基于A*算法的移动机器人路径规划

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于A*算法的移动机器人路径规划范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要移动机器人产生时，其最主要的技术就是路径规划，而这一技术也是实现其智能导航的基础。在研究移动机器人时，栅格法是主要采用的方法，以此来创建环境地图。在其计算资源无法满足的条件下，可以让计算机利用迷宫八方向搜索的技术，该技术的优势在于可快速地寻找到最佳路径。本文在栅格规划图的A*算法的基础上，对最短最优的路径规划实现技术简要分析，并得到仿真结果，以在一定程度上满足其需要。

【关键词】移动机器人 最优路径规划 栅格法 A*算法

自从有移动机器人这一概念以后，*成为长期以来研究的最热门的内容之一。移动机器人可研究的领域相对较多，其关键技术有传感器信息结合、创建地图、定位导航、路径规划等。其中核心技术之一是路径规划技术，从起始点到终点，快速在环境地图中找到最短或最佳的无碰撞路径，这是路径规划的主要任务。本文是以“探索者-1”移动机器人作为研究平台。它由多个CPU控制，通过扫描式超声波传感器探测周边环境。当机器人接收到超声障碍信息后，可生成栅格环境地图，并基于迷宫八方向搜索的思想找到最佳路径。

1 机器人路径规划环境模型建立

在有障碍的环境中，移动机器人根据传感器发出的信息，生成环境地图，才可以实现路径规划以及导航，而栅格地图、拓展地图、几何三维特征地图是移动机器人生成的环境地图的三种表示方法。当移动机器人在获得信息时，会在一定程度上存在较多的不确定性，这是由传感器差异造成的。由于获得的信息不确定导致处理数据方法也不确定。解决这一问题，概率法，灰色理论，模糊理论等起到一定的作用。

1.1 栅格地图的创建

在栅格地图模型中，移动机器人所接收的每个栅格的信息直接与地图中的每个区域相匹配，这样移动机器人就可以根据栅格地图进行定位甚至导航。

“探索者-1”得到环境障碍信息主要途径依托于扫描式超声传感器，但是这种传感器具有盲区、多次反射等缺陷，所以超声信息存在很大的不确定性。因此可采用灰色系统理论来创建完善的栅格地图模型。

1.2 栅格地图创建实验结果

以“探索者-1”移动机器人作为实验对象进行实验，实验环境和实验结果如图1所示。

实验结果：采用栅格法，有一定的辨别真伪能力，能够有准备地描绘所需要的环境地图。

2 A*路径规划算法与传统算法的比较优势

传统算法生成的相邻子节点的作用是相同的，且不分先后顺序。如果不利用优先级的子节点生成策略，会产生许多问题，比如没有考虑机器人的宽度，而生成越过障碍物顶点栅格顶格的路径规划。A*路径规划算法是一种非常经典的启发式搜索算法，它的估计函数计算式为：f（x）=g（x）+h（x），其中f（x）为节点x的估价函数；g（x）为实际代价；h（x）是最佳路径的估价，在函数中作用最大。另外，估价函数决定着A*算法的正确与否。取g（x）在状态空间到x节点的深度，如图2所示。其中h（x）的计算方法为：h（x）=|Xd―Xs|+|Yd―Ys|。式中：（Xd，Yd）表示目标点坐标，（Xs，Ys）表示当前点坐标。

3 改进A*路径规划的算法

机器人定位前，A*算法已规划好最佳的路径，但路径中夹杂了多余的点坐标，当移动机器人到达拐点处时，不能自行地调整姿态。因此，我们对A*算法提出两个方面的改进：

（1）简化坐标点，除去冗余的坐标点，只剩下起点、拐点和终点。

（2）解出拐点处的旋转方向和最小角度，当机器人到达拐点处时，根据角度和方向自行处理自己的位态。用A*规划任意路径，通过实验证明它的正确性，如图3中A所示。

改进A*算法后的路径规划如图3中B所示，路径只包含起点1、拐点3、6、8、9和终点11。

4 仿真分析

为了验证A*算法的可靠性，在不同环境下，可选用编译工具Matlab 7.0对移动机器人进行路径规划仿真。其结果表明：采用改进的A*路径规划算法，使得要计算的路径点减少，且当机器人到达拐点处时，能够自动调节位态，使移动机器人更好地自主定位。

5 结语

基于A*路径规划算法移动机器人，找到的最优路径要满足几何长度的最短与时间最短的条件，只有这样的无碰路径才是最优路径。在栅格环境下，采用A*算法的移动机器人其实并不能完美满足实际应用，为了使其路径更加完美，则需要继续地实验论证，期待未来的移动机器人不但可让路径简单化，而且还能找到其在拐角处旋转的方向和角度，满足定位要求。

参考文献

[1]王芳，万磊，徐玉如，张玉奎.基于改进人工势场的水下机器人路径规划[J].华中科技大学学报（自然科学版），2011（S2）.

[2]刘大亮.一种球形移动机器人的运动分析与控制技术的研究[D].北京邮电大学，2009.