器人學 40 年J. 科技導報. 2015;33(21):23-31.3.朱大奇, 顏明重. 移動機器人路徑規劃技術綜述 JJ. 控制與決策. 2010;25(7):961-7.4.Raja P, Pugazhenthi S. Optimal path planning of mobile robots: A reviewJ. International Journal of Physical Sciences. 2012;7(9):1314-20.5.Dorigo M, Maniezzo V, Colorni A. Ant system: