移动机器人的自主路径规划.pdf

摘要

移动机器人在工作和生活中有着广泛应用，路径规划技术则成为该领域的一

个关键且复杂的研究热点。为了提高移动机器人平台的安全性、稳定性和快速性，

本文提出了改进的路径规划算法：批通知树算法BIT*(batchinformedtrees)改进的

批通知树算法ABIT*(AdvancedBIT*)以及结合控制屏障功能CBF(ControlBarrier

Function)和线性二次型调节器LQR(LinearQuadraticRegulator)的快速拓展随机树

算法LQR-CBF-RRT*，并通过模拟实验和实际移动机器人硬件平台进行了验证。

首先，为解决传统批处理通知树算法路径规划效率低下的问题，采用了批通知

树算法算法。该算法通过合理选择随机几何图参数来降低图的复杂性，同时保持逐

渐逼近最优解的能力。通过启发式有哪些信誉好的足球投注网站从起点开始构建有哪些信誉好的足球投注网站树，该算法在仅包含无

r

碰撞边缘的情况下，添加更多样本并更新参数(如半径和邻近点数量)，构建更

k

密集的隐式随机几何图参数，使用增量有哪些信誉好的足球投注网站技术更新有哪些信誉好的足球投注网站树。重复此过程，来提升

算法解决方案的质量。与OMPL平台中的常用规划器：RRT、RRT_Connect、

Extended_RRT等对比，BIT*是唯一在超过58%的试验中都能更快地找到解决方案，

显示出更好的收敛性和效率。

其次，基于BIT*算法每次仅返回一个近似解的问题，提出了ABIT*算法。

g(s)r(s)

ABIT*使用，两个关键代价函数，并通过在边队列中膨胀成本估计，结合

图形有哪些信誉好的足球投注网站与基于采样的渐近最优规划器，快速找到初始解并收敛于最优解。与BIT*

相比，ABIT*避免了在不准确的近似解中浪费计算资源，展现出更优的性能。

最后，为解决CBF在实际控制中计算成本高的问题，提出LQR-CBF-RRT*算

法。该算法将LQR控制和CBF集成到路径规划中，存储先前计算的反馈增益，减

少了LQR重复计算和计算局部线性化模型的频率。此外，通过采用交叉熵方法的

重要性采样(IS)替换了传统的均匀采样方法，有效提升了路径规划的效率，同时确

保了规划过程的安全性。该算法框架不仅适用于线性和非线性控制仿射系统，还可

以轻松扩展到满足CBF的离散时间系统。

在验证上述算法的实际应用效果时，设计了一个基于这些算法的硬件实验平

台。这个平台由OpenMV视觉传感器和TIMCU移动机器人底盘组成。在这个实

验中，OpenMV视觉传感器的主要任务是识别环境中的Tag标签，以辅助机器人

进行精准定位。与此同时，NCHD1灰度传感器负责搜集环境中的障碍物信息，为

机器人规避障碍提供数据支持。TIMCU则作为移动机器人的核心部件，不仅承担

着移动的任务，同时也处理运动信息的计算和传输工作。这种设计集成了视觉传感、

I

障碍检测和机器人控制等多个方面，形成了一个综合性的实验平台，旨在全面检验

所提算法的可行性和有效性。

关键词：移动机器人，自主路径规划，批通知树算法，改进的批通知树算法，

控制屏障功能和线性二次型调节器快速拓展随机树算法，OpenMV

II

Abstract

Thewidespreaduseofmobilerobotsinbothprofessionalanddomesticsettingshas

elevatedpathplanningtoacriticalandcomplexareaofresearchinthisfield.Inresponse

tothis,ourstudyintroducesen