基于势场法的移动机器人路径规划仿真研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (24): 226-229.

基于势场法的移动机器人路径规划仿真研究

金雷泽^1,2，杜振军^1,2，贾凯¹

1.中国科学院沈阳自动化研究所，沈阳 110016
2.中国科学院研究生院，北京 100039

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-08-21 发布日期:2007-08-21
通讯作者: 金雷泽

Simulation study on mobile robot path planning based on potential field

JIN Lei-ze^1,2，DU Zhen-jun^1,2，JIA Kai¹

1.Shenyang Institute of Automation，Chinese Academy of Sciences，Shenyang，Liaoning 110016，China
2.Graduate School，Chinese Academy of Sciences，Beijing 100039，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-21 Published:2007-08-21
Contact: JIN Lei-ze

摘要/Abstract

摘要： 针对势场法的障碍物附近目标不可达（GNRON）问题，采用改进斥力势场函数，把机器人和目标的相对距离考虑进去，从而确保目标点为整个势场的全局最小点，使得机器人能够顺利到达目标。针对局部极小引起的陷阱区域问题，提出了增加引导点的方法，使得机器人能够快速走出陷阱区域，向目标点移动。通过仿真实验，还实现了机器人在限定区域内漫游。改进后的势场法适用于复杂环境下的移动机器人路径规划。仿真结果证明了此方法的有效性。

关键词: 移动机器人, 路径规划, 人工势场法, GNRON, 局部极小

Abstract: This paper adopts improved repulsive potential function for Goals Nonreachable with Obstacles Nearby（GNRON） of potential field，the new repulsive potential function considers the relative distance between the robot and the goal which ensures the goal is the global minimum of the whole potential field，so the robot can reach the goal freely.This paper also proposes a method of adding guiding point for trap situations due to local minima，so the robot can get out the trap situations quickly and move to the goal.Robot rambling in restrictive region is also realized in simulation.The improved algorithm is adaptable to path planning of robots in complex environment.The effectiveness of this method is verified by simulation results.

Key words: mobile robots, path planning, artificial potential field, GNRON, local minima

金雷泽^1,2，杜振军^1,2，贾凯¹. 基于势场法的移动机器人路径规划仿真研究[J]. 计算机工程与应用, 2007, 43(24): 226-229.

JIN Lei-ze^1,2，DU Zhen-jun^1,2，JIA Kai¹. Simulation study on mobile robot path planning based on potential field[J]. Computer Engineering and Applications, 2007, 43(24): 226-229.

[1]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[2]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[5]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[6]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[7]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[8]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[9]	王琛，茅健. 基于时间窗模型的双向机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(23): 287-294.
[10]	赵伟，吴子英. 双层优化A*算法与动态窗口法的动态路径规划[J]. 计算机工程与应用, 2021, 57(22): 295-303.
[11]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[12]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[13]	涂睿，王文格，卢成阳. 移动机器人实时采样路径重规划[J]. 计算机工程与应用, 2021, 57(20): 157-163.
[14]	马龙，王春嬉，张正义，董睿. 多目标多时间窗车辆路径问题的鸽群-水滴算法[J]. 计算机工程与应用, 2021, 57(2): 237-250.
[15]	张荣霞，武长旭，孙同超，赵增顺. 深度强化学习及在路径规划中的研究进展[J]. 计算机工程与应用, 2021, 57(19): 44-56.