【導讀】設(shè)計(論文)題目Amigo機器人路徑規(guī)劃研究與實現(xiàn)

　　

【正文】 ??? ? ),(),( 1 vum a pvum a p ii 隨著某一節(jié)點 u 與節(jié)點 v 之間關(guān)聯(lián)程度的增加，則由該節(jié)點 u 選擇下一結(jié)點時，節(jié)點 v 被選擇通過的概率也會增加，與此同時若從某一個節(jié)點 u 選擇 v 通過的數(shù)目呈現(xiàn)增加趨勢，那么節(jié)點 v 和節(jié)點 u 之間關(guān)聯(lián)程度也會增加，則關(guān)聯(lián)程度和通過的路徑數(shù)目之間形成正反饋機制，使得所選擇的路徑不斷地趨向于最優(yōu)路徑。 2．算法流程 基于柵格模型的路徑規(guī)劃算法執(zhí)行過程 如圖 32 所示 16 圖 32 路徑搜索流程圖 是 開 始 定義初始障礙物地圖矩陣 錯誤 !未找到引用源。 、 ??i? 錯誤 !未找到引用源。 、Next_Oritation??i 錯誤 !未找到引用源。 、??iw 計數(shù)器 i=j=0，設(shè)置循環(huán)次數(shù) m， n 計算它的下一個可行結(jié)點集合 V中某個結(jié)點 v的概率 uvp 當前節(jié)點是否為目標點 i=j+1 im 修改關(guān)聯(lián)程度 ),( vumapi j=j+1 jn 結(jié)束 否 是 否 否 是 17 四、仿真實驗及結(jié)論 （一）算法 性能分析 在柵格的搜索上，采用概率計算的方法，保證公平公正，由當前節(jié)點選擇下一結(jié)點時，都是按照比例概率，因此保證了在可行方向上的每一個柵格都有可能被選到。在路徑選擇上，我們采用分組的方法，將搜索過程分為 m 組，對每一組都可能會得到 n 條路徑，找到 n 中路徑中最短的路徑，然后利用它修改相鄰柵格之間的關(guān)聯(lián)性，不需要每次尋找到一條可行路徑時，就修改障礙物地圖，這樣會照成某些節(jié)點關(guān)聯(lián)程度增長過快，被選擇的概率過大，使得路徑相對集中，路徑尋優(yōu)出現(xiàn)死區(qū)，對多樣性的選取路徑不利，無法找到最優(yōu)路徑。只有保證可行方向上的每個節(jié) 點都有可能被選到，保證路徑選擇的多樣性，才能保證搜索到的路徑是最優(yōu)路徑。 （二） 實驗仿真驗證 本文進行的仿真實驗是借助于仿真軟件 MobileSim和 Mobileeyes 進行的。程序編寫是基于 C++語言，利用 Microsoft Visual Studio 2020 建立項目，并生成可執(zhí)行文件。 機器人工作環(huán)境的繪制借助 Mapper3 軟件，繪制完地圖后就可以用仿真軟件進行仿真。然后啟動 MobileSim仿真軟件，并加載繪制的環(huán)境地圖，此時便可以運行 Visual Studio 2020 生成的可執(zhí)行文件， 然后打開 MobileEyes，自動建立連接，進入仿真界面，選擇 Tour Goals。仿真結(jié)果 如圖 33 所示。 18 圖 33 路徑規(guī)劃 從上圖的仿真結(jié)果可以看出， Amigo 機器人規(guī)劃出了一條由起始點到目標點 的可行路徑，并沿著這條路徑順利到達目標點，不過在前進過程中，為了實現(xiàn)路徑最優(yōu)，機器人會對原來的路徑進行修改，直到到達目標點為止。通過仿真分析，驗證了該算法的可行性。 （三） 結(jié)論 通過仿真驗證，該算法實現(xiàn)了以下功能：第一，在沒有障礙物的地圖工作 環(huán)境中， Amigo 機器人能夠迅速的完成路徑規(guī)劃任務(wù)。第二 ，當在地圖工作環(huán)境中添加各種障礙物時， Amigo 能迅速的規(guī)劃出一條路徑，但在行進中，為了使路徑最優(yōu)， Amigo 機器人會實時對路徑做出調(diào)整。此外，當目標點發(fā)生變化時，Amigo 能夠迅速的由當前點規(guī)劃出到達目標點的路徑。 未能實現(xiàn)的功能：不能夠在障礙物位置變化的情況下由初始點成功到達目標點，即該算法未能實現(xiàn)動態(tài)路徑規(guī)劃。 19 五、總結(jié)于展望 （一）總結(jié) 本文主要研究了在環(huán)境已知條件下，利用柵格搜索的方法對機器人的路徑進行規(guī)劃的問題。鑒于實驗室提供的機器人為 Amigo，我們主要分析了關(guān)于Amigo 機器人的路 徑規(guī)劃問題。 Amigo 機器人使用特定的開發(fā)軟件 Aria， Aria提供了 Amigo 機器人編程的一整套應(yīng)用程序接口，因此我們主要是借助于 Aria的 API 進行編程。在算法上，其思想是一樣的，在把算法轉(zhuǎn)化成程序時，同樣需要借助于軟件自帶的一些庫文件，最后再利用軟件進行仿真驗證算法的可行性，通過仿真分析，我們可以斷定，柵格搜索方法對 Amigo 機器人的路徑規(guī)劃完全可行。 （二）展望 本次畢業(yè)設(shè)計的要求是：在 Amigo 機器人工作環(huán)境已知的條件下，規(guī)定環(huán)境中某一目標點，要求該機器人能夠規(guī)劃出一條路徑，是該機器人能夠在環(huán)境 中的任意一點成功到達目標點，且該路徑具有最優(yōu)性。用到的柵格法并非路徑規(guī)劃的最佳選擇，還有各種先進、更為智能的算法，也可運用到路徑規(guī)劃算法的設(shè)計上。即使是同樣運用柵格法，不同的考慮方向、不同的編程思想，也會有不同的效果。 還需完善的地方：（ 1）柵格法只是大體上選擇出了最優(yōu)路徑，但并不能在一個柵格到下一個臨近的柵格之間選擇最短路徑。柵格法將一個柵格作為路程的最小單位，很明顯，兩個相鄰的柵格之間也存在最短路徑。 2）不能夠?qū)崿F(xiàn)動態(tài)避障，即障礙物為靜止的。因為所用柵格法，第一步就要求對所給地圖劃分柵格，相應(yīng)的障礙物的 位子和形狀早已為給定。（ 3）機器人由可行路徑到達目標點的時間過長。（ 4） Amigo 機器人無法避開體積較小的障礙物。 在算法上的問題，可以用更為高級的算法來取代柵格法，以彌補柵格法的不足。因為硬件原因出現(xiàn)的問題，如不能感應(yīng)出體積偏小的障礙物，可以用更為高級精確的傳感器。比方說用激光傳感器，它的定位效果比聲吶傳感器好，測量速度也比聲吶傳感器快。這樣不僅能感應(yīng)更小的障礙物，也能讓移動機器人選擇路徑的時間縮短，減少整個路徑規(guī)劃的時間。 20 參考文獻 [1] 于金霞，王璐 .未知環(huán)境中移動機器人自定位技術(shù) .北京 :電子工業(yè)出版社 , 2020. [2] 蔡自興 .機器人學 .北京 :清華大學出版社 ,2020. [3] 李團結(jié) .機器人技術(shù) .電子工業(yè)出版社 ,2020. [4] 蔡自興 ,劉健勤 .面向 21 世紀的智能機器人技術(shù) [J].機器人技術(shù)與應(yīng)用，1998(6). [5] Pioneer 3 Operation Manual. [6] migoBot Technical Manual. [7] 張穎 ,吳成東 ,原寶龍 .機器人路徑規(guī)劃方法綜述 [J].控制工程 ,2020,5(10). [8] 于紅斌，李孝安 .基于柵格 法的機器人快速路經(jīng)規(guī)劃．微電子學與計算機． 2020（ 6）． [9] 魯慶．基于柵格法的移動機器人路徑規(guī)劃研究．電腦與信息技術(shù)． 2020（ 6）． [10] 張捍東，董保華，岑豫皖，鄭睿 . 柵格編碼新方法在機器人路徑規(guī)劃中的應(yīng)用 .華中科技大學學報， 2020. [11] 郝博，秦麗娟，姜明洋 .基于改進遺傳算法的移動機器人路徑規(guī)劃方法研究[J]. 計算機工程與科學， 2020 [12] 李人厚譯，自主移動機器人導論，西安交通大學出版社， 2020. [13] 杜軍平譯，人工智能機器人導論，電子工業(yè)出版社， 2020. [14] 戴博，移動機器人路徑規(guī)劃技術(shù)的研究現(xiàn)狀與展望，控制工程， 2020 [15] 鄭利君，基于超聲傳感器的機器人路徑規(guī)劃和避障算法的研究，浙江理工大學學位論文， 2020 [16] 黃興華 , 基于改進人工勢場法的移動機器人路徑規(guī)劃研，重慶大學， 2020 [17] 孫秀云，移動機器人的路徑規(guī)劃及其運動控制器研究，山東大學， 2020 [18] 張曉麗 ,基于微分進化算法的機器人路徑規(guī)劃方法 ,大連理工大學， 2020 [19] 張洪亮，多機器人編隊技術(shù)的研究與應(yīng)用，北京工業(yè)大學， 2020 [20] 劉玲，基于智能計 算的移動機器人路徑規(guī)劃方法研究，湖南大學， 2020