本文介绍了一项由哈尔滨工业大学机器人研究所的周自维、李长乐、赵杰以及辽宁科技大学电子信息工程学院的徐望宝共同完成的研究，题为《复杂局部地形中的实时路径规划算法设计》。该研究于2014年8月发表在《哈尔滨工业大学学报》第46卷第8期上。研究的主要目标是解决机器人在复杂局部环境中的实时自主导航问题，提出了一种新的路径规划算法，并结合势场函数设计了机器人运动控制器。
随着机器人技术的快速发展，机器人在复杂环境中的自主导航成为了一个重要的研究方向。传统的路径规划算法主要分为两类：基于静态环境的全局优化和基于传感器数据的局部优化。全局优化方法虽然能够提供全局最优路径，但其计算复杂度高，且难以应对动态环境中的变化。局部优化方法，如人工势场法（Artificial Potential Field, APF）和沿墙走算法（Wall-Following or Bug Method），虽然在实时性上表现较好，但存在局部最小点问题，导致机器人可能陷入局部陷阱而无法继续前进。因此，研究团队提出了一种新的算法，旨在克服现有方法的局限性，提升机器人在复杂环境中的导航能力。
研究团队提出的算法分为两个主要部分：双向搜索多边形构造算法和基于势场函数的机器人运动控制器。
该算法用于在机器人被障碍物包围的环境中，搜索出障碍物的包围多边形，从而获取基于障碍物的最优行进路径。算法的核心思想是通过双向搜索（顺时针和逆时针）来构造障碍物的包围多边形。具体步骤如下： - 步骤1：根据机器人当前位置和目标点生成线段，判断该线段是否与障碍物相交。如果相交，则说明机器人无法直接到达目标点，需要绕过障碍物。 - 步骤2：将障碍物分为顺时针部分和逆时针部分，分别进行搜索。通过正向搜索和反向搜索，找到能够绕过障碍物的路径。 - 步骤3：重复上述搜索过程，直到找到包围障碍物的所有顶点，形成包围多边形。
该算法的复杂度为O(k log n)，其中n为障碍物点数，k为包围多边形顶点数，相比传统的凸包算法具有更高的效率。
该控制器用于控制机器人的实际运动，使其能够有效躲避障碍物并逐步趋向目标点。控制器的输入由吸引势场函数和排斥势场函数组成，输出为机器人的速度和转角。具体设计如下： - 吸引势场函数：用于引导机器人向目标点移动。当机器人无法直接到达最终目标时，控制器会设置一个临时目标点，作为机器人的当前目标。 - 排斥势场函数：用于使机器人远离障碍物。当机器人靠近障碍物时，排斥势场函数会迫使机器人转向，避免碰撞。 - 基本速度设置：为了防止机器人在势场为零时陷入局部最小点，控制器设定了机器人的基本速度，确保机器人能够继续移动。
研究团队通过实验验证了所提出算法的有效性。实验分为两部分：人工障碍环境实验和实际机器人应用实验。
在人工障碍环境中，研究团队对比了本文算法与人工力矩法、沿墙走算法的表现。实验结果表明，本文算法规划的路径最短，步数最少，且机器人行走轨迹平滑，控制时间短，实时性好。
在实际机器人应用中，研究团队使用了AS-R轮式机器人进行测试。实验结果表明，本文算法能够有效应对复杂障碍物，机器人能够及时躲避障碍物并选择最优路径。此外，实验还验证了机器人在面对移动障碍物时的避让能力，进一步证明了算法的实用性。
本文提出的“双向搜索多边形构造算法”和“基于势场函数的机器人运动控制器”在复杂局部环境中的机器人路径规划问题上取得了显著进展。该算法不仅能够有效解决传统方法中的局部最小点问题，还具有较高的实时性和优化能力。实验结果表明，本文算法在人工地图和实际机器人应用中均表现出色，具有广泛的应用前景。
本文的研究为机器人在复杂局部环境中的实时自主导航提供了新的解决方案，具有重要的理论意义和实际应用价值。该算法不仅能够提升机器人的导航效率，还能够应对动态环境中的变化，为未来的机器人导航技术发展提供了新的思路。