《amigo机器人路径规划研究与实现毕业(论文)设计论文.doc》由会员分享，可在线阅读，更多相关《amigo机器人路径规划研究与实现毕业(论文)设计论文.doc（23页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、毕业设计（论文）设计(论文)题目Amigo机器人路径规划研究与实现目 录摘 要1ABSTRACT1一、 绪论3（一）引言3（二）研究本课题的背景和意义3（三）课题研究现状和发展趋势4（四）本论文阐述内容及论文的大体结构4二、移动机器人模型介绍5（一） 先锋3系列机器人平台介绍51. Amigo机器人硬件系统52. Amigo机器人软件系统6（二）先锋3系列机器人工作原理61. Amigo机器人的C-S关系62. Amigo机器人的通讯73 Amigo机器人的任务周期8（三）移动机器人的坐标系9三、 基于栅格法的路径规划研究11（一）常用路径规划算法111. 基于几何构造的路径规划方法112 基
2、于模糊逻辑的路径规划方法113 基于神经网络的路径规划方法114 基于人工势场的路径规划方法12（二）栅格法简介12（三）栅格模型设计131栅格地图设计132栅格之间可行性和优先性的确定143路径选择概率14（三）算法描述141 算法思想142算法流程15四、仿真实验及结论17（一）算法性能分析17（二） 实验仿真验证17（三）结论18五、总结于展望19（一）总结19（二）展望19参考文献2019摘 要 路径规划问题是移动机器人技术研究的重要问题之一，是关于机器人人工智能问题的一个重要方面，路径规划的任务是在机器人的工作环境中按要求规划出一条最优的可行路径。本文主要阐述机器人在静态已知环境下的
3、路径规划问题。 本文综述了移动机器人的国内外研究现状，Amigo机器人多线程工作原理，无线网络连接方式，探讨了路径规划的算法实现问题，首先对常用算法做简单的介绍，然后详细介绍栅格网络搜索算法，最后通过仿真实验，完成了在没有障碍物和存在多种障碍物的情况下的仿真验证，并对结果进行分析，仿真结果表明，该算法能够成功地在各种复杂程度不同的环境里规划出一条近似最优的路径，证明了算法的有效性。 关键词：移动机器人，路径规划，栅格搜索法 ABSTRACTPath planning is an important problem in mobile robot research，it is also an i
4、mportant aspect of artificial intelligence robot. The path planning task in robot work environment is to plan out an optimal feasible path. This thesis focuses on the robot path planning in a static known environment. In the first two chapters, the research status of the mobile robot, Amigo robot wo
5、rks principle in multi-threading, and the wireless network mode are introduced respectively. Various path planning algorithms are analyzed in Chapter 3. First a brief introduction of the path planning algorithms is given and then grid network search algorithm is discussed in detail. Finally, simulat
6、ion experiments are conducted for the grid search algorithm in circumstances with obstacles and without obstacle. Simulation results show that grid search algorithm is able to plan better path rapidly in complex environment only if the path exists and also show the effectiveness of the proposed appr
7、oach.Key words: Mobile robots, Path planning, Grid search algorithm一、 绪论（一）引言移动机器人作为一门综合学科, 近年来才发展起来，它代表了机电一体化的最高成就，集中了计算机、电子、自动控制、机械、以及人工智能等多学科最新研究成果。移动机器人集动态决策与规划、环境感知、行为控制与执行等多种功能于一体，它的应用前景广阔，在民用中的物料搬运上以及防核污染、扫雷排险、军事侦察等很多方面都有应用，到目前世界上很多国家都高度重视对移动机器人的研究。如今人们愈来愈多的重视对移动机器人的研究，主要是由于机器人可以帮助人类完成目前人类无法独
8、立完成的工作，尤其在危险、恶劣的环境中甚至于在目前人类不可到达的环境中；同时应用移动机器人还可以降低生产成本, 提高生产力,提高生产效率。移动机器人的应用将会越来越广泛的渗透到国计民生的诸多领域, 随着机器人研究及智能化程度的提高,将会具有更广阔的市场前景。（二）研究本课题的背景和意义随着科学技术的快速发展，像人工智能技术、集成电路技术、传感器技术等学科发展迅速，这使得机器人学这一由多学科交叉而形成的学科也进入一个崭新的发展阶段。社会各界对移动机器人的研究高度重视，移动机器人发展迅速。当今移动机器人技术发展的主要特点表现为:一是只要求机器人在某种程度上具有自主处理问题的能力，而不再不要求机器人
9、具有像人类一样的高智能，对机器人智能定位有了更加符合理性的标准；二是在机器人的研究中采用了许多新技术、新方法，比如虚拟现实、神经网络、高速度的并行处理机、传感器融合等技术，机器人研究重点正在不断地发生转变，不断地取得新的突破。未来机器人将向着高度自动化和智能化的方向发展，在不需要人的参与下完成各种任务，由于机器人工作于自然环境中，必将遇到各种障碍物，为实现目标必不可少的便是壁障和路径规划问题。要求机器人能够实现自主确定便捷和安全的行动路线。移动机器人路径规划是机器人研究领域的一个重要的问题，这被描述为：给出了一个移动机器人的环境（环境的移动机器人视觉系统，或其他方式等），一个起始点和一个期望的
10、终止点，移动机器人的路径规划是基于一个特定的任务要求（最短路径，最小能量消耗或使用的时间短等）寻求一条可行路径，能够成功实现目标。 路径规划在移动机器人导航技术中占有极其重要的地位，他是移动机器人智能化程度的重要标志，是移动机器人完成各项任务的安全保障。移动机器人的路径规划算法的深入研究，可以继续提高导航性能和智能水平，并促进了移动机器人的进一步发展。（三）课题研究现状和发展趋势 在20世纪70年代人们便开始机器人路径规划的研究，目前人们对路径规划问题研究仍然十分活跃。在国家计划的支持下，国内重点大学和研究机构都投入了大量的人力和相关的移动机器人领域一个研究资源。在移动机器人的导航和定位、互动
11、技术的体系结构、信息融合技术、智能化技术等方面的研究取得了大量的成果。随着科学技术的不断发展，移动机器人的路径规划问题研究发展迅速，已经取得了很大进展。但仍旧存在一些问题，在以下方面需要作进一步研究： 1)局部路径规划与全局路径规划的有效结合；2)多传感器信息融合的引入；3)智能算法引入路径规划；4)基于慎思/反应混合式的路径规划；5)多智能移动机器人的路径规划。（四）本论文阐述内容及论文的大体结构 本文主要研究移动机器人在静态已知环境下寻求最优路径问题，采用的机器人为先锋系列的Amigo作为研究对象。 首先讲述了国内外对于移动机器人的研究，以及以后移动机器人的发展趋势，分析了路径规划在移动机
12、器人研究中的重要地位，以及世界各国对于此的研究现状，在此基础上，提出本论文所提基于栅格搜索法的移动机器人路径规划算法，即本课题研究的背景和意义。 然后介绍了本研究所涉及的一些基础知识，主要包括本文所采用的Amigo机器人的软硬件特性，软件开发平台的使用，以及Amigo机器人的工作原理。 最后介绍了路径规划常用算法，详细介绍了栅格搜索法路径规划问题，并借助仿真软件进行仿真。对仿真结果作进行分析。本论文各章节内容如下：第一章为文章综述，讲述了移动机器人的国内外研究现状，论文选题的背景与意义，以及本论文的结构。第二章为基础部分，主要围绕着Amigo机器人展开叙述，讲述了机器人软硬件特性，和计算机建立
13、连接方法以及多线程工作原理。第三章讲述了路径规划的算法实现问题，首先对常用算法做简单的介绍，然后详细介绍栅格网络搜索算法。第四章为实验验证，主要为仿真实验，完成了在没有障碍物和存在多种障碍物的情况下的仿真验证，并对结果进行分析，得出结论。第五章对本论文作总结，对算法的优缺点进行分析，提出进一步完善的内容。二、移动机器人模型介绍（一） 先锋3系列机器人平台介绍先锋3系列机器人是Mobile Robots生产的自主式室内移动机器人。先锋3系列机器人比大多数机器人小，如图2-1，但是在它的内部高度集成了智能移动机器人技术，而它的能力完全可以与那些体积笨重价格昂贵的设备相匹敌。图2-1 先锋3系列机器
14、人Amigo外形及物理尺寸1. Amigo机器人硬件系统 Amigo机器人体积较小，灵活方便，功能强大，为广大学校用于研究开发。其长为33cm，宽为28cm，高为13cm，重为3.6Kg，可载重30kg，最大平移速度750mm/sec，最大旋转速度300deg/sec。它提供了内嵌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，具有更快捷的处理速度和更强大的扩展能力。 Amigo机器人具有一个万向轮和两个驱动轮，其中万向轮仅仅起到支撑作用，而驱动功能和导向作用则由驱动轮来完成。每个驱动轮配有一个电机，每台电机配备高分辨率光学编码器，可以准确定位，速度测量，以及更
15、先进的计算。ARCOS 驱动服务器使用一个普通的比例微分积分（PID）控制系统来调节电机驱动器的PWM脉冲宽度以平滑电机的运动。电机运行周期为50微秒（20KHZ）；脉冲宽度由0-500表示0-100的占空比周期。ARCOS 驱动服务器每5毫秒便会根据车轮编码器的反馈再次计算并且调整机器人的运动轨迹。 此外该机器人还配备有8个声呐测距装置，其分布如图2-2所示，在前方不均匀的分布着6个声呐装置，用于检测前方、左前方、左方、右前方、右方的障碍物，在后方有两个声呐装置用于检测后方的障碍区。Amigo机器人的声呐测量距离的范围为10cm（6 英寸）至5m，这决定于测量速度。图2-2 Amigo 声呐
16、分布2. Amigo机器人软件系统 机器人控制器软件系统包括ARIA 和ARNL，机器人客户端软件系统包括MobileSim、MobileEyes、Mapper3等等。 Aria软件功能强大，使用方便，简单，因而具有更强的适应性，可用于先锋系列机器人的运动控制。Aria基于C+编程语言，为面向对象的，是高端软件编写的理想选择，Aria由Mobile Robots开发，作为应用程序接口（API），非常方便Amigo机器人应用程序的开发与研究。ARNL软件开发包主要是用于Mobile Robots机器人平台定位及自主导航。移动机器人的仿真软件种类较多，各有优缺点，Amigo机器人使用的是操作简单的
17、MobileSim仿真软件。MobileSim工作界面简单，容易上手。我们在进行机器人仿真之前首先应打开MobileSim仿真软件，这样才能和机器人建立连接，由于MobileSim主要加载工作环境地图和机器人，并实时显示机器人的运动轨迹，因此应先绘制地图。借助Mapper3绘图软件，可以方便地绘制机器人的工作环境地图，需要注意的是，为方便实物仿真，我们在绘制机器人的真实工作环境时，必须做到准确无误，否则实验结果就会出现偏差。MobileEyes是更为高级的仿真软件，主要应用于机器人的导航与定位，本文关于移动机器人的路径规划就用到了上述软件，特别是MobileEyes仿真软件。（二）先锋3系列机
18、器人工作原理1. Amigo机器人的C-S关系 机器人本体上包括所有的传感器、执行器、电源等附属设备及SH2单片机构成下位机，一般我们使用的PC作为上位机。上/下位机构成Client/Server结构。如图2-3所示。图2-3 Amigo机器人C-S结构 下位机负责执行底层任务，包括机器人运动指令，获取传感器信息，计算各种位置信息，驱动附件设备以及处理上位机发出的控制指令等等，上位机即主机主要执行应用层次的任务，包括障碍物的检测与避障，传感器耦合，定位、导航等等。当上位机和下位机建立连接之后，上位机可以仿真一个网络上的机器人服务器，或者直接利用获得的信息控制机器人。2. Amigo机器人的通讯
19、 Amigo机器人与计算机系统连接方式主要有三种（如图2-4）：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；第三，车载计算机系统，机器人配备了一个嵌入式计算机主板，主板上有一个传统的键盘，鼠标，显示器接口，0/100M自适应网卡，4个COM口，2个USB口，PC104/PC104+扩展总线等设备。图2-4 Amigo机器人连接方式 Aria帮助用户实现上位机的应用程序与下位机Firm
20、ware的通讯以及应用程序与下位机Firmware的通讯，其中也包含了对下位机附件设备的通讯和管理。ArRobot类是Aria的核心，管理着Client与Server的通讯周期、读取机器人平台的运行状态信息、触发通讯周期内的特定任务等工作内容。 机器人的通讯即为建立ArRobot实例与机器人平台OS（也即Firmware）的连接关系。这里的机器人平台包含了机器人本体以及从机器人本体上的AUX端口、模拟/数字IO扩展出的附件设备（例如：声呐、抓持器、PTZ云台、先锋手臂、罗盘等）。ArRobot实例可以与机器人Firmware建立连接，也可以与仿真器建立连接，建立连接的过程由ArRobotCon
21、nector类实现。 ArRobotConnector建立ArRobot的连接时，首先会尝试通过本地TCP端口建立与MobileSim的连接，如果不成功则会进一步建立与Firmware的本地串口（COM1）连接。 机器人Client与Server之间通讯传输的基本单位是符合先锋数据协议的数据包，基本过程：Client发送指令数据包（ Command Packets ）给机器人，来控制机器人平台。Server端则将机器人状态信息数据包（ Server Information Packets ，即“SIPs”) 发给Client端，应用程序解读分析机器人状态信息进行计算。 SIPs包含了机器人及附
22、件设备的状态信息，每100ms由Server向Client发送一次。SIPs包含的具体内容有机器人的当前位置以及预期位置、平移和旋转速度、声呐信息、电池电压、模拟及数字I/O状态信息等。这些数据信息通过ArRobot的状态映射表来实现存储和使用。3 Amigo机器人的任务周期 SIPs是以一定的周期发送的，Aria每收到一个SIP就会触发一个ArRobot任务处理周期。每个任务周期处理的任务有：SIP数据包解析、传感器数据处理、机器人行为处理、状态映射、用户任务处理。任务周期如图2-5图2-5 Amigo机器人任务周期（三）移动机器人的坐标系移动机器人要完成避障，实现路径规划，首先需对移动机器
23、人有一个准确的定位，这就要用到移动机器人的坐标系问题。常用的移动机器人坐标系有两种，分绝对坐标系和相对坐标系，一般使用绝对坐标系。而Amigo机器人使用声呐测距，光电编码器确定位置，所测得位置信息多为相对于小车的，为相对坐标，因此需要进行坐标变化。由光电编码器的值计算得到是移动机器人的内部坐标位置，因此是相对坐标系中的位置。内部坐标系如图2-6所示图2-6 Amigo机器人内部坐标系 Amigo机器人在默认情况下，其初始位置坐标和角度值均为零，即绝对坐标系和相对坐标系重合，当前移动机器人的位置信息就是相对于绝对坐标系的位置信息。移动机器人时刻处于运动当中，即相对坐标系一直在发生变化，而绝对坐标
24、系始终保持不变，因此大多说情况，机器人相对坐标和绝对坐标不同，简单坐标变换情况如图2-7所示。 前面介绍了移动机器人坐标变换的简单情况，当机器人在运动时，有时候情况并非这么简单，而是如图2-8所示，两个坐标系的X轴以及Y轴并非分别对应平行的，而是两个坐标系的对应坐标轴轴之间存在着一个夹角， A点在局部坐标系的坐标值（x1，y1），A点与全局坐标系的X轴的夹角，机器人在全局坐标中的坐标值为（x0，y0），由三角变换得:Robotxy0XYAX0y0A(x1,y1)Robotxy0XY 图2-7 机器人坐标系统简单不重合情况 图2-8机器人复杂坐标变换因此，A点在绝对坐标系下的坐标值（x，y）为：
25、x=x0+y=y0 +三、 基于栅格法的路径规划研究（一）常用路径规划算法1. 基于几何构造的路径规划方法图3-1基于几何构造的路径规划 如图3-1所示，要求顺利从起始点运动到目标点，并能在成功避开障碍物的前提下，选择出最短路径。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。2 基于模糊逻辑的路径规划方法在基于逻辑推理的路径规划方法的基础上进行改进：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。3 基于神经网络的路径规划方法图3-2基于神经网
26、络的路径规划 如图3-2所示：首先按照上图的方法，转化为优化问题。然后用神经网络表示惩罚函数。最后根据E递减推导出相应的反向传播算法用于神经网络的训练。4 基于人工势场的路径规划方法图3-4基于人工势能场的路径规划如图3-4所示，障碍物对机器人施加排斥力，目标点对机器人施加吸引力，合力形成势场，机器人移动就像球从山上滚下来一样，机器人在合力作用下向目标点移动。（二）栅格法简介 对于给定的机器人工作任务，其工作环境已知。工作环境已经知道宽度，长度，分别是W，L, 网格尺度（长度，宽度）均是b，那么网格的数为（Lb）（Wb）环境Map由栅格构成：Mapmapi, mapi=0或1 i为整数当Map
27、1 时表示该栅格为障碍区域，Map0 时表示该栅格为自由区域。 栅格搜索方法路径规划，就是将路径规划问题转化成约束最优化问题，首先将机器人的工作环境分解成一系列的栅格单元，然后采用某种算法，在被分解的单元中搜索机器人的最优路径。通常我们把栅格划分成许许多多小的栅格，以最小的栅格为基本元素，并对其赋予值0或者1，当小栅格落在障碍物区时为1，小栅格落在非障碍物区时为0。栅格数据简单，标准，相邻栅格之间的关系也就简单化了。利用上述思想，绘制出机器人的基于栅格的工作环境地图。（三）栅格模型设计1栅格地图设计 根据机器人的大小情况以及机器人工作环境的面积，将机器人的工作环境分解成一系列的栅格单元，以最小
28、的栅格为基本元素。注意我们进行栅格划分时，总是假定机器人的工作环境是矩形的，从而把栅格等分成许许多多的小矩形，这样有利于对栅格进行编号。一般可以对栅格进行顺序编号，如图3-1所示，白色的方格表示机器人在此处对应的工作环境下可自由运动，而黑色方块的栅格表示存在禁止运动。9192939495969798991008182838485868788899071727374757677787980616263646566676869705152535455565758596041424344454647484950313233343536373839402122232425262728293011121
29、31415161718192012345678910图3-1用栅格法表示机器人场地 为了编程处理的方便，我们需要对栅格做出一些规定，将栅格分为中间栅格和边界栅格，主要是用于判断栅格位置。当机器人处于中间栅格时，下一步可以分别向东南、东、东北、北、西北、西、西南、南八个方位进行搜索；对栅格编号之后，求出当前位置栅格序号与这上述8个方位的序号的差值。通过建立数组的形式来描述下一步将要搜索的具体栅格的方位：Next_oritationi=9,-1,-11,-10,-9,1,11,10 1i8式子中数组元素顺序对应于不同的方位，其顺序依此为东南、东、东北、北、西北、西、西南、南。 对于边界上的栅格，其
30、可行方位减少，再加上障碍物区，可行方位就更加少，为方便起见，对其做另行处理。如图3-1中的栅格51，其下一步可以选择的栅格表示为：Next_oritationi=10,9,-1,-11 1i3说明其下一步的搜索方向可以为向下、右下、右、右上。2栅格之间可行性和优先性的确定 当机器人处于当前栅格时，它下一步可选择的方位可能有很多，因此栅格搜索存在搜索方位优先性的问题。以图3-1为例，规定机器人的任务为机器人有当前栅格1运行到栅格100，要求路径最优，且不能碰到障碍物，根据栅格搜索法，需要一个栅格、一个栅格的逐次搜索，对于第一条路径的确定，即选择第二个栅格，原则上是向着指向目标的方向，同时还要考虑
31、到障碍物，这样就可以对8个方向的优先性做出判断，然后给予每个方位一个优先值，当起始栅格变化时，优先值发生变化。3路径选择概率定义路径选择的概率公式为：式子中u表示当前位置栅格，V表示u的临近8个方位中完全可行方位的集合，v为V的元素，式中、由下式决定: Next_oritation=u-v，vV 为相应的概率Next_oritation=u-k，kV 为相应的概率（三）算法描述1 算法思想 利用栅格搜索方法规划机器人路径时，为了使路径尽可能的最优化，我们对算法做了改进，增加了正反馈机制，使路径不断地逼近于最优化。所谓的正反馈，就是在程序执行时，增加一个反馈量。对于每一个可行路径，其经过的节点之
32、间增加一个量，借助于关联程度的反馈，来搜索到一条近似最优路径。对于第i-1条路径中栅格u和v的关联程度的更新方程为： 随着某一节点u与节点v之间关联程度的增加，则由该节点u选择下一结点时，节点v被选择通过的概率也会增加，与此同时若从某一个节点u选择v通过的数目呈现增加趋势，那么节点v和节点u之间关联程度也会增加，则关联程度和通过的路径数目之间形成正反馈机制，使得所选择的路径不断地趋向于最优路径。2算法流程基于栅格模型的路径规划算法执行过程如图3-2所示是 开 始定义初始障碍物地图矩阵、Next_Oritation、计数器i=j=0，设置循环次数m，n计算它的下一个可行结点集合V中某个结点v的概
33、率 当前节点是否为目标点 i=j+1im修改关联程度 j=j+1jn 结束否是否否是图3-2路径搜索流程图四、仿真实验及结论（一）算法性能分析 在栅格的搜索上，采用概率计算的方法，保证公平公正，由当前节点选择下一结点时，都是按照比例概率，因此保证了在可行方向上的每一个栅格都有可能被选到。在路径选择上，我们采用分组的方法，将搜索过程分为m组，对每一组都可能会得到n条路径，找到n中路径中最短的路径，然后利用它修改相邻栅格之间的关联性，不需要每次寻找到一条可行路径时，就修改障碍物地图，这样会照成某些节点关联程度增长过快，被选择的概率过大，使得路径相对集中，路径寻优出现死区，对多样性的选取路径不利，无
34、法找到最优路径。只有保证可行方向上的每个节点都有可能被选到，保证路径选择的多样性，才能保证搜索到的路径是最优路径。（二） 实验仿真验证 本文进行的仿真实验是借助于仿真软件MobileSim和Mobileeyes进行的。程序编写是基于C+语言，利用Microsoft Visual Studio 2010建立项目，并生成可执行文件。 机器人工作环境的绘制借助Mapper3软件，绘制完地图后就可以用仿真软件进行仿真。然后启动MobileSim仿真软件，并加载绘制的环境地图，此时便可以运行Visual Studio 2010 生成的可执行文件，然后打开MobileEyes，自动建立连接，进入仿真界面，
35、选择Tour Goals。仿真结果如图3-3所示。图3-3 路径规划 从上图的仿真结果可以看出，Amigo机器人规划出了一条由起始点到目标点的可行路径，并沿着这条路径顺利到达目标点，不过在前进过程中，为了实现路径最优，机器人会对原来的路径进行修改，直到到达目标点为止。通过仿真分析，验证了该算法的可行性。（三） 结论 通过仿真验证，该算法实现了以下功能：第一，在没有障碍物的地图工作环境中，Amigo机器人能够迅速的完成路径规划任务。第二，当在地图工作环境中添加各种障碍物时，Amigo能迅速的规划出一条路径，但在行进中，为了使路径最优，Amigo机器人会实时对路径做出调整。此外，当目标点发生变化时
36、，Amigo能够迅速的由当前点规划出到达目标点的路径。 未能实现的功能：不能够在障碍物位置变化的情况下由初始点成功到达目标点，即该算法未能实现动态路径规划。五、总结于展望（一）总结 本文主要研究了在环境已知条件下，利用栅格搜索的方法对机器人的路径进行规划的问题。鉴于实验室提供的机器人为Amigo，我们主要分析了关于Amigo机器人的路径规划问题。Amigo机器人使用特定的开发软件Aria，Aria提供了Amigo机器人编程的一整套应用程序接口，因此我们主要是借助于Aria的API进行编程。在算法上，其思想是一样的，在把算法转化成程序时，同样需要借助于软件自带的一些库文件，最后再利用软件进行仿真
37、验证算法的可行性，通过仿真分析，我们可以断定，栅格搜索方法对Amigo机器人的路径规划完全可行。（二）展望 本次毕业设计的要求是：在Amigo机器人工作环境已知的条件下，规定环境中某一目标点，要求该机器人能够规划出一条路径，是该机器人能够在环境中的任意一点成功到达目标点，且该路径具有最优性。用到的栅格法并非路径规划的最佳选择，还有各种先进、更为智能的算法，也可运用到路径规划算法的设计上。即使是同样运用栅格法，不同的考虑方向、不同的编程思想，也会有不同的效果。还需完善的地方：（1）栅格法只是大体上选择出了最优路径，但并不能在一个栅格到下一个临近的栅格之间选择最短路径。栅格法将一个栅格作为路程的最
38、小单位，很明显，两个相邻的栅格之间也存在最短路径。2）不能够实现动态避障，即障碍物为静止的。因为所用栅格法，第一步就要求对所给地图划分栅格，相应的障碍物的位子和形状早已为给定。（3）机器人由可行路径到达目标点的时间过长。（4）Amigo机器人无法避开体积较小的障碍物。在算法上的问题，可以用更为高级的算法来取代栅格法，以弥补栅格法的不足。因为硬件原因出现的问题，如不能感应出体积偏小的障碍物，可以用更为高级精确的传感器。比方说用激光传感器，它的定位效果比声呐传感器好，测量速度也比声呐传感器快。这样不仅能感应更小的障碍物，也能让移动机器人选择路径的时间缩短，减少整个路径规划的时间。参考文献1 于金霞
39、，王璐.未知环境中移动机器人自定位技术.北京:电子工业出版社, 2011.2 蔡自兴.机器人学.北京:清华大学出版社,2000.3 李团结.机器人技术.电子工业出版社,2009.4 蔡自兴,刘健勤.面向21世纪的智能机器人技术J.机器人技术与应用，1998(6).5 Pioneer 3 Operation Manual.6 migoBot Technical Manual.7 张颖,吴成东,原宝龙.机器人路径规划方法综述J.控制工程,2003,5(10).8 于红斌，李孝安.基于栅格法的机器人快速路经规划微电子学与计算机2005（6）9 鲁庆基于栅格法的移动机器人路径规划研究电脑与信息技术20
40、07（6）10 张捍东，董保华，岑豫皖，郑睿. 栅格编码新方法在机器人路径规划中的应用.华中科技大学学报，2007.11 郝博，秦丽娟，姜明洋.基于改进遗传算法的移动机器人路径规划方法研究J. 计算机工程与科学，201012 李人厚译，自主移动机器人导论，西安交通大学出版社，2006.13 杜军平译，人工智能机器人导论，电子工业出版社，2004.14 戴博，移动机器人路径规划技术的研究现状与展望，控制工程，200515 郑利君，基于超声传感器的机器人路径规划和避障算法的研究，浙江理工大学学位论文，200716 黄兴华, 基于改进人工势场法的移动机器人路径规划研，重庆大学，201017 孙秀云，移动机器人的路径规划及其运动控制器研究，山东大学，200518 张晓丽,基于微分进化算法的机器人路径规划方法,大连理工大学，200619 张洪亮，多机器人编队技术的研究与应用，北京工业大学，200920 刘玲，基于智能计算的移动机器人路径规划方法研究，湖南大学，2007