周克帅范平清

(上海工程技术大学机械与汽车工程学院，上海 201620)

近年来，路径规划问题成为移动机器人研究的热点。机器人的路径规划[2-3]是指在有障碍物的环境中机器人从起点到目标点规划出一条安全无碰撞的最优或次优路径[1]。通常根据环境信息的已知或未知将路径规划分为:全局路径规划[4-5]和局部路径规划[6-7]。目前在机器人全局规划中常用的算法有A*算法[8]、蚁群算法[9]、D*算法[10]等。局部规划常用的算法有人工势场法、动态窗口法等。

A*算法是经典的启发式搜索算法，王帅军等[11]通过改进A*算法的关键节点实现了静态环境下的路径规划。Duchoˇn[12]提出跳过中间节点搜索策略，减少了访问节点个数，增加了运行速度，但路径中仍存在较多转折点。Liu J 等[13]在全局路径搜索中采用改进蚁群算法，但搜索过程中数据量太大。辛煜等[14]搜索邻域从8 个扩展到无限个，可以快速成功地搜索出无碰撞轨迹。Kaplan A 等[15]采用改进的Pseudo-Dubins 曲线对路径进行平滑处理，但计算繁琐且效率不高。

当机器人所处环境发生变化或受其他突变因素影响时，全局规划会失效，此时需要进行局部路径规划来提高系统的实时性。目前常用的局部路径规划主要有人工势场法、模糊逻辑算法、动态窗口法等。其中，人工势场法具有计算分析简单、易控制等优点，但存在局部极小值和目标不可达的问题。针对上述问题李东方等[16]通过改变障碍物影响距离、引力和斥力系数对机器人的影响进行规划，但当外部环境发生变化时相应的参数还需测试，不能从根本上解决人工势场算法的缺点。……