黄友锐， 李静， 韩涛， 徐善永

(安徽理工大学 电气与信息工程学院，安徽 淮南 232001)

0 引言

煤矿井下空间狭小，环境恶劣，危险性大，对煤炭自动化采掘和运输提出了巨大挑战[1]。使用机器人进行煤矿井下生产和运输工作，可最大程度地减少伤亡事故。随着研究不断深入，机器人将被应用于煤矿井下探测、开采、运输、救援等工作[2]，而要实现这些应用，机器人需能够在井下复杂环境中规划出合理、高效的可行路径。因此，路径规划成为煤矿机器人研究的重点之一。

路径规划的基本任务是寻找一条从起始点到目标点的可行路径[3]，要求过程简单、用时少、寻找到的路径无碰撞且距离短等。路径规划算法一般分为基于栅格的路径规划算法和基于采样的路径规划算法[4]。基于栅格的路径规划算法包括Dijkstra及其改进算法等[5-7]，这类算法具有过程简单、实时性好的优点，但路径规划效果过度依赖于划分地图栅格时所采用的分辨率。基于采样的路径规划算法不需要对环境进行离散化或对障碍物进行公式化处理，为路径规划提供了新思路。基于随机采样的快速扩展随机树(Rapidly-exploring Random Tree，RRT)近年来受到了极大的关注与重视[8-10]，RRT算法具有建模快、搜索能力强的优点。文献[11]提出了具有渐进最优性的RRT*算法，解决了RRT算法无法收敛至最优路径的问题。针对RRT*算法采样范围过大、效率低的问题，文献[12]提出了Informed RRT*算法，在路径优化过程中的采样区域为椭圆形，相比于RRT*算法对整个空间进行搜索来讲，缩小了采样空间，加快了收敛速度。……