29、自主移动地面机器人的光电导航系统解析

自主移动地面机器人的光电导航系统解析

1. 移动机器人导航算法概述

在移动机器人导航领域，有多种算法用于提升导航性能。模糊逻辑（FL）概念受人类运用 “If - Then” 逻辑处理感知信息能力的启发，将这种逻辑构建形式化为数学形式，有助于系统设计者和计算机获取更完整、严谨的系统性能信息，适用于移动机器人（MR）路径规划。

除了常见算法，还有其他杂项算法（OMA）。由于解决类似任务的数学工具繁多，难以对所有可能且差异显著的方法进行全面系统分类。目前提到的算法是工程实践中应用较多且受研究人员认可的，但每月都有新的数学工具被发明，不过其优势需通过多年在 MR 导航中的有效应用来证明。为实现移动机器人在不同环境条件下的导航，可采用的智能方法包括和谐搜索算法、差分进化算法、入侵杂草优化算法、蝙蝠算法、基于滑模边界跟踪的反应式避障、基于几何方法的避碰控制等。

2. 移动机器人导航子任务解决方法

文献中提到的导航策略可分为经典方法和反应式方法。经典方法存在计算成本高、易陷入局部极小值、不确定性分布不均匀且不受可控因素影响、对周围环境信息掌握有限、实时导航受传感机制精度限制等缺点。因此，在应用经典方法时，能否得到解决方案存在不确定性。由于其预测能力低且依赖众多物理因素，难以实时应用。不过，经典方法的诸多优点促使人们开发了一些升级策略，即混合算法。这些混合算法在实时性能上不如反应式方法，但在已知场景导航中更具优势，因为它们能利用工作环境的详细确定初始信息进行确定性计算。

反应式方法能应对操作过程中的高度环境不确定性，适用于未知环境下的移动机器人导航。它在软硬件实现上较为容易，且在智能性和效率方面具有自适应性，因此在实时导航中应用更频繁。然而，反应式方法