【摘要】：路径规划的目标是在物理空间中找到一条从初始点位置到最终点位置的路径，避免与所有障碍物碰撞。规划过程既是搜索的过程，也是推理的过程，因此人工智能中的很多优化、推理技术也被运用到移动机器人运动规划中来，如遗传算法、模糊推理，以及神经网络等。导航是对移动机器人所要求的最具挑战性的能力之一。图3-2多传感器融合导航示意图3-2多传感器融合导航示意
路径规划的目标是在物理空间中找到一条从初始点位置到最终点位置的路径，避免与所有障碍物碰撞。按照环境建模方式和搜索策略的异同，可将规划方法大致上分成3类：基于自由空间几何构造的规划；前向图搜索算法和近年兴起的基于随机采样的运动规划；基于几何构造的规划方法，包括可视图、Voronoi图、切线图及精确（近似）栅格分解等。前向图搜索算法是从起始点出发向目标点搜索的算法，常用的包括贪心算法、Dijkstra算法、A*算法、D*算法（Dijkstra算法的变种）以及人工势场法等。基于随机采样的规划算法用于克服人工势场法存在的局部极小和在高维姿态空间中规划时存在的效率问题，主要有随机路径规划器（RPP），概率路标算法（PRM）及其变种算法。规划过程既是搜索的过程，也是推理的过程，因此人工智能中的很多优化、推理技术也被运用到移动机器人运动规划中来，如遗传算法、模糊推理，以及神经网络等。
导航是对移动机器人所要求的最具挑战性的能力之一。根据环境信息的完整程度、导航指示信号类型、导航地域等因素的不同，将导航方式分为电磁导航、惯性导航、基于地图模型的导航、视觉导航、味觉导航、声音导航、GPS导航等。多传感器融合导航示意如图3-2所示。(www.xing528.com)
图3-2 多传感器融合导航示意
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
