摘要
目前移动机器人基于栅格地图进行路径规划存在实时性不足，规划出的路径弯曲冗余，与障碍物距离较近，以及机器人在动态环境中无法及时安全地避开动态障碍物等问题，针对这些问题提出一种基于骨架关键点重规划的Voronoi图法路径规划算法，以及一种基于动态障碍物运动状态的局部路径规划算法，提高路径规划的效率和规划出的路径的质量，保证机器人在导航过程中的高效性和安全性。本文具体研究内容如下: (1)针对研究需求选用合适的软硬件，设计制造室内移动机器人平台，对直流电机、激光雷达、相机等核心部件的参数进行详细阐述:对机器人相关模型进行分析求解，主要包括机器人速度运动模型和差速运动模型。 (2)针对目前的Voronoi路径规划算法生成的Voronoi图弯曲冗余，依据Vroronoi地图规划路径实时性差，规划出的路径弯曲，机器人导航时转折次数多，时间成本高，效率低等问题，提出一种基于骨架关键点重规划的Voronoi图法路径规划算法。首先对机器人构建的二维栅格地图进行预处理，去掉地图中的噪点和毛边，填充边界上细微的裂缝，然后提取地图的骨架，搜索出骨架中的关键点，将关键点按相邻点原始连接关系重新连接，生成新的笔直骨架，并对依据骨架规划出的路径进行降梯度采样，平滑路径。在经过多次仿真实验和实际实验验证后，证明本文算法生成的骨架比目前的Voronoi图和骨架更加精简，数据量更小，相对原Voronoi算法生成的数据量平均降低了82.69％，相对原改进骨架算法生成的数据量平均降低了11.81％，本文算法规划效率更高，规划出的路径质量更好，本文算法相对于原算法规划出的路径长度平均减少了11.43％，规划路径的时间平均减少了15.65％，转折次数平均减少了51.13％，机器人依据本文算法进行导航运动时更加高效快速，保证了机器人的实时性和安全性。 (3)针对目前主流的局部路径规划算法在动态环境中避障时，将动态障碍物视为瞬时静态障碍物进行躲避，缺乏前瞻性和安全性，避障效果差等问题，提出一种基于动态障碍物运动状态的局部路径规划算法，采用深度相机辅助激光雷达的方式对障碍物进行检测，通过激光雷达获取的点云信息拟合出动态障碍物各自的形状大小，确定动态障碍物实时位置，对于无法区分的动态障碍物，使用深度相机实时识别检测动态障碍物的位置，然后求解动态障碍物各自的运动状态方程，扩大动态障碍物运动方向上的代价地图，改进DWA算法的评价函数，并且通过机器人与动态障碍物的实时距离动态调整各个评价子函数的参数，实现机器人在动态环境中安全避障的功能。
NETL