一、移动机器人技术概述

移动机器人技术^[12]是一项具有巨大发展潜力的高科技技术，从工业生产自动化到军事、新能源、第三产业、医疗卫生、环境保护、人工智能、电子机械等诸多方面，移动机器人作为机器人学的一个重要分支，正在生产和生活发挥着不可替代的角色，也给我们带来了巨大的便利。而路径规划^[5]则是机器人研究中最为关键的课题之一，它解决的是机器人如何在特定的环境中行走的问题，也是解决机器人导航问题的一个重要环节。同时，它还涉及到传感器、通信、信息处理等其他方面的问题。因此，机器人技术是一个全局性的课题^[8]。

二、路径规划方法的研究现状

机器人路径规划算法^[6]是机器人研究的重要内容之一，它反映了机器人在运动过程中与周围环境交互的能力，它是研究机器人控制系统和导航技术的基本环节之一。它要求机器人在有障碍物的环境中，依据某个或某些性能指标（例如最少能量消耗、最短行走路径，最短行走时间等）在其工作空间中寻找一条从起始状态到目标状态的最优或近似最优路径，使机器人在运动过程中能够安全无碰撞地绕过障碍物。

根据工作环境路径规划模型^[1]可分为两种：基于模型的全局路径规划，作业环境的全部信息已知，又称为静态或离线路径规划：基于传感器的局部路径规划，作业环境信息全部未知或部分未知，又称动态或在线路径规划^[7]。局部路径规划和全局路径规划没有本质区别，前者只是把全局路径规划的环境考虑得更复杂一点即环境是动态的，很多适用于局部路径的方法都可以适用于全局路径规划。全局规划方法依据已获取的全部环境信息，给机器人规划出一条从起点至终点的运动路径。路径规划包括环境建模和路径搜索两个子问题。其中环境建模的常用方法有可视图法、自由空间法和栅格法等；路径搜索策略包括A*算法^[17]、D*最优算法，人工势场法（Artificial Field）、模糊逻辑算法（Fuzzy Logic Algorithm）等。规划路径的精确程度取决于获取环境信息的准确度。全局路径规划方法通常可以寻找最优解，但需要预先知道准确的地全局环境信息。通常该方法计算量大，实时性差，不能较好的适应动态非确定环境^[7]。基于环境建模的全局路径规划方法主要有：自由空间法、构型空间法和栅格法等。

1．自由空间法：基于给定的形状如凸多边形等来构建自由空间^[17]。随之将这些自由空间表示成连通图，在连通图中搜索路径。当障碍物增多时，对应的连通图的构建难度随之攀升。自由空间法^[4]的灵活性在于；即使改变规划的起止点不会影响连通图的重构，其不足在于获得的规划路径不能保证最短。

2．可视图法：是指通过移动机器人的起止点、障碍物的顶点来构建可视图，在可视图中寻找机器人起止点间的无碰撞最短路径。可视图法^[17]不仅适用于移动机器人起止点固定的情形，当起止点固定时，这一算法要重新构建可视图，降低搜索效率。

3．栅格法：就是在世界坐标下，将机器人的工作空间分成若干栅格，利用传感器测得的信息，确定障碍物位置并映射成若干栅格^[14]。栅格大小的选取将直接影响着规划算法的性能。栅格选的小，环境分辨率高，但环境信息存储量大，同时干扰信号相对增加，使得决策工作量加大，最终导致规划速度变慢，降低系统的实时性；反之，虽抗干扰能力强，环境信息存储量小，决策速度加快，但因分辨率下降，在密集障碍物环境中不利于规划出有效路径。栅格大小的选取也与传感器的性能以及机器人自身的体积有关，栅格的大小以机器人自身的尺寸为准，通常应满足移动机器人能在一个自己的栅格内安全移动。对于环境中障碍物较少的情形，可采用非均匀的四叉树栅格法、八叉树栅格法等来简化工作空间，进而提升路径规划效率。在栅格法中，栅格单元同规划的路径质量、算法耗时长度呈负相关^[3]。因此，需要处理路径质量和算法效率间的平衡问题。

然而，在局部路径规划^[5]中，环境信息知道的比较少、计算复杂性较低。当部分环知之较少、需要借助传感器感知环境信息，通过反馈的信息来实现路径规划。局部路径擅长求解实时规划问题，其规划效率高、规划的路径避障能力强，但其规划路径可能存在震荡点、不一定是全局最优。局部规划中的常用方法有势场法、遗传算法、模糊逻辑算法、蚁群算法等^[13]。

1．人工势场法：人工势场法^[7]是传统算法中较成熟且高产的规划方法，其基本思想是将移动机器人在环境中的运动视为一种虚拟人工受力场中的运动。障碍物对移动机器人产生斥力，目标点产生引力，引力和斥力周围由一定的算法产生相应的势场，机器人在势场中受到抽象力作用，抽象力使得机器人绕过障碍物。