机器人避障策略研究.

Amigo机器人避障策略研究专业：指导老师：姓名：学号：Contents4绪论1235Amigo移动机器人介绍常用避障算法简介基于栅格法的避障策略研究仿真验证6总结与展望一、绪论课题来源自主避障的能力是移动机器人智能化程度的重要指标，是实现在未知环境中自主完成预设任务的关键技术之一，也是移动机器人在复杂多变环境中稳定、安全、高效完成任务的重要保障移动机器人一、绪论目前机器人避障还远未达到实时和全自主的要求，在未知复杂环境下很多还只能实现半自主。随着视觉采集设备质量和计算机图像处理技术的不断提高，移动机器人的障碍物识别与避障能力将会大大提高。基于以上重要性指导教师自拟此课题移动机器人一、绪论介绍Amigo机器人的硬件配置、软件系统以及客户端操作平台和人机通讯方式介绍移动机器人避障的常用算法并比较各自的优缺点以栅格搜索法的避障算法为重点，分析Amigo机器人的避障实现过程首先其次再次课题研究主要内容最后借助仿真软件进行仿真，验证算法的可行性，并总结不足和可以改进的地方二、Amigo移动机器人介绍硬件系统1.底盘采用三轮结构：一个万向轮，仅起支撑作用，不起导向作用；两个驱动轮则位于车体两侧，采用PWM控制2.内嵌SH2微控制器，负责底层数据处理和命令执行，如获取传感器信息，小车位置信息等等3.配备有8个声呐测距装置，负责采集周围环境信息，将数据传给微处理器处理4.其上安装有无线接收与发送模块，通过此模块可以与电脑实现实时通讯二、Amigo移动机器人介绍软件系统1.ARIA：这是为MobileRobots开发的，面向对象的，用于机器人控制的应用程序接口系统，其他程序都是以ARIA为基础的2.ARNL：这是用于MobileRobots机器人平台定位及自主导航的软件开发包3.MobileSim：这是移动机器人的仿真软件，包含机器人以及周围环境模型，可以加载地图，获取传感器数据信息4.Mapper3：是地图绘制软件，他可以把激光测距仪获得的信息自动生成地图，也可以让用户自己手动绘制地图，手动绘制的地图也可以直接加载在MobileSim中二、Amigo移动机器人介绍人机通讯Amigo机器人与计算机系统连接方式主要有三种：一是通过串行口建立连接，该方法连接简单，只需要一条串口连接线，即可实现机器人与计算机系统连接，但受到串口线的限制，计算机对机器人控制不方便；二是通过无线网络建立连接，机器人和计算机之间需要借助无线路由器建立连接，进而可实现对机器人的远程控制，该方法应用较多；三是车载计算机系统，机器人配备嵌入式计算机主板，该主板具有常规的键盘、鼠标、显示器接口，具有0/100M自适应网卡，具有4个COM口，2个USB口，在PC104/PC104+扩展总线。车载计算机通过COM1口与控制器连接，直接实现数据通信。这里，我们用第二种连接方式。三、常用避障算法简介1.基于几何构造的避障算法2.基于栅格划分的避障算法3.基于逻辑推理的避障算法4.基于模糊控制的避障算法5.基于神经网络的避障算法6.基于人工势场的避障算法三、常用避障算法简介1.基于几何构造的避障算法我们可以连接起始点和障碍物的顶点，再连接障碍物的顶点和目标点，障碍物的不同顶点对应了不同的路径，从这些有限的路径中选出的最短路径就是我们要求的最优路径。这种算法比较简单，但功能单一，不能在动态未知地图条件下实现避障。三、常用避障算法简介2.基于栅格划分的避障算法建立一个环境坐标系来描述机器人的环境，在这个坐标系中，二维笛卡尔栅格不断被机器人传感器采样环境所更新，环境坐标是绝对地表示环境，并在一定的实时区域、一定时间内保持坐标原点的固定，但在局部区域内完成了移动后，再基于目前行驶点和下个目标点重新建立机器人的环境地图。三、常用避障算法简介3.基于逻辑推理的避障算法算法步骤如下：1）定义一个状态集，该集合反映机器人通过传感器测得的当前状态。2）定义一个行为集，该集合反映机器人当前可以采取的动作。3）确定从状态到行为的映射关系。三、常用避障算法简介4.基于模糊控制的避障算法在基于逻辑推理的路径规划方法基础进行改进：1）传感器的一次测量值与多个状态对应，每个状态有一个隶属度对应。2）根据模糊推理结果确定行为。引入隶属度的概念可以明显的减少传感器测得的状态个数。模糊控制就相当于是在逻辑推理的基础之上，改进了缩小状态集的方法，从而让移动机器人在移动过程中的自主性更加明确。三、常用避障算法简介5.基于神经网络的避障算法1）先将问题转化为优化问题。2）用神经网络表示惩罚函数。3）推导出相应的反向传播算法用于神经网络的训练。将避障或者说是路径规划问题转化为最优化问题，地图上的障碍物即为问题的约束条件，再用神经网络引入惩罚函数，这样就将有约束条件的最优化问题转化为无约束优化问题。三、常用避障算法简介6.基于人工势场的避障算法障碍物对机器人施加排斥力，目标点对机器人施加吸引力，排斥力和吸引力的合力形成势场，机器人移动就像球从山上滚下来一样，移动机器人在合力作用下向目标点移动。应用势场法规划出来的路径一般是比较平滑并且安全。四、基于栅格法的避障策略研究概率的计算算法流程第四章主要有以下几个部分的内容用栅格法划分地图四、基于栅格法的避障策略研究用栅格法划分地图在进行避障和路径规划时，采用栅格为基本单位表示环境信息。按照机器人及其有限的活动场地大小进行栅格的定义和场地的栅格划分。图中具有黑色方块的栅格表示有障碍物四、基于栅格法的避障策略研究概率的计算下一步可以有八个方位进行搜索，即：东、南、西、北、东北、西北、东南、西南在不同的方向上加上关联程度a：黑色区域的方向，a=0白色区域的方向，a=1根据具体地图环境，给不同的方向附上权值某个方向的概率：这个方向的权值比上所有方向权值的和四、基于栅格法的避障策略研究算法流程将搜索过程分为m组，每一组会得到n条可行路径。m代表从起始点到目标点所经过的栅格总数，每走一步，m就加一；n为每组中所有的可行路径，这些可行路径都是从当前起点到目标点的路径每条可行路径，都是通过一步步计算每个可行方向的概率而得到的四、基于栅格法的避障策略研究选择经过栅格个数最少的一条为最优避障路径，并走到下一个栅格。m=0+1首先计算各个方向的概率，确定由起始点到目标点的所有可避障路径。m=0到达下一个栅格后，重新将目前已到达的栅格作为新的一个起始点，计算出新的起始点到目标点的最优路径每走一步都更新地图信息，这会让移动机器人最终所走的路径更趋于最优避障路径五、仿真验证图中，红色小点代表移动机器人Amigo，浅黄色的矩形块代表障碍物。起始点为图左下角标有“start”的点，目标点为图靠上部的地方，标有“Goal”的点。程序执行前，机器人停在起始点五、仿真验证执行程序让机器人开始移动，栅格搜索法已为移动机器人计算出一条实现避开障碍物的最优路径五、仿真验证让移动机器人继续移动，每走一步最优路径会更新，避障效果更好。当然由于地图简单，路径改变不明显。从仿真结果可以看出，栅格搜索算法成功地完成了机器人避障所要求的任务。六、总结与展望本次研究所用的算法只能实现在静态环境中的避障，不能够实现动态避障，即障碍物时静止的。因为所用栅格法，第一步就要求对所给地图划分栅格，相应的障碍物的位置和形状早已为给定。在硬件方面，我们可以用更高级的测距仪器实现避障，如：激光测距仪在算法方面，我们可以用第三章所列举的高级编程思想，来实现避障