基于Bug算法的移动机器人路径规划研究.doc

基于Bug算法的移动机器人路径规划研究
赵文瑜 摘 要:當移动机器人具有有限的计算能力时,Bug算法是最简单有效的路径规划算法,适用于环境地图未知或环境快速变化的情况,这些算法从机器人传感器,如激光雷达传感器来获得的本地信息ug2算法时,机器人开始跟踪物体的轮廓,但当它能直接移动至目标时,就立即偏离障碍物的边缘。这个改进的算法,使机器人行走具有非常短的总路径。Bug2算法总是尝试在主线上移动,该主线则为连接起始点和目标点的直线,如图2所示。
Bug2算法流程如下:
(1)遇到障碍物之前在主线上运动,直到到达目标点时停止。
(2)如果检测到障碍物,则沿着障碍物轮廓运动,直到到达主线。
从Bug1和Bug2算法的比较可以得到以下结论:Bug1是更彻底的搜索算法,因为会评估所有的搜索算法在做出决定之前的可能性。Bug2是贪婪的算法,因为其选择了看起来很有希望的第一个选项。在大多数情况下,Bug2算法比Bug1更有效。但是,Bug1算法的操作更容易预测。
3 基于Bug0的路径规划算法
Bug0算法的基本流程:
(1)向目标移动,直到检测到障碍物或达到目标。
(2)如果检测到障碍物,则向左(或向右,但始终在同一方向)左转并跟随障碍物的轮廓,直到再次朝向目标的直线运动。Bug0路径规划算法结果如图3所示。
Bug0算法成功找到左侧环境中目标的路径,而右侧环境中则不成功。通过对比可以看出以上3种Bug算法中,Bug0算法的路径规划其距离最短、效率最高。
4 仿真实验
用Bug0算法进行移动机器人进行路径规划仿真实验,根据Bug0算法,如果移动机器人距离障碍物足够远(> m),机器人直接向目标点运动。如果其靠近障碍物,则机器人沿着障碍物的边界运动。在Matlab中对Bug0算法的进行仿真实验验证,移动机器人在10×10 m的有障碍环境中运动,将障碍物膨胀为圆型,起始点坐标和目标点坐标分别设置为(,)和(,)。其获得的机器人路径如图4所示。
通过实验结果可以看出,机器人可以准确有效地到达目标位置,能够缩短机器人路径冗余并提高机器人的运动效率。
[参考文献]
[1]LUMELSKY V,STEPANOV path planning for a mobile automaton with limited information on the environment[J].IEEE Transactions on Automatic Control,1986(11):1058-1063.
[2]SANKARAN A A,VIDYASAGAR new path planning algorithm for moving a point object amidst unknown obstacles in a plane[C].Honolulu:IEEE Conference on Robotics and Automation,1990.
[3]KAMON I,RIVLIN -based motion planning with global p