自主移動(dòng)機(jī)器人避障技術(shù)研究現(xiàn)狀*

晉曉飛， 王 浩， 宗衛(wèi)佳， 王鵬程， 王 策

(1.南京航空航天大學(xué) 仿生結(jié)構(gòu)與材料防護(hù)研究所，江蘇 南京 210016；2.南京航空航天大學(xué) 自動(dòng)化學(xué)院，江蘇 南京 210016; 3.南京航空航天大學(xué) 航天學(xué)院，江蘇 南京 210016)

0 引 言

自主移動(dòng)機(jī)器人的智能避障指機(jī)器人通過(guò)傳感器檢測(cè)到障礙物并采集其狀態(tài)信息，按照一定的算法進(jìn)行的路徑規(guī)劃，從而避開(kāi)障礙物，最終到達(dá)目的地。如何讓機(jī)器人判斷障礙物，并躲避，是機(jī)器人避障中的2個(gè)關(guān)鍵問(wèn)題[1，2]。

自主移動(dòng)機(jī)器人的避障問(wèn)題分為2類：障礙物環(huán)境信息完全已知和障礙物環(huán)境信息未完全已知。前者機(jī)器人避障屬于全局路徑規(guī)劃；后者或完全未知情況下的機(jī)器人避障屬于局部路徑規(guī)劃[3～5]。大多情況下，機(jī)器人所處外部環(huán)境動(dòng)態(tài)未知，傳統(tǒng)避障算法在這些情況下將出現(xiàn)很多缺陷。

近些年研究提出的智能避障算法在很大程度上彌補(bǔ)了傳統(tǒng)算法的不足，本文按照傳統(tǒng)避障算法與智能避障算法對(duì)自主移動(dòng)機(jī)器人避障技術(shù)進(jìn)行分類，分析優(yōu)缺點(diǎn)，并介紹了一些改進(jìn)的算法。

1 自主移動(dòng)機(jī)器人避障技術(shù)

1.1 傳統(tǒng)避障算法

傳統(tǒng)避障方法主要實(shí)現(xiàn)機(jī)器人無(wú)碰撞全局路徑規(guī)劃，經(jīng)典的算法有以下幾種：

1.1.1 人工勢(shì)場(chǎng)法

人工勢(shì)場(chǎng)法于20世紀(jì)80年代由 Khatib O等人[6]提出，將移動(dòng)機(jī)器人的運(yùn)動(dòng)當(dāng)作一個(gè)質(zhì)點(diǎn)在一種抽象的人造勢(shì)力場(chǎng)中的運(yùn)動(dòng)：目標(biāo)點(diǎn)對(duì)質(zhì)點(diǎn)產(chǎn)生引力，而障礙物對(duì)質(zhì)點(diǎn)產(chǎn)生斥力，依據(jù)合力確定移動(dòng)機(jī)器人的運(yùn)動(dòng)方向和路徑。人工勢(shì)場(chǎng)法具有結(jié)構(gòu)簡(jiǎn)單、容易實(shí)現(xiàn)的優(yōu)點(diǎn)，且規(guī)劃后的路徑比較平滑。不過(guò)這是一種局部尋優(yōu)的方法，對(duì)于相對(duì)復(fù)雜的動(dòng)態(tài)環(huán)境，不合理的勢(shì)場(chǎng)方程容易使機(jī)器人陷入局部最小點(diǎn)。

Huang Y等人[7]提出了帶記憶功能的沿墻(Wall-following)方法幫助機(jī)器人跳出局部最小點(diǎn)。徐飛[8]提出了一種基于相對(duì)速度的改進(jìn)人工勢(shì)場(chǎng)法，針對(duì)傳統(tǒng)路徑規(guī)劃中局部最小點(diǎn)問(wèn)題，提出了設(shè)置中間目標(biāo)點(diǎn)的方法，給機(jī)器人一個(gè)外力以避免其在局部最小點(diǎn)處停止或者徘徊，確保機(jī)器人能夠逃出最小點(diǎn)陷阱并順利到達(dá)目標(biāo)位置。

1.1.2 柵格法

Borenstein J和Koren Y[9]提出了基于柵格法的機(jī)器人避障，主要原理是將機(jī)器人的工作環(huán)境分割成為一系列具有二值信息的柵格單元，且將累積值放入每個(gè)矩形柵格中，累積值越高表明存在障礙物的可能性越大。柵格大小決定了算法的性能。若選擇柵格較小，環(huán)境信息存儲(chǔ)量即變大，機(jī)器人決策速度變慢，抗干擾能力變差；若選擇柵格較大，環(huán)境信息存儲(chǔ)量變小，決策速度變快的同時(shí)卻降低了分辨率，導(dǎo)致了機(jī)器人在復(fù)雜障礙物環(huán)境下的通過(guò)能力減弱，增加碰撞風(fēng)險(xiǎn)。

Zhao K K等人[10]提出了基于射頻識(shí)別( radio frequency identification，RFID) 系統(tǒng)的柵格法,借助網(wǎng)格劃分、信息處理和無(wú)線通信，計(jì)算機(jī)計(jì)算出最短路徑，并以標(biāo)簽的形式存儲(chǔ)，通過(guò)標(biāo)簽和機(jī)器人之間的通信，機(jī)器人通過(guò)與后臺(tái)支持?jǐn)?shù)據(jù)庫(kù)交互完成路徑規(guī)劃，路徑規(guī)劃效率大幅提高。華劍鋒等人[11]提出了變分辨率柵格模型的方法，模型基于四叉樹思想構(gòu)建，不僅考慮了地形表達(dá)數(shù)據(jù)冗余度和精度，而且有效消除了地物“邊緣效應(yīng)”的影響，在此基礎(chǔ)上，設(shè)計(jì)了一種啟發(fā)式有向路徑規(guī)劃算法，既可以在連續(xù)空間中規(guī)劃出最優(yōu)路徑，又可以提高路徑規(guī)劃的計(jì)算效率。

1.1.3 A*算法

尼爾森等人在1980年提出了A*算法[12]，是一種應(yīng)用很廣的啟發(fā)式搜索算法。利用空間啟發(fā)式信息，通過(guò)對(duì)比選擇恰當(dāng)?shù)脑u(píng)估函數(shù)，通過(guò)動(dòng)態(tài)搜索策略，求出移動(dòng)機(jī)器人的最優(yōu)規(guī)劃路徑。A*算法在全部已知且比較簡(jiǎn)單的環(huán)境中，搜索速度非?？欤⒛苷业阶顑?yōu)路徑。但A*算法搜索路徑的優(yōu)化性較差，對(duì)于比較復(fù)雜的未知環(huán)境，搜索效率不高。

劉斌等人[13]提出了一種基于A*算法的動(dòng)態(tài)多路徑規(guī)劃方法，結(jié)合A*算法與矩形限制搜索區(qū)域算法[14]，給出了一種求解單一優(yōu)化路徑的動(dòng)態(tài)路徑規(guī)劃算法。同時(shí)提出了一種重復(fù)路徑懲罰因子，可以利用其一次搜索出多條優(yōu)化路徑。方昕等人[15]將A*算法與柵格法進(jìn)行有效結(jié)合，改進(jìn)A*算法采用多個(gè)柵格包絡(luò)障礙物方式，利用頂點(diǎn)外延節(jié)點(diǎn)生成路徑來(lái)構(gòu)造連通圖。在此基礎(chǔ)上，引入了平滑度概念，將算法應(yīng)用于二維空間進(jìn)行機(jī)器人路徑規(guī)劃，提高了算法搜索效率。

1.1.4 可視圖法

Janet J A[16]將目標(biāo)、障礙物以及機(jī)器人的各個(gè)頂點(diǎn)看作節(jié)點(diǎn)，再將所有節(jié)點(diǎn)進(jìn)行組合相連，連線稱為弧，并且設(shè)定各節(jié)點(diǎn)之間連接而成的弧均不能穿越障礙物，將弧看作可視的。該方法直觀易懂，可得到最短的路徑；但當(dāng)移動(dòng)機(jī)器人的起點(diǎn)或終點(diǎn)發(fā)生變化時(shí)，需要重構(gòu)可視圖，如果環(huán)境中障礙物較多，重構(gòu)地圖的過(guò)程會(huì)很復(fù)雜，搜索路徑的時(shí)間就會(huì)加長(zhǎng)。

楊淮清等人[17]提出了一種基于可視圖法的移動(dòng)機(jī)器人路徑規(guī)劃算法，將復(fù)雜輪廓的障礙物近似看成矩形或者多個(gè)矩形的組合體，以此建立障礙物邊界地圖，實(shí)現(xiàn)了路徑規(guī)劃。陳超等人[18]利用射頻識(shí)別系統(tǒng)，通過(guò)超高頻射頻識(shí)別系統(tǒng)與低頻射頻識(shí)別系統(tǒng)的聯(lián)合運(yùn)用實(shí)現(xiàn)準(zhǔn)確定位，將可視圖法與A*算法相結(jié)合，提出了一種路徑規(guī)劃算法，在提高搜索效率的同時(shí)保證了規(guī)劃路徑的可行性。

1.1.5 自由空間法

自由空間法通過(guò)將移動(dòng)機(jī)器人路徑規(guī)劃轉(zhuǎn)變?yōu)樵谧杂煽臻g內(nèi)的路徑尋找解決路徑規(guī)劃問(wèn)題，采用自定義的幾何形狀構(gòu)建地圖環(huán)境，同時(shí)將地圖環(huán)境表示為連通圖，最終通過(guò)對(duì)圖的搜索實(shí)現(xiàn)了路徑規(guī)劃[19，20]。自由空間法原理簡(jiǎn)單，在起點(diǎn)和終點(diǎn)發(fā)生變化時(shí)，僅需重新定位，不需重繪整幅地圖，易于實(shí)現(xiàn)；但當(dāng)環(huán)境中存在復(fù)雜障礙物時(shí)，連通圖會(huì)變得很復(fù)雜，算法實(shí)現(xiàn)困難，并且不能保證生成最優(yōu)路徑。

盧曉軍等人[21]提出了一種基于自由空間的路徑規(guī)劃方法，結(jié)合啟發(fā)式A*算法進(jìn)行路徑搜索，產(chǎn)生從初始位置到目標(biāo)位置的最優(yōu)路徑。

1.1.6 拓?fù)浞?/p>

拓?fù)浞▽⒁苿?dòng)機(jī)器人的運(yùn)動(dòng)空間劃分為具備拓?fù)涮卣鞯囊幌盗泄?jié)點(diǎn)，并構(gòu)建拓?fù)潢P(guān)系網(wǎng)，在所構(gòu)建關(guān)系網(wǎng)上連接出起點(diǎn)和終點(diǎn)間的幾何路線，最終將幾何路線轉(zhuǎn)化為移動(dòng)機(jī)器人的幾何路徑[22]。拓?fù)浞s小了搜索范圍，且不需要獲得移動(dòng)機(jī)器人在環(huán)境中的精確定位，對(duì)位置誤差的處理具有很好的魯棒性。但建立整個(gè)拓?fù)渚W(wǎng)絡(luò)是個(gè)復(fù)雜的過(guò)程，且當(dāng)環(huán)境中障礙物發(fā)生變化時(shí)難以快速準(zhǔn)確地修改拓?fù)渚W(wǎng)絡(luò)。

吳海濤等人[23]提出了一種基于鄰接矩陣網(wǎng)絡(luò)拓?fù)錁錁?gòu)建的路徑尋優(yōu)方法，引入路網(wǎng)節(jié)點(diǎn)間鄰接關(guān)系，將路網(wǎng)按照其節(jié)點(diǎn)鄰接關(guān)系歸類劃分為以路網(wǎng)節(jié)點(diǎn)間鄰接值為表征的路網(wǎng)拓?fù)溥M(jìn)化樹，同時(shí)對(duì)路徑尋優(yōu)問(wèn)題中目標(biāo)節(jié)點(diǎn)進(jìn)行動(dòng)態(tài)回溯分類，在限定路網(wǎng)搜索區(qū)域的同時(shí)采用分支定界搜索策略進(jìn)行搜索優(yōu)化，降低了搜索算法的時(shí)間復(fù)雜度。

此外，目前還有快速擴(kuò)展隨機(jī)樹(rapidly-exploring random tree，RRT)算法、遺傳算法等。RRT算法采用隨機(jī)查詢采樣搜索，經(jīng)過(guò)一個(gè)優(yōu)化策略對(duì)外部空間進(jìn)行信息采樣，執(zhí)行最佳路徑策略；RRT算法對(duì)全局環(huán)境有較大的依賴性，且實(shí)時(shí)性較差[24]。遺傳算法是由美國(guó)的Holland J H[25]提出的一種隨機(jī)搜索算法。遺傳算法將希望求解的問(wèn)題進(jìn)行編碼，初始階段隨機(jī)生成候選種群，以適應(yīng)度函數(shù)的形式評(píng)估種群的性能，并且在此基礎(chǔ)上繁殖、交叉和變異[26]。遺傳算法屬于多點(diǎn)搜索算法，有更多機(jī)會(huì)尋找到全局最優(yōu)解。但遺傳算法只適用于全局路徑規(guī)劃，在復(fù)雜環(huán)境中若路徑個(gè)體編碼不合適，會(huì)導(dǎo)致進(jìn)化速度緩慢；若遺傳算子的選擇不合理，不會(huì)有明顯的進(jìn)化效果。

1.2 智能避障算法

單一的傳統(tǒng)避障算法在未知或者部分已知的環(huán)境中存在著較為明顯的缺陷，開(kāi)發(fā)適合動(dòng)態(tài)未知環(huán)境的避障算法是自主移動(dòng)機(jī)器人避障技術(shù)中亟需解決的問(wèn)題。智能避障算法能夠克服傳統(tǒng)算法的缺陷，使機(jī)器人有效躲避障礙物。目前，較為新穎的幾種智能算法有：

1.2.1 基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人避障方法

Mihai D和Gheorghe M[27]研究了一種基于神經(jīng)網(wǎng)絡(luò)的新避障方法解決機(jī)器人在包含靜態(tài)和動(dòng)態(tài)障礙物的環(huán)境中自主移動(dòng)的問(wèn)題，規(guī)劃出了自主移動(dòng)機(jī)器人在不確定的包含靜止和移動(dòng)實(shí)體的工作空間內(nèi)的無(wú)碰撞軌跡。該方案使用“Q學(xué)習(xí)”和“神經(jīng)網(wǎng)絡(luò)規(guī)劃器”解決路徑規(guī)劃問(wèn)題。如圖1所示，Pos網(wǎng)神經(jīng)網(wǎng)絡(luò)是一個(gè)多層感知器，接收作為初始輸入的P向量，P向量包含機(jī)器人當(dāng)前位置、時(shí)間樣本t，Q值矩陣，輸出三值矢量(X,Y,t)。如果到達(dá)目標(biāo)前發(fā)生碰撞或者步數(shù)已達(dá)到最大值，則Pos網(wǎng)神經(jīng)網(wǎng)絡(luò)重新開(kāi)始權(quán)值初始化和迭代。該方法可以在計(jì)算軌跡之前設(shè)置機(jī)器 人的速度，在時(shí)間受限的應(yīng)用中具有很大的優(yōu)勢(shì)。

圖1 Pos網(wǎng)路徑規(guī)劃結(jié)構(gòu)[27]

齊方遠(yuǎn)[28]研究了基于神經(jīng)網(wǎng)絡(luò)避障和 GPS定位的移動(dòng)機(jī)器人自主運(yùn)動(dòng)方法，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)和距離信息的移動(dòng)機(jī)器人避障模型，并在此基礎(chǔ)上提出了室外環(huán)境下移動(dòng)機(jī)器人的自主運(yùn)動(dòng)方法。該避障模型效果較好，自主運(yùn)動(dòng)模型亦具備一定的自主運(yùn)動(dòng)能力。

1.2.2 基于可視性二叉樹算法的機(jī)器人避障方法

Abdulmuttalib T R[29]提出了一種動(dòng)態(tài)環(huán)境中機(jī)器人避障的新方法，可視性二叉樹算法。為規(guī)劃?rùn)C(jī)器人的路徑，算法依賴于機(jī)器人和目標(biāo)之間的所有完整路徑集合的構(gòu)建，考慮機(jī)器人和圓形障礙物之間的內(nèi)部和外部的可見(jiàn)切線。使用這些路徑創(chuàng)建可視性二叉樹，選擇出最短優(yōu)化路徑。

1.2.3 基于滾動(dòng)時(shí)域控制算法的機(jī)器人避障方法

Giuseppe F和Walter L[30]提出了滾動(dòng)時(shí)域策略，用于解決動(dòng)態(tài)環(huán)境中線性定常系統(tǒng)所描述的自主移動(dòng)機(jī)器人的路徑規(guī)劃問(wèn)題。滾動(dòng)時(shí)域的方法即對(duì)于所有可能的障礙物場(chǎng)景，預(yù)先計(jì)算精確可控集內(nèi)的橢圓近似序列，并在線分析，確定適當(dāng)?shù)目刂苿?dòng)作使機(jī)器人完成避障。如圖2所示，虛線橢圓代表可控集序列，沿箭頭方向增加，經(jīng)障礙物序列、場(chǎng)景切換序列、障礙物切換系列等滾動(dòng)時(shí)域，實(shí)現(xiàn)避障路徑規(guī)劃。無(wú)論遇到任何障礙物，所產(chǎn)生的框架均能保證均勻的最終邊界并且滿足約束條件。

圖2 滾動(dòng)時(shí)域算法避障原理[30]

1.2.4 基于神經(jīng)控制器的機(jī)器人避障方法

Nacer H和Boubekeur M[31]針對(duì)全向自主移動(dòng)機(jī)器人提出了一種基于神經(jīng)控制器的自主導(dǎo)航和避障策略。機(jī)器人規(guī)劃一個(gè)路徑，從初始點(diǎn)開(kāi)始移動(dòng)到目標(biāo)點(diǎn)。將二階多項(xiàng)式整體性規(guī)劃方法應(yīng)用到機(jī)器人沿理想路徑情況下的運(yùn)動(dòng)，利用神經(jīng)控制避免機(jī)器人與靜態(tài)或動(dòng)態(tài)障礙物之間發(fā)生碰撞。如圖3所示，機(jī)器人從A點(diǎn)出發(fā)前往目標(biāo)，期望路徑(desired path，DP)即最短路徑是兩點(diǎn)之間的直線，但在這條路徑附近有靜態(tài)和動(dòng)態(tài)障礙物，所以要使機(jī)器人沿DP方向規(guī)劃路徑，同時(shí)又要避免障礙物垂直于DP。神經(jīng)控制器的設(shè)計(jì)是基于“感應(yīng)矢量”和“間隙矢量”的概念?！案袘?yīng)矢量”是一個(gè)二進(jìn)制向量，提供了有關(guān)障礙物的檢測(cè)信息，“間隙矢量”提供了一個(gè)機(jī)器人可能通過(guò)的最近間隙的信息。

圖3 神經(jīng)控制器路徑規(guī)劃[31]

1.2.5 基于混合算法的機(jī)器人避障方法

Pai N S等人[32]設(shè)計(jì)了一種基于模糊理論和可拓理論的全向自主移動(dòng)機(jī)器人。模糊理論用于調(diào)整控制電機(jī)轉(zhuǎn)速的脈寬調(diào)制(pulse width modulation,PWM)信號(hào)，糾正機(jī)器人移動(dòng)時(shí)出現(xiàn)的路徑偏差問(wèn)題?？赏乩碚撚糜诮C(jī)器人避障模型，建立多種移動(dòng)模型以處理不同類型的障礙。機(jī)器人安裝有超聲波距離傳感器估算障礙物的距離。如果遇到障礙，相關(guān)函數(shù)將進(jìn)行評(píng)估，機(jī)器人將自主選擇最合適的模式來(lái)避開(kāi)障礙。系統(tǒng)流程如圖4所示。

圖4 系統(tǒng)流程[32]

Chen W J等人[33]提出了一種用于自主移動(dòng)機(jī)器人的路徑跟蹤方法，包括路徑規(guī)劃和控制器設(shè)計(jì)。在路徑規(guī)劃中，使用B樣條代替A*算法創(chuàng)建平滑和避障路徑，減少了碰撞的可能性，B樣條曲線如圖5所示。在控制器設(shè)計(jì)中，將遺傳算法和模糊邏輯組合在一起用于對(duì)在某一環(huán)境中運(yùn)動(dòng)的移動(dòng)機(jī)器人的速度調(diào)控。

圖5 B樣條曲線(n=4,k=3)[33]

An P[34]提出了基于無(wú)線傳感器網(wǎng)絡(luò)的移動(dòng)機(jī)器人的避障策略。該算法以模糊控制和神經(jīng)網(wǎng)絡(luò)控制理論相結(jié)合，使用數(shù)學(xué)模型表達(dá)難以描述的規(guī)則，大幅提高了機(jī)器人躲避障礙物的實(shí)時(shí)性、準(zhǔn)確性和穩(wěn)定性。

1.3 傳統(tǒng)避障算法與智能避障算法性能對(duì)比

綜合上文所述算法可以看出，傳統(tǒng)避障算法局限性較大，不適合復(fù)雜未知的動(dòng)態(tài)環(huán)境，而智能避障算法則在這方面表現(xiàn)出了巨大的優(yōu)勢(shì)。部分傳統(tǒng)避障算法與智能避障算法性能對(duì)比如表1所示。

2 自主移動(dòng)機(jī)器人避障技術(shù)展望

隨著智能機(jī)器人技術(shù)的成熟，自主移動(dòng)機(jī)器人將在工業(yè)、農(nóng)業(yè)、醫(yī)療、服務(wù)等行業(yè)中得到廣泛的應(yīng)用，將來(lái)更會(huì)在城市安全、國(guó)防和空間探測(cè)領(lǐng)域等有害與危險(xiǎn)場(chǎng)合得到很好的應(yīng)用。自主移動(dòng)機(jī)器人的避障技術(shù)是實(shí)現(xiàn)機(jī)器人智能性的一個(gè)重要方面，將會(huì)是機(jī)器人領(lǐng)域內(nèi)的研究熱點(diǎn)。

未來(lái)移動(dòng)機(jī)器人避障算法的研究中，將多種算法的優(yōu)點(diǎn)結(jié)合，整合出具有多重優(yōu)勢(shì)的混合算法，以實(shí)現(xiàn)機(jī)器人躲避障礙和路徑規(guī)劃的高效、實(shí)時(shí)與智能，這種避障模式將會(huì)是未來(lái)機(jī)器人避障技術(shù)的發(fā)展趨勢(shì)。另外，多傳感器信息融合技術(shù)可以使機(jī)器人建立更加準(zhǔn)確的外部環(huán)境模型，未來(lái)，多傳感器信息融合技術(shù)必定有更多的應(yīng)用。此外，多機(jī)器人系統(tǒng)聯(lián)合協(xié)作避障也將是未來(lái)研究的熱點(diǎn)[35～38]。

表1 部分傳統(tǒng)避障算法與智能避障算法性能對(duì)比

3 結(jié)束語(yǔ)

詳細(xì)介紹了傳統(tǒng)避障算法和智能算法的基本原理，優(yōu)缺點(diǎn)，并進(jìn)行了總結(jié)對(duì)比；對(duì)未來(lái)移動(dòng)機(jī)器人避障技術(shù)進(jìn)行了展望。

參考文獻(xiàn):

[1] 金 娟.自主移動(dòng)機(jī)器人軌跡跟蹤與避障控制研究[D].長(zhǎng)沙：湖南大學(xué),2015.

[2] 呂玉彬.基于多傳感器融合的機(jī)器人導(dǎo)航系統(tǒng)中的避障研究[D].長(zhǎng)沙：湖南大學(xué),2012.

[3] 劉東輝.自主移動(dòng)式機(jī)器人路徑規(guī)劃研究[D].大慶：東北石油大學(xué),2013.

[4] John F C,Ming C L.An opportunistic global path planner,robo-tics and automation 1990[C]∥Proceedings of 1990 IEEE International Conference,1990:1554-1561.

[5] Kohtaro S,Masaki F,Jens S G,et al。Obstacle avoidance and path planning for humanoid robot using stereo vision[C]∥Proceedings of the 2004 IEEE International Conference on Robotics and Automation,2004:592-597.

[6] Khatib O.Real-time obstacle avoidance for manipu-lators and mobile robots[J].The International Journal of Robotics Research,1986,5(1):90-98.

[7] Huang Y,Hu H,Liu X.Obstacles avoidance of artificial potential field method with memory function in complex environment[C]∥The 8th World Congress on Intelligent Control and Automation(WCICA),2010:6414-6418.

[8] 徐 飛.基于改進(jìn)人工勢(shì)場(chǎng)法的機(jī)器人避障及路徑規(guī)劃研究[J].計(jì)算機(jī)科學(xué),2016,43(12):293-296.

[9] Borenstein J,Koren Y.Real-time obstacle avoidance for fast mobile robots[J].IEEE Transactions on Systems,Man and Cybernetics,1989,19(5):1179-1187.

[10] Zhao K K,Zhou Y M,Song Z B,et.al.A grid method for robot path recognition based on RFID technology[C]∥2016 the 12th World Congress on Intelligent Control and Automation(WCICA),2016.

[11] 華劍鋒,張 豐,杜震洪,等.基于變分辨率柵格模型的啟發(fā)式有向搜索最優(yōu)路徑算法[J].浙江大學(xué)學(xué)報(bào):理學(xué)版,2016,43(1):51-56.

[12] 王利敏.基于A*算法和B樣條函數(shù)的月球車路徑規(guī)劃研究[D].長(zhǎng)春：吉林大學(xué),2016.

[13] 劉 斌，陳賢富，程 政.一種基于A*算法的動(dòng)態(tài)多路徑規(guī)劃算法[J].微型計(jì)算機(jī)與應(yīng)用,2016,35(4):17-20.

[14] 許震洪.動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)的最優(yōu)路徑算法研究及相關(guān)軟件實(shí)現(xiàn)[D].南京:南京理工大學(xué),2004.

[15] 方 昕，呂方興.一種改進(jìn)A*算法的智能機(jī)器人路徑規(guī)劃[J].信息技術(shù)，2015(9):40-42.

[16] Janet J A,Luo R C,Kay M G.The essential visibility graph:An approach to global motion planning for autonomous mobile ro-bots[C]∥IEEE International Conference on Robotics and Automation,1995:958-1963.

[17] 楊淮清，肖興貴，姚 棟.一種基于可視圖法的機(jī)器人全局路徑規(guī)劃[J].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2009,31(2):225-230.

[18] 陳 超,唐 堅(jiān).靳祖光,等一種基于可視圖法導(dǎo)盲機(jī)器人路徑規(guī)劃的研究[J].機(jī)械科學(xué)與技術(shù),2014,33(4):490-495.

[19] Brooks R A.Solving the find-path problem by good representation of free space[J].IEEE Trans on Syst Mans on Cyb,1983,13(2):190-197.

[20] Ghodgaonkar D K,Varadan V V,Varadan V K.A free space method for measurement of dielectric constants and loss tangents at microwave frequencies[J].IEEE Tran Instrum Meas,1989,38(3):789-793.

[21] 盧曉軍，李 焱，賀漢根.一種基于自由空間法的虛擬人行走規(guī)劃方法[J].計(jì)算機(jī)工程與科學(xué)，2005,27(8):60-69.

[22] Thrun S.Learning metric-topological maps for indoor mobile robot navigation[J].Artif Intel,1998,99(1):21-71.

[23] 吳海濤,張貴軍,洪 榛,等.進(jìn)化樹拓?fù)渎肪W(wǎng)構(gòu)建及多停靠點(diǎn)路徑規(guī)劃方法研究[J].計(jì)算機(jī)學(xué)報(bào)，2012,35(5):964-971.

[24] 胡遠(yuǎn)航.未知環(huán)境下自主移動(dòng)機(jī)器人避障研究[D].哈爾濱：哈爾濱工程大學(xué),2013.

[25] Holland J H.Adaptation in natural and artificial systems:An introductory analysis with applications to biology,control,and artificial intelligence[M].2nd ed.Cambridge:MIT Press,1992.

[26] 馬永杰，云文霞.遺傳算法研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究,2012,29(4):1201-1206.

[27] Mihai D,Gheorghe M.Neural networks based reinforcement learning for mobile robots obstacle avoidance[J].Expert Systems With Applications,2016 (62):104-115.

[28] 齊方遠(yuǎn).基于神經(jīng)網(wǎng)絡(luò)避障和GPS 定位的移動(dòng)機(jī)器人[D].北京：北方工業(yè)大學(xué),2015.

[29] Abdulmuttalib T R,Abduladhem A A,Mattia F.Path planning with obstacle avoidance based on visibility binary tree algori-thm[J].Robotics and Autonomous Systems,2013,61:1440-1449.

[30] Giuseppe F，Walter L.The obstacle avoidance motion planning problem for autonomous vehicles:A low-demanding receding horizon control scheme[J].Systems & Control Letters,2015,77:1-10.

[31] Nacer H，Boubekeur M.Toward safety navigation in cluttered dynamic environment:A robot neural-based hybrid autonomous navigation and obstacle avoidance with moving target tra-cking[C]∥The 3rd International Conference on Control,Engineering and Information Technology(CEIT),2015.

[32] Pai N S,Hsieh H H,Lai Y C.Implementation of obstacle avoidance control for an autonomous omni-directional mobile robot based on extension theory[J].Sensors,2012,12:13947-13964.

[33] Chen W J,Jhong B G,Chen M Y.Design of path planning and obstacle avoidance for a wheeled mobile robot[J].International Journal of Fuzzy Systems,2016,18(6):1080-1091.

[34] An Peng.Obstacle avoidance strategy of mobile robot based on wireless sensor network[J].iJOE,2016,12(11):10-15.

[35] 常 建，吳成東，李 斌.移動(dòng)機(jī)器人避障方法綜述[J].儀器儀表學(xué)報(bào)，2010,31(8):439-442.

[36] Antonio S,Renato Z.Planning and obstacle avoidance in mobile robotics[J].Robotics and Autonomous Systems,2012,60:628-638.

[37] 張玉婷，鄒彤雯，王艷麗,等.自主移動(dòng)機(jī)器人避障算法研究及展望[J].黑龍江科學(xué),2013,4(7):59-61.

[38] 楊 興.室內(nèi)自主導(dǎo)航移動(dòng)機(jī)器人路徑規(guī)劃研究[D].太原：中北大學(xué),2016.