“路径规划”版本间的差异
来自iCenter Wiki
（以“移动机器人路径规划主要解决 3 个问题: 1) 使机器人能从初始点运动到目标点; 2) 用一定的算法使机器人能绕开障碍物,并且...”为内容创建页面） |
|||
| 第1行： | 第1行： | ||
移动机器人路径规划主要解决 3 个问题: | 移动机器人路径规划主要解决 3 个问题: | ||
| − | + | ||
| − | + | 1）使机器人能从初始点运动到目标点; | |
| − | + | 2）用一定的算法使机器人能绕开障碍物,并且经过某些必须经过的点完成相应的作业任务; | |
| + | 3）在完成以上任务的前提下, 尽量优化机器人运行轨迹. | ||
===模板匹配路径规划=== | ===模板匹配路径规划=== | ||
| − | 模版匹配方法是将机器人当前状态与过去经历相比较,找到最接近的状态, 修改这一状态下的路径, 便可得到一条新的路径[2,3] | + | 模版匹配方法是将机器人当前状态与过去经历相比较,找到最接近的状态, 修改这一状态下的路径, 便可得到一条新的路径[2,3]。 |
| − | + | 即首先利用路径规划所用到的或已产生的信息建立一个模版库, 库中的任一模版包含每一次规划的环境信息和路径信息, 这些模版可通过特定的索引取得; 随后将当前规划任务和环境信息与模版库中的模版进行匹配,以寻找出一个最优匹配模版;然后对该模版进行修正, 并以此作为最后的结果 | |
| − | 即首先利用路径规划所用到的或已产生的信息建立一个模版库, 库中的任一模版包含每一次规划的环境信息和路径信息, 这些模版可通过特定的索引取得; 随后将当前规划任务和环境信息与模版库中的模版进行匹配,以寻找出一个最优匹配模版;然后对该模版进行修正, 并以此作为最后的结果 | + | |
===人工视场路径规划=== | ===人工视场路径规划=== | ||
| − | 人工势场路径规划技术的基本思想是将机器人在环境中的运动视为一种机器人在虚拟的人工受力场中的运动.障碍物对机器人产生斥力,目标点对机器人产生引力,引力和斥力的合力作为机器人的控制 力, 从而控制机器人避开障碍物而到达目标位置. | + | 人工势场路径规划技术的基本思想是将机器人在环境中的运动视为一种机器人在虚拟的人工受力场中的运动.障碍物对机器人产生斥力,目标点对机器人产生引力,引力和斥力的合力作为机器人的控制 力, 从而控制机器人避开障碍物而到达目标位置. |
| − | 对于动态 路径规划问题来说, 与机器人避障相关的主要是机器 人与障碍物之间的相对位置和相对速度, 而非绝对位置和速度. | + | 对于动态 路径规划问题来说, 与机器人避障相关的主要是机器 人与障碍物之间的相对位置和相对速度, 而非绝对位置和速度. |
| − | 人工势场路径规划技术原理简单,便于底层的实时控制,在机器人的实时避障和平滑轨迹控制等方面得到了广泛研究.但人工势场路径规划方法通常存在局部极小点,尽管也有不少针对局部极小的改进方法, 但到目前为止, 仍未找到完全满意的答案.另外,在引力和斥力场设计时存在人为不确定因素,在障碍物较多时还存在计算量过大等问题,这些因素的存在限制了人工势场路径规划方法的广泛应用.应用中的难点是动态环境中引力场与斥力场的设计、局部极小 问题的解决. | + | 人工势场路径规划技术原理简单,便于底层的实时控制,在机器人的实时避障和平滑轨迹控制等方面得到了广泛研究.但人工势场路径规划方法通常存在局部极小点,尽管也有不少针对局部极小的改进方法, 但到目前为止, 仍未找到完全满意的答案.另外,在引力和斥力场设计时存在人为不确定因素,在障碍物较多时还存在计算量过大等问题,这些因素的存在限制了人工势场路径规划方法的广泛应用.应用中的难点是动态环境中引力场与斥力场的设计、局部极小 问题的解决. |
===地图构建路径规划=== | ===地图构建路径规划=== | ||
| − | 地图构建路径规划技术,是按照机器人自身传感器搜索的障碍物信息, 将机器人周围区域划分为不同的网格空间（如自由空间和限制空间等),计算网格空间的障碍物占有情况,再依据一定规则确定最优 路径[21-23] | + | 地图构建路径规划技术,是按照机器人自身传感器搜索的障碍物信息, 将机器人周围区域划分为不同的网格空间（如自由空间和限制空间等),计算网格空间的障碍物占有情况,再依据一定规则确定最优 路径[21-23] |
===人工智能路径规划=== | ===人工智能路径规划=== | ||
展望： | 展望： | ||
| − | 新的路径规划方法/机器人底层控制与路径规划算法的结合/多机器人任务分配、通信协作及路径规划的研究 | + | 新的路径规划方法/机器人底层控制与路径规划算法的结合/多机器人任务分配、通信协作及路径规划的研究 |
2020年6月1日 (一) 15:18的版本
移动机器人路径规划主要解决 3 个问题:
1）使机器人能从初始点运动到目标点; 2）用一定的算法使机器人能绕开障碍物,并且经过某些必须经过的点完成相应的作业任务; 3）在完成以上任务的前提下, 尽量优化机器人运行轨迹.
模板匹配路径规划
模版匹配方法是将机器人当前状态与过去经历相比较,找到最接近的状态, 修改这一状态下的路径, 便可得到一条新的路径[2,3]。 即首先利用路径规划所用到的或已产生的信息建立一个模版库, 库中的任一模版包含每一次规划的环境信息和路径信息, 这些模版可通过特定的索引取得; 随后将当前规划任务和环境信息与模版库中的模版进行匹配,以寻找出一个最优匹配模版;然后对该模版进行修正, 并以此作为最后的结果
人工视场路径规划
人工势场路径规划技术的基本思想是将机器人在环境中的运动视为一种机器人在虚拟的人工受力场中的运动.障碍物对机器人产生斥力,目标点对机器人产生引力,引力和斥力的合力作为机器人的控制 力, 从而控制机器人避开障碍物而到达目标位置. 对于动态 路径规划问题来说, 与机器人避障相关的主要是机器 人与障碍物之间的相对位置和相对速度, 而非绝对位置和速度. 人工势场路径规划技术原理简单,便于底层的实时控制,在机器人的实时避障和平滑轨迹控制等方面得到了广泛研究.但人工势场路径规划方法通常存在局部极小点,尽管也有不少针对局部极小的改进方法, 但到目前为止, 仍未找到完全满意的答案.另外,在引力和斥力场设计时存在人为不确定因素,在障碍物较多时还存在计算量过大等问题,这些因素的存在限制了人工势场路径规划方法的广泛应用.应用中的难点是动态环境中引力场与斥力场的设计、局部极小 问题的解决.
地图构建路径规划
地图构建路径规划技术,是按照机器人自身传感器搜索的障碍物信息, 将机器人周围区域划分为不同的网格空间（如自由空间和限制空间等),计算网格空间的障碍物占有情况,再依据一定规则确定最优 路径[21-23]
人工智能路径规划
展望：
新的路径规划方法/机器人底层控制与路径规划算法的结合/多机器人任务分配、通信协作及路径规划的研究
