（2）多传感器结合技术：为提高系统对环境信息识别的准确度和全面性，传感器发挥了至关重要的作用，多传感器之间能够互相结合，降低信息的不确定性，尽可能的使之间的相互协调，以某种合理的分配来进行组合减少冗余。有利于机器人快速找到有效路径。随着传感器集成度的提高，越来越微型化，但是多传感器信息融合技术还存在很多难题，例如如何减小信息融合的错误率、提高传感器的使用效率而减少处理器的处理量、如何建立有效的信息融合质量评价机制等。

（3）路径规划技术：路径规划作为移动机器人的先决条件。算法的优化可以大大减少移动的距离，特别是群体机器人路径优化。在物流、车间调度方面提高运行效率，缩短加工周期。

1。4 本文章节结构安排文献综述

根据研究内容和上文提到的主要工作，文章结构组下

第一章分析了路径优化的研究背景及意义；

第二章主要是关于移动机器人导航方式和路径规划算法的分类；

第三章介绍栅格法和蚁群算法的基本概念；

第四章主要是基于栅格法与蚁群算法结合的算法步骤、仿真步骤和结果展示。将提出的算法与模型相结合，进行了程序设计工作。在MATLAB仿真平台上进行了结果验证；

第五章根据实验结果得出相应结论，并对整个毕业设计做出简洁性的的小结，同时对于仿真中还没能够解决的以及现阶段问题进行

最后附上致谢和参考文献。

2 基本概念

2。1 导航与避障技术

移动机器人一般工作在固定的某一封闭区域内或者可以通过传感器检测的环境中，即有规范的门厅、各种家具、平整的平面等。在工作过程中，机器人可能会根据现场的实际情况和障碍物的特点做出迅速的反应，例如选择从边角较高的桌椅底部通过，也可在人员移动的区域停止等待通过，机器人导航就是要使它静态和动态的物体之间选择相应的最佳策略，而且可以避开各种障碍物。

2。1。1 机器人导航方式

机器人导航方式分为两种，根据对环境的了解分为地图导航和实时传感器导航，前者根据预先输入程序的地图模型进行开环式进行导航，有创建的关于环境的几何模型或拓扑地图等比较完整的信息，在事先规划处全局线路的基础上[1]，采用路径跟踪和壁障技术，实现智能机器导航。或者根据传感器，利用模式识别技术将获取的外部环境信息发送给处理器，根据优化策略选择出合适的路径。

现阶段，根据传感器的分类，有电磁感应式导航、基于自主反射式光线波长检测、面阵CCD摄像头导航等。立体视觉导航则是在不同方位放置多个摄像机模仿鹰眼同时检测多个区域来减少盲点的信息导航，涉及到点阵立体三维空间的计算，因此处理信息量较多，受硬件及程序规模的制约。

基于路标检测导航可以检测并识别出环境中的图像信息与预先保存在机器程序中图标进行比对，适合于物体特征点明显易于识别的环境，也可以根据物体颜色及温度来判断障碍物位置及距离，如火焰传感器、红外传感器等来实现智能机器人导航。来*自-优=尔,论:文+网www.youerw.com

2。1。2 机器人导航技术发展

导航已经分为许多分支，这些分支主要包括

（1）地图构建：机器人在行动开始需要对地图进行简单的建模，进行相关障碍物信息处理，选择合理的运动选择策略。

（2）定位：在机器人运动过程及开始运动中，需要检测出“在哪儿”，“去哪儿”的关键问题，如果定位不够精确，则放大后续运动的误差，甚至使机器人进入混乱死循环中。