基于光节点的自主移动机器人路径规划算法研究

作     者：韩超 

作者单位：青岛大学 

学位级别：硕士

导师姓名：杨杰

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：自主移动机器人 路径规划 概率路线图算法 深度Q网络算法 强化学习 

摘      要：目前,自主移动机器人路径规划技术较为成熟,在宽阔场景中路径规划效果较好,而在狭窄空间进行路径规划时,存在耗时久、路径长、平滑度差甚至路径规划失败的问题,尤其是路段超车、货物转运等狭窄环境对路径规划的快速性有着更高的要求。因此,需要进行更为高效的路径规划。所以,改善自主移动机器人在狭窄空间中路径规划的效果非常有必要。本研究以现有基于采样的主流路径规划算法为基础,结合狭窄空间的特点,提出一种新型节点模型——光源节点模型。该模型在传统节点模型中添加真实物理环境中光源的属性,缩小采样区域,以减少采样数量、提升节点采样效率。具体而言,由于节点光照范围内任意一点均能够与节点相连接,因而后续无须在光照范围内采样节点,即突破在自由空间中随机采样的传统方式,将采样区域限定于未照亮区域,最大限度地避免无效采样,从而大幅提升移动机器人在狭窄空间中路径规划的效率。通过将光源节点模型与传统主流路径规划算法融合改进验证其有效性。具体改进方法和仿真结果如下:首先,将概率路线图算法的传统节点模型优化为光源节点模型,同时改进采样方式。仿真结果表明:改进后算法在狭窄空间路径规划的时间减少、平滑度提高,路径长度基本保持不变。其次,将改进的人工势场法、光源节点模型与传统深度Q网络算法路径规划算法相结合。一方面,赋予障碍物人工势场法中斥力场的性质,提高智能体躲避障碍物的能力,进而减少其与障碍物发生碰撞的次数;另一方面,赋予目标点光源节点的性质。当智能体进入目标点的光照区域时,能够沿直线到达目标点,无须继续探索训练,从而提高训练效率。仿真结果表明:改进后算法能够拓宽算法的适用范围,使其适用于狭窄空间路径规划。最后,完成了基于光节点的概率路线图优化算法实验验证。使用Solid Works软件设计、绘制两轮差速移动机器人模型,并搭建机器人实物平台,进行实物实验。实验结果与仿真结果一致,优化后的概率路线图算法在狭窄空间和普通空间中路径规划具有较好的优化效果。综上所述,本研究针对狭窄空间路径规划,提出了光源节点模型,并将此模型与传统算法融合改进,研究结果表明:光源节点模型从不同方面优化了路径规划的效果。光源节点模型与概率路线图算法相结合,使得移动机器人在狭窄空间路径规划的时间缩短了50%左右,路径平滑度提高了10%左右,即路径规划的效果更好;光源节点模型与传统深度Q网络路径规划算法相结合,拓宽了传统算法的适用范围,为后续算法的进一步优化奠定了基础。