机器人路径规划算法，全局路径规划与局部路径规划究竟有哪些区别

移动这一简单动作，对于人类来说相当容易，但对机器人而言就变得极为复杂，说到机器人移动就不得不提到路径规划，路径规划是移动机器人导航最基本的环节，指的是机器人在有障碍物的工作环境中，如何找到一条从起点到终点适当的运动路径，使机器人在运动过程中能安全、无碰撞地绕过所有障碍物。这不同于用动态规划等方法求得的最短路径，而是指移动机器人能对静态及动态环境作出综合性判断，进行智能决策。

总的来说，路径规划主要涉及这3大问题：①明确起点位置及终点;②规避障碍物；③尽可能的做到路径上的优化。

机器人路径规划有全局与局部规划之分

根据对环境信息的掌握程度不同，机器人路径规划可分为全局路径规划和局部路径规划。

全局路径规划是在已知的环境中，给机器人规划一条路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解，但是需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就无能为力了。它是一种事前规划，因此对机器人系统的实时计算能力要求不高，虽然规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。

而局部路径规划则环境信息完全未知或有部分可知，侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍物的位置和几何性质等信息，这种规划需要搜集环境数据，并且对该环境模型的动态更新能够随时进行校正，局部规划方法将对环境的建模与搜索融为一体，要求机器人系统具有高速的信息处理能力和计算能力，对环境误差和噪声有较高的鲁棒性，能对规划结果进行实时反馈和校正，但是由于缺乏全局环境信息，所以规划结果有可能不是最优的，甚至可能找不到正确路径或完整路径。

全局路径规划和局部路径规划并没有本质上的区别，很多适用于全局路径规划的方法经过改进也可以用于局部路径规划，而适用于局部路径规划的方法同样经过改进后也可适用于全局路径规划。两者协同工作，机器人可更好的规划从起始点到终点的行走路径。

A*与D*机器人路径规划算法介绍

在实际情况中，机器人路径规划除了考虑已知环境和未知环境地图，还要考虑到动态和静态环境下的路径规划。

A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。但是，A*算法同样也可用于动态路径规划当中，只是当环境发生变化时，需要重新规划路线。

而D*算法则是一种动态启发式路径搜索算法，它事先对环境位置，让机器人在陌生环境中行动自如，在瞬息万变的环境中游刃有余。D*算法的最大优点是不需要预先探明地图，机器人可以和人一样，即使在未知环境中，也可以展开行动，随着机器人不断探索，路径也会时刻调整。

综上所述，移动机器人路径规划技术已经取得了可观的成绩，但是，在其全局与局部路径规划方法中仍然存在诸多不足之处，为此，国内已有针对这类算法的改进，例如思岚科技的SLAMWARE模块化自主定位导航，SLAMWARE内采用改良的D*算法进行路径规划，这也是美国火星探测器采用的核心寻路算法。是一种动态启发式路径搜索算法，它可以让机器人在未知环境中行走自如，在环境多变的情况下游刃有余。

审核编辑 黄昊宇