英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
标题：自主移动机器人的路径规划
摘要：本文提出了一种未知环境下移动机器人对目标的路径规划算法。该算法允许移动机器人在静态障碍物中导航，并在不发生碰撞的情况下找到到达目标的路径。该算法为机器人提供了从初始位置移动到最终位置（目标）的可能性。所提出的路径发现策略是以一个静态未知障碍物的未知环境的栅格地图形式设计的。机器人在未知的环境中移动，通过感知和避免障碍物穿过它的道路到达目标。在执行任务时，必须为自己规划一条最优或可行的路径，以避免途中的障碍物，并使时间、能量和距离等成本最小化。提出的路径规划必须使机器人能够完成这些任务：避开障碍物，并朝着目标前进。该算法在Borland C 中实现，然后用Visual Basic和Delphi编程语言进行测试，从而在二维坐标系中研究环境。仿真部分是对实际期望结果的一种处理方法，这部分是用C 来识别环境中的所有对象，并且它适合于图形问题。该算法采用C 开发的分段环境，利用Visual Basic和Delphi语言，使机器人按照估计轨迹从初始位置移动到期望位置。
I. INTRODUCCIOacute;N 引言
机器人领域需要无人操作的自主机器人。为了完成任务，自主机器人必须是智能的，并且应该决定自己的行动。当自主机器人决定其动作时，需要根据其任务进行最优规划。此外，还需要规划一条无碰撞路径，使时间、能量和距离等成本最小化。当自主机器人在给定的环境中从一个点移动到目标点时，需要规划一条最优的或可行的路径，以避开道路上的障碍物，并满足一些自主要求的标准，例如：热量、能量、时间和安全性。因此，自主移动机器人路径规划的主要工作是寻找一条无碰撞的路径。
针对自主移动机器人的路径规划问题进行了大量的研究工作。运动规划是自主移动机器人智能控制的重要任务之一。它通常被分解为路径规划和轨迹规划。路径规划是在有障碍物的环境中生成一条无碰撞的路径，并根据一些准则对其进行优化[6,9]。轨迹规划是对移动机器人沿规划路径的运动进行规划。提出了几种解决移动机器人运动规划问题的方法。如果环境是一个已知的静态地形，它会提前生成一条路径，称之为离线算法。据说，如果它能够产生一条新的路径来应对环境变化，那么它就是在线的。
一个具有一定程度自给自足能力的机器人系统是自主移动机器人的总体目标，在许多领域都是必需的[1,2,4,5,7,8]。重点是在模仿生物的过程中移动的能力和自给自足的能力。事实上，生物模型是主要的兴趣，因为生命系统是自主行为的原型。IAS在很多领域都有很多可能的应用，从空间探索到材料处理，从工业任务到残疾人帮助。事实上，识别、学习、决策和行动是国际会计准则避障的主要问题。识别需要三个层次，即：不精确数据处理（从传感器发出）、知识库的构建和环境地图的建立。为了解决这些问题，弥补传统方法在实时性、自治性、智能性等方面的不足，目前的方法都是基于混合智能系统的。
获得这些处理和传递知识的能力是某种智力的关键。建立这种智能，到目前为止，是人类在设计和开发智能车辆方面的雄心壮志。然而，移动机器人是一个合适的工具，可以投资于与世界理解和采取适当行动有关的可选人工智能问题，例如规划任务、避免障碍和融合来自多个来源的数据。
最近对智能机器人的研究为移动机器人的未来研究指明了一个有希望的方向，即实时性、自主性和智能性比优化性和完备性受到更大的重视。许多导航方法都放弃了隐式导航的显式知识表示，而是基于智能行为的获取，这些智能行为使机器人能够有效地与环境交互，它们必须调整自己的方向，自主地探索环境，从失败中恢复过来，并执行一系列的任务实时的。
机器人车辆是一种能够在结构化和非结构化环境中自主操作的智能移动机器，它必须能够感知（感知其环境）、思考（规划和推理）和行动（移动和操纵）。因此，最近在自主性要求、智能部件、多机器人系统和大规模并行计算机方面的发展使得IAS得到了广泛的应用，特别是在行星探测、矿山工业和公路上[10,11,12,13,14]。但是，目前的移动机器人做的相对较少，这是因为：
bull;感知不符合必要的标准。
bull;与一般移动机器人相比，大部分智能都与特定任务行为有关，更多地与特定设备和任务有关。
bull;移动机器人的许多挑战都需要潜意识层面的智能。
移动机器人在未知环境中运动时，如果存在静止的未知障碍物，则需要存在能够解决这些机器人的路径和运动规划问题的算法，以避免碰撞。为了执行所需的运动，移动机器人能够清晰地导航，并避开障碍物，从而达到目标。当描述机器人模型和/或工作空间的参数不完全已知时，问题变得更加困难。
自主移动系统在许多领域都有一定程度的自给自足能力，是IAS的首要目标。重点是在模仿生物的过程中移动的能力和自给自足的能力。事实上，生物模型是主要的兴趣，因为生命系统是自主行为的原型。IAS在许多领域都有许多可能的应用，从空间探索到材料处理，从工业任务到残疾人帮助。事实上，认识、学习、决策和行动构成了国际会计准则规避障碍的原则问题。识别需要三个层次，即：不精确数据处理（由传感器发出）、知识库的构建和环境地图的建立。为了解决这些问题，弥补传统方法在实时性、自治性和智能性方面的不足，目前的方法都是基于混合智能系统的。
IAS设计者寻找能够像人类一样在实际环境中导航和执行有目的行为的动态系统。然而，环境复杂性是一个需要解决的特殊问题，因为这些环境可能是不精确的、巨大的动态的、部分的或非结构化的。国际会计准则必须能够理解这些环境的结构。为了在不发生冲突的情况下达到目标，国际会计准则必须具备识别、学习、决策和行动能力。获得这些处理和传递知识的能力是某种智力的关键。建立这种智能，到目前为止，是人类在设计和开发智能车辆方面的雄心壮志。
最近对智能机器人的研究为移动机器人的未来研究指明了一个很有希望的方向，即实时性、自主性和智能性受到的重视远远超过优化性和完备性。许多导航方法都放弃了基于环境智能行为获取的隐式导航的显式知识表示，它们必须调整自己的方向，自主探索环境，从失败中恢复，并实时执行整个任务系列。然而，移动机器人是研究与世界理解有关的可选人工智能问题和采取适当行动的适当工具，例如规划任务、避开障碍物和融合来自多个来源的数据。
本文研究了在未知环境下的智能路径规划问题。本文的目的是开发一种用于AMR静止避障的IAS算法，使其具有更强的自主性和智能性。机器人车辆是一种能够在结构化和非结构化环境中自主运行的智能移动机器，它必须能够感知（感知）环境、思考（规划、推理）和行动（移动和操纵）。然而，移动机器人是研究与单词理解和采取适当行动有关的可选人工智能问题的适当工具，例如，规划任务、避免障碍和融合来自多个来源的数据[3]。移动机器人的特点之一是环境的复杂性，因此路径规划是移动机器人的关键问题之一，也是一个有待广泛研究的开放性问题。
自主机器人设计中最重要的关键问题是导航过程，导航过程是自主移动机器人最重要的方面之一。因此，在移动智能系统的领域中，空间及其表示方式是一个重要的角色。我们可以通过以下原因来阐明这一重要性：
bull;它提供了进行路径规划的必要信息。
bull;它提供在计划路径执行期间监控机器人位置的信息。
bull;移动机器人必须有能力建立和使用其环境的模型，使其能够了解环境的结构。这对于理解订单、计划和执行路径是必要的。
智能与机器人系统的理论与实践是当前计算机科学与工程领域研究最为深入、最具发展前景的领域，必将在未来发挥重要作用。这些理论和应用提供了一个资源，将智能控制作为主要目标的所有领域联系起来。认知、感知、行动和学习是这些系统的重要组成部分，将它们集成到不同复杂程度的真实系统（从微型机器人到机器人社会）将有助于阐明机器人智能的真正本质。
机器人是一种“装置”，它通过自动运行一个程序来响应感官输入，而无需人工干预。通常，机器人被赋予一些人工智能，以便它能对可能遇到的不同情况作出反应。机器人是指所有的物体都是几何建模的，并且可以通过一个运动计划来控制。机器人车辆是一种能够在结构化和非结构化环境中自主操作的智能移动机器。它必须能够感知思维和行动。移动机器人是研究与世界理解有关的可选人工智能问题和采取适当行动的适当工具，例如规划任务、避开障碍物和融合来自多个来源的数据。
移动机器人导航过程的目标是将机器人移动到已知、未知或部分已知环境中的指定位置。在大多数实际情况下，移动机器人不能从起点到目标点走最直接的路径。因此，在这种情况下，必须使用路径规划技术，而简化的规划任务包括从起点到目标点，同时最小化一些成本，如时间消耗、检测机会或燃料消耗。
通常，离线规划一条路径供机器人跟随，在环境完全已知且静止且机器人无法完美跟踪的情况下，该路径可以引导机器人到达目的地。早期的路径规划师都是离线规划师，或者只适合离线规划。然而，离线规划的局限性使得研究人员开始研究在线规划，即在机器人穿越环境时，依靠感知局部环境获得的知识来处理未知障碍物。
此外，当机器人在特定空间运动时，必须选择最合理的路径，以避免与障碍物发生碰撞。移动机器人的路径规划有多种方法，其适用性取决于应用中的特定问题。例如，基于行为的反应方法是鲁棒碰撞避免的好选择。空间表示中的路径规划通常需要多种方法的集成。这可以为移动机器人提供高效、准确和一致的导航。
单移动机器人路径规划的主要任务是搜索无碰撞路径。路径规划的工作已经导致了现实世界中地图表示的问题。因此，这一问题被认为是移动机器人领域的挑战之一，因为它直接影响到具有简单、计算效率高的路径规划策略。对于路径规划区域，机器人使用拓扑图就足够了，该拓扑图只表示不同的区域，而没有办公室等细节。使用不同抽象级别的拓扑图有助于节省处理时间。拓扑图的静态方面允许在没有运行时相关信息的情况下创建路径。创建的计划基于拓扑图，不包含占用路径的对象。在这种情况下，不可能执行时间表。为了获得更多的实际信息，应该通过使用更多的最新计划（如以自我为中心的地图）来丰富日程安排。
拓扑路径规划对于创建长距离路径非常有用，它支持用于解决任务的导航。因此，从连接起点和目标点的拓扑图中提取表示自由区域空间的节点。起点主要是机器人的实际位置。为了生成路径，存在着几种基于图论的复杂经典算法，如最短路径算法。为了给路径规划提供最好的支持，对拓扑图使用不同的抽象级别可能会有帮助。例如，如果机器人进入一个特定的房间；对于邮递的员工，机器人必须使用包含办公楼门和房间号的拓扑图。
拓扑映射可用于解决抽象任务，例如，去检索位置不完全已知的对象，因为对象的位置经常更改。拓扑图是节点表示静态对象（例如房间和门）的图。节点之间的边是对象之间的零件关系。
移动机器人的一个特点是环境的复杂性。因此，路径规划是移动机器人的关键问题之一，也是一个有待广泛研究的开放性问题。因此，自主机器人设计中的关键问题之一就是导航。导航是指当机器人穿越环境时，引导移动机器人行进的科学（或艺术）。任何导航方案的内在要求是到达目的地而不迷路或撞上任何物体。移动机器人导航系统的目标是将机器人移动到已知、未知或部分已知环境中的指定位置。
导航规划是自主机器人最重要的方面之一。在大多数实际情况下，移动机器人不能从起点到目标点走最直接的路径。因此，在这些情况下，必须使用路径发现技术，最简单的规划任务包括从起点到目标点，同时最小化一些成本，如时间、探测机会等。当机器人实际开始沿着规划的路径行进时，它可能会发现路径上有障碍物，因此，机器人必须避开这些障碍物，规划一条新的路径来完成导航任务。
控制移动机器人导航的系统基于几个范例。例如，出于生物动机的应用程序采用动物的假定行为。几何表示使用矩形、多边形和圆柱体等几何元素来建模环境。此外，现有的移动机器人系统不使用其环境的表示。机器人的行为由实际采集的传感器数据决定。进一步介绍了使用图标来表示环境的方法。移动机器人的特点之一是环境的复杂性，因此路径规划是移动机器人的关键问题之一。移动机器人的路径规划有多种方法，其适用性取决于应用中的特定问题。例如，基于行为的反应方法是鲁棒碰撞避免的好选择。空间表示中的路径规划通常需要多种方法的集成。这可以为移动机器人提供高效、准确和组合导航。对于机器人来说，使用仅代表导航区域（自由区域、障碍物占用区域）的拓扑图就足够了。机器人必须有能力建立和使用环境模型，使其能够理解环境的结构。这对于理解订单、计划和执行路径是必要的。
许多研究都是在这一领域内进行的，其中一些研究使用“可见性图”来建立一个配置空间，该配置空间可以映射成一个顶点图，顶点之间可以直线移动。这种方法的缺点是耗时。相反，一些研究是基于将世界地图划分为一个网格，并为每个正方形指定一个成本。路径成本是路径通过的网格平方的成本之和。网格模型已经被许多作者采用，其中机器人环境被划分成许多正方形，并指示每个正方形中是否存在对象[6，9]。另一方面，许多研究人员开发了一种细胞模型，将导航世界分解为细胞区域，其中一些区域包括障碍物。利用建筑物中的骨架模型进行地图表示，了解环境结构，避开障碍物，寻找合适的导航路径。这些研究的目的是为移动机器人在所描述的移动环境中的工作寻找一种有效的自动路径策略。
本文提出了一种简单有效的自主移动机器人导航方法，该方法能使机器人导航、避障和注意目标。注意，这里描述的算法只是为了找到一条从初始区域源到目标区域的可行且灵活的路径，灵活的原因是用户可以改变障碍物的位置由于环境未知它没有影响。这种鲁棒方法能够处理大量的环境，为机器人提供了如何避开障碍物和如何到达目标的自主决策。此外，路径规划过程还包括环境结构和从源位置到自由空间的传播距离。对于环境中表示移动机器人初始位置的任何起点，都会跟踪到目标的最短路径。因此，本文提出的算法是在不消耗时间、能量、不安全的情况下，利用简单、计算效率高的方法来解决未知环境下的路径规划问题。提出了一种简单有效的自主移动机器人导航方法，该方法使机器人能够导航、避障和注意目标。注意，这里描述的算法只是为了找到一条从初始区域源到目标区域的可行且灵活的路径，灵活的原因在于。
1） 用户可以改变障碍物的位置，由于环境未知且满足任何用户需
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237512]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
