機器人底盤(pán)算法-機器人底盤(pán)運動(dòng)規劃算法

運動(dòng)規劃是移動(dòng)機器人自主導航系統中的重要模塊之一，相關(guān)算法研究成果層出不同窮，諸多學(xué)者針對不同應用場(chǎng)景和需求，設計、改進(jìn)了非常多的運動(dòng)規劃算法，筆者將常見(jiàn)的運動(dòng)規劃算法主要分為四類(lèi)：圖規劃算法、空間采樣算法、曲線(xiàn)插值擬合算法和仿生智能算法。

圖規劃算法

圖規劃算法多數將環(huán)境模型離散化表達，如柵格圖等，其離散節點(diǎn)描述相應狀態(tài)，建立節點(diǎn)間聯(lián)系，并求解優(yōu)路徑。

圖規劃算法根據路徑生成方式的不同分為三類(lèi)，其中以圖搜索算法為主，以及BUG算法和勢場(chǎng)力算法。

空間采樣算法

空間采樣算法按照采樣空間不同，可分為：狀態(tài)空間采樣和運動(dòng)空間采樣。

基于狀態(tài)空間采樣的算法能夠在大面積、G緯度的空間中快速生成路徑，包括RRT和PRM類(lèi)算法等，具有概率完備性，其主要步驟包括隨機采樣、度量連接、碰撞檢測和路徑查詢(xún)。

基于運動(dòng)空間采樣的算法則在速度空間等距采樣，通過(guò)評價(jià)函數選擇佳控制指令，驅動(dòng)機器人運動(dòng)，主要包括CVM類(lèi)算法及DWA類(lèi)算法等。

曲線(xiàn)插值擬合算法

上述大部分《圖規劃算法》和《空間采樣算法》生成的路徑存在折點(diǎn)、急彎等曲率不連續的情況，影響了機器人運動(dòng)平穩性，因此需要綜合考慮模型硬約束與實(shí)際規劃軟需求，以提升路徑平滑度。

曲線(xiàn)插值擬合算法在曲線(xiàn)平滑控制及優(yōu)化方面有顯著(zhù)的優(yōu)勢，按照曲線(xiàn)生成方式及其種類(lèi)可分為：基于插值的規劃算法、基于特殊曲線(xiàn)的規劃算法及基于優(yōu)化的規劃算法三類(lèi)，該類(lèi)算法在自動(dòng)駕駛等L域有著(zhù)廣泛的應用。

仿生智能算法

針對機器人運動(dòng)規劃問(wèn)題，除上述基于經(jīng)典模型的規劃算法外（《圖規劃算法》、《空間采樣算法》和《曲線(xiàn)插值擬合算法》），還有神經(jīng)網(wǎng)絡(luò )、模糊邏輯及基于自然靈感的算法（遺傳算法、粒子群算法、蟻群算法等），并逐漸成為研究熱點(diǎn)。

與經(jīng)典算法相比，智能算法能夠較好適應復雜動(dòng)態(tài)環(huán)境中的不確定、不完整的信息，但需要前期學(xué)習階段和較G計算成本，適用于大型機器人，如無(wú)人車(chē)等。

圖規劃算法與空間采樣算法已經(jīng)能夠在諸多場(chǎng)景下的規劃生成一條無(wú)碰撞路徑，實(shí)時(shí)性和動(dòng)態(tài)適應性逐漸提升，但多數算法仍存在路徑質(zhì)量差、未考慮動(dòng)力學(xué)約束等問(wèn)題。

而曲線(xiàn)插值擬合算法正好與之配合，能夠容易生成連續性好的軌跡曲線(xiàn)。

多數仿生智能算法處理動(dòng)態(tài)環(huán)境下的規劃問(wèn)題時(shí)存在實(shí)時(shí)性、收斂性均不穩定等問(wèn)題，實(shí)際應用較少。

從目前研究思路來(lái)看，多是先采用圖規劃算法、空間采樣算法生成全局路徑或初始路徑，再使用曲線(xiàn)插值擬合算法，綜合考慮系統軟硬約束，優(yōu)化生成質(zhì)量好的軌跡。