路径规划是移动机器人研究领域中较为重要的一部分,是完成各项任务的前提。从起始点到目标点的运动过程中,机器人不仅要安全到达,而且要尽可能保持路径平滑。良好的算法能有助于移动机器人在复杂环境中适应各种变化,并完成到达指定位置的任务。本文以个体移动机器人为研究对象,就二维环境中的路径规划问题进行研究。主要研究内容如下。1.全局路径规划在预先知道环境准确信息的情况下,可以找到最优解,如出现未知动态障碍物时,该方法可能就无法完成。局部路径规划能对规划结果进行实时反馈和校正,但是由于缺乏全局环境信息,所以规划出来的路径有可能不是最优的。因此为了解决个体机器人路径规划问题,本文提出了在全局路径规划中效果较好的快速扩展随机树(RRT)方法和局部路径规划的人工力矩法结合的混合算法,对个体移动机器人进行路径规划。由于人工力矩法可能会导致机器人选择错误的运动方向,使路径繁琐,并且在符合新吸引线段的条件下,都要重新计算新的吸引线段和吸引点,计算量较为复杂,为了解决此问题,首先采用RRT方法对全局环境进行预规划,保存生成最终路径的子节点和轨迹;其次人工力矩法把RRT生成的每个子节点当作机器人的吸引点,机器人向节点运动过程中,同时受到吸引矩和排斥矩的作用,使机器人运动轨迹始终与障碍物保持一定的安全距离,对原有RRT法的轨迹进行了修正。避免了机器人选择错误的初始运动方向和路径绕远的问题。2.由于经典RRT是通过概率值P(0到1)来选择向随机方向扩展还是目标方向扩展,最终路径比较曲折、杂乱。因此在经典RRT方法基础上提出平滑处理RRT方法,增加了偏向目标方向的步长,在空闲区域中节点完全朝向目标点扩展,有障碍物时则向随机点方向的步长变长。使全局规划出来的路径更接近理想路径。由于RRT方法不适合具有动态障碍物的路径规划,机器人在遇到动态障碍物时,追踪不到下一个子节点,则通过动态障碍物的知识障碍墙产生的吸引线段和吸引点,引导机器人运动,使机器人避开动态障碍,再去追踪下一个子节点,直至到达目标点。3.使用MATLAB对平滑处理RRT和人工力矩法的混合算法进行仿真分析,不论在复杂静态环境还是动态环境中,该混合方法不仅能获得全局最优的路径,还有良好的局部动态障碍躲避能力,验证了混合算法的可行性和高效性。