1、武汉理工大学硕士学位论文基于卡尔曼滤波预测的移动机器人矢量场矩形法避障研究姓名：徐家申请学位级别：硕士专业：控制理论与控制工程指导教师：刘清20090601武汉理工大学硕士学位论文，鲥，；，武汉理工大学硕士学位论文，：，独创性声明本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学和其它教育机构的学位和证书而使用过的材料。与我一同工作的同志对本研究所作的任何贡献均已在论文中作了明确的说明并表示了感谢。签名：缝睦日期：呼兰关于论文使用授权的说明本人完全了解武汉
2、理工大学有关保留、使用学位论文的规定，即学校有权保留交向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息服务。（保密的论文在解密后应遵守此规定）研究生。签名）：份 压 导师（签名，：（彳日期纠 武汉理大学硕士学位论文课题研究的意义第章绪论机器人被誊为是“二十世纪最伟大的发明之一，机器人的出现和应用，极大地推动了工业生产、航空航天、 军事、医疗等领域的发展，也大大
3、地便利了人们的生活。机器人技术是综合了计算机、控制论、机构学、信息 传感技术、人工智能、仿生学等多学科理论而形成的高新技术。机器人在各个领域正得到越来越广泛的应用， 计算机硬件水平不断提高，并行分布式处理技术、硬件控制技术、传感器技 术及软件开发环境不断发展，为机器人的研究提供了必要的物质条件，人工智能技术尤其是机器理解、搜索任务、路径规划、 视觉识别、模糊控制、神经网络等技术的发展，使机器人 进一步向着智能化、自主化方向发展。随着机器人在工业领域的应用越来越广泛，人们对机器人的“智能”的要求也在提高，要求机器人在运动过程中具有与周围环境交互的能力。其中一个最基本的需求就是移动机器人能根据采集
4、的障碍物的状态信息安全有效的避开行进中的障碍物朝目标方向前进。机器人运动坏境的多变性和复杂性，决定了移动机器人自主避障问题是机器人领域一个研究重点，也是机器人实现智能化的关键技术。自主避障能力是反映移动机器人自主能力的重要标志之一，移动机器人自主避障可以描述为在给定起始点和目标点后，通过先验环境信息和传感器实时对地图的更新，在路径规划的基础上，机器人利用自身的避障算法模块避开未知的障碍物，同时朝着目标前进，并得到姿 态信息。根据 环境信息掌握的程度，机器人避障可以分为环境信息完全已知的路径规划中的避障和环境信息不完全或未知的基于传感器的局部路径规划中的避障。就目前的情况来看，在处理实时避障问题
5、上，局部方法要优于全局方法。全局方法主要适用于静态环境下的避障，而局部方法可以应用于环境未知或部分未知的情况，它是一种完全基于传感器信息的反映策略，因此被控对象和环境中的障碍物的绝对坐标并不需要知道，只需要了解其相对位置及关系。随着机器人应用领域的拓展，机器人的工作速度和精度越来越高，所面临武汉理工大学硕士学位论文的工作环境也越来越复杂，当移动机器人通过各种传感器获得一定量的周围环境信息时，如何利用 这些有限的环境信息，来 实现机器人的准确实时避障，一直是机器人研究者所关心的问题，这也是移动机器人实时避障所必须解决的一个难题。由于机器人对于环境信息，特 别是动态障碍物的信息很难具有先验知识，机
6、器人只能依靠实时探测到的环境信息， 经过多次重规划（滚动规划）来得到可行的安全路径并实施避障策略。机器人避障过程中的安全性和可达性就成为了两个主要问题。人们已提出了不少解决未知环境下机器人避障的方法和策略，但对于在 动态障碍物的未知环境， 还缺少有效的避障方法同时保证机器人的安全性和可达性。即使机器人通过漫游对环境信息进行探测，至多也只能获取静态的障碍物信息，要在动态不确定环境中进行有效避障仍具有很大难度。因此动态不确定环境中机器人避障的研究具有十分重要的现实意义。移动机器人避障技术的发展现状移动机器人避障方法概述由于自主移动机器人在军事、航天、工 业等诸多领域以及日常生活中越来越广泛的应用，
7、人 们对机器人的智能程度要求越来越高，机器人的工作环境从单纯的室内环境变成了今天的各种环境，包括天上、地下、水下、越野等各种复杂的环境。机器人被应用到各种人类不能执行或难以执行的任务，同时帮助人们做苦力工作或重复性的工作；提高安全性及辅助生产（监视或监护），提高产量（农业与采矿）以及在教育和休闲方面得到应用。在所有这些应用中，路径规划是一个最基本的需求。路径规划是指按照一定的性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰撞路径。根据机器人对环境信息掌握的程度不同，可分为两种类型：环境信息完全已知的全局路径规划和环境信息完全未知或部分未知，通过传感器在线地对机器人的工作环境进行探测，
8、以获取障碍物的位置、形状和尺寸等信息的局部路径规划【】【】。避障是移动机器人路径规划的基本环节之一，可以将其描述为在给定起始点和目标点后，通 过先验环境信息和传感器实时对地图的更新，在路径规划的基础上，机器人利用自身的避障算法模块避开未知的障碍物，同时朝着目标前武汉理大学硕士学位论文进，并得到姿 态信息。根据环境信息掌握的程度，机器人避障可以分为：环境信息完全已知路径规划中的避障和环境信息不完全或未知的基于传感器的局部路径规划中的避障。移动机器人全局路径规划中避障的主要方法有：（）可视图法可视图法是由和提出的【 】，该方法将机器人视为一点，假定障碍物是多边形（在二维空间中）或者是多面体（在三维
9、空间中），假设为任一自由空间，该自由空间由条直线边缘所围成，先构造一个可视化图表（），该图表的边缘 是由所有的边角所连成，这些边角通过是可以相互看得见的，也就是说，将机器人、目标点和障碍物的各顶点进行组合连接，要求机器人和障碍物各顶点之间，目 标点和各障碍物各顶点之间，以及各障碍物顶点与顶点之间的连线，均不能穿越障碍物，即直线可视，然后在中搜索一条最短路径。这样搜索最优路径的 问题就转化为从起始点到目标点经过这些可视直线的最短距离问题。运用优化算法，可删除一些不必要的连线以简化可视图，缩短搜索时间。可视图法在避障过程中能够获得最短路径，但由于算法中假设机器人的尺寸大小忽略不计，使得机器人通过障
10、碍物顶点时离障碍物太近甚至接触，并且该方法仅适用于多边形障碍物，对于圆形障碍物该法失效。（）自由空间法自由空间法采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间，并将自由空间表示为连通图，然后通 过搜索连通图来进行路径规划实现避障。该算法灵活，起始点和目标点的改变不会造成连通图重新构造，但是该算法的复杂度与障碍物的多少成正比，且不是任何情况下都能获得最优路径。（）栅格法【。栅格法是将机器人工作环境分解为一系列具有二值信息的网格单元，工作空间分解成单元后则使用启发式算法在单元中搜索安全路径。搜索过程多采用四叉树或八叉树表示工作空间，常用的路径搜索算法有：幸算法， 遗传算法等。每个栅格有一
11、个累积值，表示在此方位中存在障碍物的可信度，该值的大小表示存在障碍物的可能性大小。栅格大小的选择直接影响着控制算法的性能，栅格选得大，抗干 扰能力强， 环境信息存储量小，搜索速度快，但分辨率低，在武汉理工大学硕士学位论文密集障碍物环境中发现路径能力减弱。反之， 栅格选得小，抗干扰能力减弱，环境信息存储量大，搜索速度慢，但分辨率高。由于栅格法的规划空间表达具有一致性、规范性和简单性，因而很容易实现；但是由于没有考虑环境本身的分布特点，因而搜索本身具有盲目性，依赖于对精度的要求。当环境复杂时，搜索空 间会相当大，算法的效率就会相当低。机器人局部路径规划中避障的主要方法有：（）人工势场法（）】【】人
12、工势场法是移动机器人局部在线避碰最常用的方法之一。该方法最早是在由在他的博士论文里提出，他把机械手或者是移动机器人在环境中的运动视为在一种抽象的人造受力场中运动：目标点对机器人产生引力，障碍物对机器人产生斥力，最后根据合力来确定机器人的运动。其原理是：移动机器人在一个虚拟的力场中运动，障碍物被斥力势场包围，其产生的排斥力随机器人与障碍物距离的减少而迅速增大，方向背离障碍物，目标点被引力势场包围，其产生的吸引力随机器人与目标位姿的接近而减小，方向指向目标点；然后按各个障碍物和目标位姿产生的人工势能的总和，取势函数梯度下降的方向（即沿排斥力矢量和吸引力矢量和的方向）来实现自主避障。用人工势场法规划
13、出来的路径一般是比较平滑并且安全的，但是该方法在动态障碍物环境下，会暴露出很多不足，包括局部最小，在相近障碍物间不能发现路径、在狭窄通道中摆动、在障碍物前振 荡、存在陷阱区域、当目 标附近有障碍物时无法达到目标点等。为了解决这个问题，有学者提出一种基于人工势场优化的路径规划方法【】【，把人工势场 的路径规划结果作为先验知识，对蚁群算法进行初始化，提高了蚁群算法的优化效率；另一方面，机器人的路径也同时得到优化，克服了人工势场法的局部极小问题。（）行为控制法（）】行为控制是一种重要的、全新的智能控制方法，它是将机器人所感知到的所有信息和知识库一起融合到一个全局的坏境地图中，基本行为是感知和执行的基
14、元。机器人的行为可以分为两大类：反应型和慎思型。反应型行为是一种激励一响应行为，不需要 计算过程，响 应时问短。提出的包容式体系结构就是一种完全的反应式体系结构，是基于感知与行为之间映射关系的并行结构。在包容式结构中，上层行为包含了所有的下层行为，上层只有在下层的辅助下才能完成自己的任务；另一方面下层并不依赖于上层，虽然上层有时武汉理工大学硕士学位论文可以利用或制约下层，然后下层的内部控制与上层无关，增减上层不会影响下层。慎思式行 为是可学习的、有意 识的行为，它将 规划加入到反应式中，使得机器人具有记忆和推理能力。因此，机器人自主避障就是反应式与慎思式行为相结合的混合范式，即感知一规划执行。
15、基于行为控制的移动机器人自主避障适用于任何环境下，尤其当环境信息未知或部分未知时，定 义某一时刻机器人传感器所能检测到的最大范围为活动窗口，利用活动 窗口表示结构空间，将地形信息数据化。避障行为与趋向目标行为共同作用使得局部避障效果非常理想，同时优化了路径；但是由于传感器的限制以及周围环境的不确定性，很难预先对机器人的移动路径进行规划实现避障。（）遗传算法【 】【】遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化的搜索算法，由于它具有简单、健壮、隐含并行性和全局优化等优点， 对于传统搜索方法难以解决的复杂和非线性问题具有良好的适用性，应用遗传算法解决自主移动机器人动态环境中路径规划问题，
16、可以避免困难的理论推导，直接获得问题的最优解。但是 该算法是一种搜索算法，需要一定的运算时问，同时搜索中还会出现提前收敛等问题，因此可对算法作一些改进，在种群初始化中，引入某一控制依据以及在判断算法终止时的策略。近年来还有几种其他的避障方法得到了广泛的研究和应用，如模糊逻辑【】，神经网络算法等。河北工业大学张明路等就应用模糊神经控制算法，通过建立样本训练库，训练 基于的神经网络，从而建立起有种类型的障碍物分类器，并且建立起三维模糊控制器，对型移动机器人进行了实时的避障控制【】【。就目前的情况来看，在处理实时避障问题上，局部方法要优于全局方法，全局方法主要适用于环境已知情况下的避障，而局部方法可
17、以应用于环境未知或部分未知的情况，它是一种完全基于传感器信息的反应控制结构，因此被控对象和环境中的障碍物的绝对坐标并不需要知道，只需要了解其相对位置及关系【。移动机器人避障技术的发展趋势随着计算机、 传感器及控制技术的发展，特 别是各种新算法不断涌现，移动机器人避障技术已经取得了丰硕研究成果。特别是周围环境已知的全局路径武汉理大学硕士学位论文规划下移动机器人的避障，其理论研究已比较完善，目前比较活跃的领域是研究在环境未知情况下的移动机器人的避障。从研究成果看，有以下趋势：智能化的算法将会不断涌现。如模糊控制、神 经网络、遗传算法、 预测控制算法等以及它们的相互结合将是研究热点之一。智能控制【刀
18、是在常规控制理论与技术基础上的进一步发展与提高，通过在系统控制和决策中引入人工智能，实现了对传统控制理论难以控制的系统的有效控制。智能控制是高级目动化系统的重要控制方式，它有以下两个特点：一是智能控制系统以知识为基础进行推理，用启发 式来引导求解过程；二是对实际环境或过程进行决策和规划，采用符号信息处理、启发式程序设计、知 识表示和自动推理与决策等相关技术，实现广义的问题求解。智能化方法能模拟人的经验，逼近非线性，具有自组织、自学习功能并且具有一定的容错能力。这些方法应用于移动机器人的避障会使移动机器人在动态环境中更灵活，更具智能化。如模糊逻辑法将模糊控制本身所具有的鲁棒性与基于生理学的“感知
19、动作行为结合起来，为移动机器人在复杂环境中的避障导航提出了新的思路，文献】采用步长的转向角控制的方法模拟驾车减速的自然过程，同时采用了虚拟目标点的方法处理局部路径规划中经常出现的陷阱问题，在不增加模糊控制器复杂性的基础上提高了机器人拐弯时的可靠性，有利于机器人实现无碰避障；文献】研究了一种利用遗传算法在线逐渐生成模糊规则的方法，提出了融避障要求和最短路径要求为一体的适应度函数，并通过 仿真验证了该方法的有效性。智能化算法、常规避障算法与预测算法等相结合来实现移动机器人在环境未知情况下对未知环境信息的处理能力，提高其避障准确性和路径选择的最优化。预测控制 【是在工业实践过程中独立发展起来的，而不
20、是某一种统一理论的产物。由于 预测控制具有多步预测、 滚动优化、反 馈校正等机理，因此能 够克服过程模型的不确定性，体现出优良的控制性能，成为先进控制的重要内容。将预测控制应用于移动机器人在动态不确定环境中的避障，可以有效解决因周围环境信息不确定和时滞而带来的移动机器人的错误避障决策等问题。如文献【】提出了神经网络与 预测控制相结合组成控制器来控制机器人力位置的方案，该方法不需要精确知道机器人的动态过程，神经网络能够学习与适应严重不确定对象的动态特性，由于其存贮信息的特点，使之具有很强的鲁棒性和容错性以及并行处理方法的快速性。该方法说明了神经网络在解决高度非线性和严重不确定性系统控制方面的巨大
21、潜力，而预测控制具有控制综合质量好、在线计武汉理工大学硕学位论文算方便的特点，用二者组成的控制器控制机器人的力位置，并通过仿真验证了该方法的控制效果；文献在预测过程中，根据导航的不同阶段和预测误差的变化情况，采用模糊规则动态地调整误差函数中的权重，使预测过程尽可能准确，导航算法的基本思想是首先通过预测算法来获得移动机器人的运动信息，然后虚力系统根据预测信息决定机器人的未来运动，仿真结果表明该方法实时性好，能准确躲避障碍物并且到达目标点。随着人们对机器人的智能程度要求越来越高，作为一种复杂的智能系统，应具有在复杂环境下尤其是动态的、未知的、非结构化的环境下及时感知环境，正确实施自主避障的能力。因
22、此，研究移动机器人系统在未知、非结构化、 动态不确定环境中的自主避障问题成为移动机器人避障技术的发展趋势。本论文课题来源、研究内容和主要贡献本文研究依托于教育部博士点基金项目“基于仿生的移动机器人实时感知与导航技术研究”（编号：），研究地图信息不完全确定或动态环境中移动机器人的避障问题。本论文主要是针对动态不确定环境下移动机器人针对动态障碍物的避障进行研究。本课题 在研究移动机器人自主避障算法的基础上，把卡尔曼滤波预测算法和传统的矢量场矩形法相结合以实现机器人的及时准确避障。论文作者的主要工作包括：矢量场矩形法的研究及算法构架，基于卡尔曼滤波预测模型的动态障碍物预测研究，并针对传统的矢量场矩形
23、法的缺点，提出用卡尔曼预测模型和传统的矢量场矩形法相结合来解决算法中因机器人对周围局部环境没有先验知识而不能选择最优路径的问题。本文首先在环境下分别实现了矢量场矩形法和基于卡尔曼滤波预测模型的动态障碍物预测算法的仿真实验，然后在上设计出移动机器人避障演示界面，实现基于卡尔曼滤波预测模型的避障算法。本文主要贡献在以下方面：第章：阐述了本文研究工作的意义，介绍了常用的移动机器人自主避障方法及移动机器人避障技术的发展现状和发展趋势，介绍了本课题的背景来源。第章：介绍了移动机器人避障系统的组成，并重点阐述了本文采用的矢量场矩形法的基本思想和算法流程，给出该算法针对动态障碍物的仿真实验及武汉理大学硕士学
24、位论文仿真结果。第章：介绍了估 计理论的基本思想、估计准则及常用估计方法；介绍了卡尔曼滤波算法及卡尔曼滤波预测模型的建立；结合障碍物运动状态方程，使用卡尔曼滤波预测算法对移动机器人运行环境中的动态障碍物位置信息预测进行了仿真。第章：基于卡尔曼预测的矢量场矩形法研究，介绍了该算法的设计过程，并在环境下对其进行了仿真实验，并就仿真结果进行了分析。第章：最后对采用的方法进行总结分析， 给出下一步研究方向。武汉理工大学硕士学位论文第章基于矢量场矩形法的移动机器人避障移动机器人避障系统一个机器人系统，通常由三部分组成【 】：机器人本体、工作环境以及需要执行的任务，如 图所示。其中机器人本体是移动机器人避
25、障系统的主要载体，避障系统通常包括避障过程中的环境探测，避障策略的生成和避障策略的执行三部分，它们 分别由机器人本体中的感知系统、控制决策系统和执行系统完成。图机器人系统结构避障过程中的环境探测机器人本体掌握尽可能完整、详细的环境信息是实现自主避障的重要前提条件。为了在复杂环境下实现有效地避障，必须通过传感器来收集周边环境的信息数据，基于这些信息建立起外部环境的模型，采用的传感器可以分为内部和外部两类传感器。内部 传感器是用于测定机器人自身的参数，完成机器人运动所必需的那些传感器，如位置、速度 传感器等，它们是构成机器人不可缺少的基本元件；外部传感器用于检测和处理外部环境信息，常用的外部传感器
26、有：视觉传感器、武汉理工大学硕士学位论文超声波传感器、 红外线传感器等。移动机器人多采用 视觉传感器来获得环境信息，然后通过图像处理技术，如特征识别 、距离估计等，进行移动机器人的定位及规划下一步的动作。采用视觉传感器避障可以获得较完整的环境信息，但是图像处理运算量大，对设备和数据处理的技术及成本的要求都比较高，并且视觉传感器不能检测到玻璃等透明障碍物的存在，易于受视场光线强弱及烟雾的影响。超声波传感器是靠发射某种频率的声波信号，利用物体界面上超声反射、散射检测物体的存在与否。超声波在空气中传播时如果遇到其它媒介，则因两种媒质的声阻抗不同而产生反射。因此，向空气中的被测物体发射超声波，检测反射
27、波并进行分析，从而获得障碍物的信息。超声波传感器由于成本低，实现方法简单，技 术成熟，被广泛用在机器人 测距、避障等任 务中。但是由于超声波传感器探测波束角过大、方向性差，无法提供目标的边界信息，只能获取到十分有限的环境信息。而且单一传感器对环境信息的测量也不够理想，在实际应用中往往需要采用其它类型的传感器进行补偿，以实现对周围环境的探测。红外传感器是一种比较有效的接近传感器，经常被国内外学者应用在多关节机器人避障系统中，用来构成大面积机器人“敏感皮肤”覆盖在机器人手臂表面，可以检测 机器人手臂运行过程中存在的障碍物。传感器发出的光的波长大约在几百纳米范围内，是短波长的电磁波。 红外传感器结构
28、简单，价格 较便宜，不受电磁波的干扰，可 实现非接触性测量快速感知物体的存在。但是红外传感器测量时容易受环境影响，物体的颜色、方向等都能 导致测量误差。避障策略的生成及执行移动机器人避障策略的生成和执行是移动机器入避障系统的核心，也是移动机器人能够准确有效避开障碍物朝目标方向前进的重要保障。而避障策略的生成及执行是基于移动机器人所具有的体系结构的基础上调用不同避障算法从而实现避障的一个过程，在不同的体系结构基础上运用不同的避障算法，移动机器人的避障效果也不一样。移动机器人在发展过程中产生了三种基本体系结构：）慎思控制结构这种结构最早是由】提出来的，该结构将机器人的任务进行功能上的水平分解，高层
29、的模块负责复杂的判断、推理等操作，智能化程度较高，像武汉理大学硕士学位论文建模、决策规 划等往往在这里实现，而 较低的层次用以实现各种具体的操作，如电机控制等。移动机器人的控制任务被分解成几个单独的功能模块，每个模块按顺序依次执行，每一个模块的输出作为下一个模块的输入。由于在传统的慎思结构中， 规划模块是在感觉模块之后，因此该控制结构也被称为是感觉规划动作环或者感 觉建模一规划动作环。图慎思控制结构图这种控制结构实时地将环境信息交由高层智能决策模块处理，并据此做出各种行为规划，指 导机器人行动， 在总体上保证了足够的智能性能，但这种结构反应性极差，因 为各个模块之间是顺序执行的，每一次操作，机
30、器人都必须重复感觉、建模、规划、任务执行和电机控制这一系列动作循环，就像一个人时时刻刻根据一部百科全书在生活一样，反应差而且不能适应变化。因此，这种结构的机器人往往对于环境事件不能做出及时的反应，缺少高度智能性的实时反应能力，具有 实时性差、鲁棒性低等难以克服的问题，不适合在动态环境下运行的移动机器人的控制。）反应控制结 构这种结构是由的提出的 【。他认为慎思结构属于垂直分片结构，在 这种结构中只有底层的模块能与外界交互，对于环境变化的反应不够灵敏，而且 这种结构在增加功能时涉及到整个系统的重构，基于此他提出了一种水平分片的新型结构一反应式结构，又称为包容式结构。反应式体系结构按“任务”和“行
31、为分类，将机器人所要执行的复杂任务分解成一系列简单的可以并发执行的反应行为，这些行为直接将传感器和驱动器耦合在一起，对传感器的输入实时的做出反应，给驱动器发出控制命令，从而实现了实时控制。武汉理大学硕士学位论文图 反 应控制结构图这种控制结构可以同时执行多个任务，如移动机器人可以向某个指定目标方向前进，同 时在前进过程中可以避开前方的障碍物；具有较强的鲁棒性，一个系统往往装配有多个和多种传感器，当一些传感器或内部的某些处理器不能正常工作时，反 应式结构可以有效的避免整个系统停止工作或不知所措；具有良好的可扩展性，其分 层的结构可以方便的扩展其总体功能。但是这种结构强调单元独立、平行工作，却缺少
32、全局的指导和协调，虽然在局部行动上可以显示出很灵活的反应能力和鲁棒性，但对于长远的全局性的目标跟踪缺少主动性，目的性较差，而且人的经验、启 发性知识难于加入。）混合控制结构这种控制结构是在以上两种结构的基础上发展起来的，它有效弥补了慎思控制结构和反应控制结构中的一些不足。在混合式机器人体系结构中，不存在中央控制器，而是由规划控制器和多个应激控制器组成，规划控制器起到宏观调控作用，做出全局的目标规划，比如 优化路径等，具体的基本任务还是采用反应式的结构，由 应激控制器完成，这样就将反应控制和慎思控制结构整合在一起，具有两种结构的优点，而弥补了两种控制结构的不足。在实现方式上，可以以慎思结构为基本
33、骨架，通过加强各层中的横向信息流向，使每一层也能产生相应的反应，弥 补其灵活性不足的缺陷，也可以以反应式控制结构为基础，外包一个上层的规划期，增加它的高层智能性来实现。该结构虽然有效结合了两种结构的优点，但是 该结构过于复杂，行 为间的协调、同步困难， 设计中容易存在死区。武汉理工人学硕七学位论文矢量场矩形法阐述矢量场矩形法的基本思想本文采用矢量场矩形法（，简称）作为机器人避障的基本算法。矢量场矩形法是美国大学的研究人员和于年针对人工势场法中存在转向抖动现象的问题而研究出来的，该方法以能够快速躲避未知的障碍物，在通过狭窄通道时不会产生摇摆现象而得到广泛研究和应用。其基本思想是将移动机器人的工作
34、环境分解为一系列具有二值信息的栅格单元，每个矩形栅格中有一个信度值（），表示在此处存在障碍物的可信度，高的累计值表示存在障碍物的可信度高，然后通过同时控制机器人的速度大小和方向来寻找最优无碰撞路径实现避障，该方法消除了虚拟力场法中存在的转向抖动现象，可以快速躲避未知的障碍物，在通过狭窄通道时也不会产生摇摆现象。为了避障，产生一个极坐标直方图【】【，如图所示。石轴表示发现障碍物角度口，轴表示根据占有栅格的单元值在那个方向确实存在障碍物的概率。图中柱状图的高低表明那个方向存在障碍物的可能性，值越高表示在该方位上存在障碍物的可能性越大。设定的阈值用来保障机器人运行在安全区域，障碍物密度低于该值的区域
35、则称为机器人目标方向“候选区。阈值一图极坐标直方图由这个直方图，我 们可以计算出移动机器人的前进方向。首先确定使机器人通过的足够大的所有开放通路，然后对每一个这样的候选通路计算其费用函武汉理工大学硕学位论文数，选择具有最低 费用的通路。费用函数有三项【 】【】：。该公式中指的是移动机器人目标朝向，表示指向目标的机器人移动方向；指的是机器人轮子方向，表示新方向和当前轮子方向之差；指的是移动机器人以 的运动方向，表示以前所 选方向和新方向之差。费用函数表示的是机器人周围障碍物的逼近程度以及地形的跟随程度，通过费用函数可以计算出所获得的新方向和移动机器人目标方向的偏离值，偏离 值越大表示移动机器人在
36、目标方向产生的花费越大。其中的，为权值，调整它们的值可以调整移动机器人的行为。值的确定栅格表示法（鲥）是卡耐基梅隆大学的研究人员在世纪年代提出的障碍物概率模型，也叫栅格信任度模型（）【】【 】，它是目前比较常用的环境建模方法，可以对不同类型的传感器数据进行统一描述，而且对于超声波这样容易产生不精确测量数据的传感器具有较强的适应能力。如图所示，对于声 纳传感器而言，它具有锥形视角，返回的是 传感器到该锥形区域内最近一个物体的距离值。在运行过程中，当机器人接收到传感器读数后，利用该读数值，通 过使用概率函数更新锥形区域内每个栅格的概率值，从而获得对障碍物状态信息的最新认识。啊，、蔓“矗、一踢翟翰鬟
37、曩曩一上、哩一！童嘞馐】矗，钐已皇兰灿蠢紧溺琵；翅图障碍物概率模型栅格表示法就是将机器人的工作环境用一个二维数组表示，其中每个元素代武汉理工大学硕士学位论文表一个栅格，每个 栅格具有一个可信度值（，简称），用于表示在该区域内障碍物分布状况，并由一个考虑了传感器特性的概率函数来更新。值越高，表示此方格存在障碍物的可能性越高；而没有测到障碍物的地方，值为零。 该模型有如下特点：（）传感器返回的是在扇形区域内最近物体的距离值和角度值，距离物体较近的障碍物获得较高的 值；（）如果收到距离为处的传感器返回信号，且传感器与障碍物之间无其它障碍物，这 两点之间的单元格值用表示，含有障碍物的栅格的值用正值来表
38、示。虽然矢量场矩形法（）采用的是栅格信任度模型，但在原有栅格信任度模型基础上算法对 其进行了部分改进，主要表现在以下两个方面【 】：（）传感器模型不同栅格信任度模型方法将传感器获得的数据读入栅格模型以障碍物存在的概率大小按照一定的概率分布模型来计算。但是运用该方法机器人每接收到一个传感数据，就要调用一次概率函数，显然这样会使计算复杂度提高，导致反应延时而不利于数据的实时处理，这在机器人运动速度较快时表现更为明显。算法对此进行了改进，在值更新过程中算法只考虑所测量范围之内的障碍物栅格。（）栅格刷新方式的不同由于的直方图和栅 格信任度模型不同，而导致刷新方法不同。在算法中，当读 入传感器探测到障碍物与移动机器人的距离值时，增加距离传感器距离为的栅格的可信度，而将该栅格单元与 传感器之间的其它栅格可信度减少。栅格向量化本研究中的活动窗口指的是某一时刻机器人所能感知的最大范围，它实际上是以机器人为圆心，机器人配备的传感器所测的范围为半径的圆形区域。在得到障碍物的栅格信息后，我们需要将机器人活动窗口内的栅格向量化，如图所示，图中表示机器人中心点，表示阈值，表示活动窗，表示极坐标直方图，即 栅格地图中的分区，酊表示含信度值的栅格。武汉
