关于机器人路径规划的概述
路径规划的定义
路径规划技术是机器人研究领域中的一个重要分支。所谓机器人的最优路径规划问题，就是依据某个或某些优化准则（如工作代价最小、行走路线最短、行走时间最短等），在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。
机器人路径规划方法大致可以分为两类：传统方法和智能方法。
一、传统路径规划方法
传统路径规划方法有自由空间法、图搜索法、栅格解耦法和人工势场法。
1、自由空间法
为了简化问题，通常采用“结构空间”来描述机器人及其周围的环境。这种方法将机器人缩小成点，将其周围的障碍物及边界按比例相应地扩大，使机器人点能够在障碍物空间中移动到任意一点，而不与障碍物及边界发生碰撞。
2、图搜索法
图搜索方法中的路径图由捕捉到的存在于机器人一维网络曲线（称为路径图）自由空间中的节点组成。建立起来的路径图可以看作是一系列的标准路径。而路径的初始状态和目标状态同路径图中的点相对应，这样路径规划问题就演变为在这些点间搜索路径的问题。通过起始点和目标点及障碍物的顶点在内的一系列点来构造可视图。连接这些点, 使某点与其周围的某可视点相连（即使相连接的两点间不存在障碍物或边界）。然后机器 人沿着这些点在图中搜索最优路径。
3、栅格解耦法
栅格解耦法是目前研究最广泛的路径规划方法.该方法将机器人的工作空间解耦为多个简单的区域，一般称为栅格。由这些栅格构成了一个连通图，在这个连通图上搜索一条从起始栅格到目标槎格的路径，这条路径是用栅格的序号来表示的。栅格解耦法包括确切的和不确切的两种。不确切的解耦方法比确切的解羯方法在数学计算上要简单的多，因此也比较容易实现。
4、人工势场法
传统的人工势场法把移动机器人在环境中的运动视为一种在 抽象的人造受力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。但是，由于势 场法把所有信息压缩为单个合力，这样就存在把有关障碍物分布的有价值的信息 抛弃的缺陷，且易陷入局部最小值。
二、智能路径规划方法
近年来随着遗传算法等智能方法的广泛应用，机器人路径规划方法也有了长足的进展，许多研究者把目光放在了基于智能算法的路径规划研究上。其中，应用较多的算法主要有模糊方法、神经网络和遗传算法。
1、基于模糊逻辑的机器人路径规划模糊方法是在线规划中通常采用的一种规划方法,包括建筑和局部规划。庄小东等提出一种基于模糊柢念的动态环境模型，参照物体的位置和运动信息构造二维录度数函数；然后通过模糊综合评价对各个方向进行综合考察，得到搜索结果。该方法在移动障碍物和移动目标的环境中能有效地实现机器人避碰和导航。
2、基于神经网络方法的机器人路径规划禹建丽等提出了一种基于神经网络的机器人路径规划算法，研究了障碍物形状和位置已知情况下的机器人路径规 划算法，其能量函数的定义利用了神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程，规划出的路径达到了折线形的最短无碰路径，计算简单，收敛速度快。
3、基于遗传算法的机器人路径规划遗传算法是目前机器人路径规划研究中应用较多的一种方法，无论是单机器人静态工作空间，还是多机器人动态工作空间，遗传算法及其派生算法都取得了良好的路径规划结果。
