2.2避障方法综述
  目前移动机器人的避障根据环境信息的掌握程度可以分为障碍物信息已知和障碍物信息不完全或者完全未知两种。可视图法、栅格法、自由空间法等算法可以解决障碍物信息己知时的情况。但大多数的情况下，机器人所处的环境是障碍物信息不完全或者完全未知，上述方法就自．其缺陷，近年来发展的智能算法在某些方面能够弥补传统方法的不足。

2.2．1 传统的避障方法

    传统的方法主要集中于完成机器人无碰撞路径规划，对动态环境中避障设计较少，其较经典的方法有以下几种：
(1)可视图法(VGraph)：由Nilsson在1968年提出的，其算法简单且能找到最短路径，但是由于其缺乏灵活性，在障碍物较多时，搜索时问将会很长并且要求障碍物的形状不能接近圆形，因此现在限制了其实际的应用。进而现在通常采用基于切线图法(Tangent Graph)和Voronoi法的改进可视
图法。
   切线图法用障碍物的切线表示弧，此时移动机器人必须接近障碍物，在有误差的时候可能与障碍物有接触，但解决了障碍物不能是圆形的问题。Voronoi图采用远离障碍物和墙肇的路径表示弧，采用这种方法在避免机器人误碰到障碍物的同时也增加了从起始点到日标点的路径的长度。
    (2)栅格法(Grid)：由W．E．Howden在1968年提出的，是目前研究较广泛的路径规划方法。其中栅格的大小影响着环境信息存储量的大小和时间的长短。栅格划分越大，环境信息的存储量越小，分辨率越低，复杂环境下的避障效果越差，时间越短；栅格划分越小，环境信息的存储量越大，分辨率越高，复杂环境下的避障效果越好，时间越常。
    (3)自由空间法：自由空问法采用预先定义的如广义锥型和凸多边形等基本形状构型构造自由空间，并将自由空间表示为连通图，通过搜索连通图来进行路径规划。
    (4)拓扑法：主要是将高文几何窄间巾求解路径的问题转化为低文拓扑空间中判别连通性的问题。优点在于利用拓扑特征大大缩小了搜索空间。算法复杂性仪依赖于障碍物数目，理论上是完备的。而月．拓扑法通常不需要知道机器人的准确位置，对于未知误差也就有了更好的鲁棒性；缺点是建立拓扑网络的过程相当复杂，特别是在增加障碍物时如何有效地修正已经存在的拓扑网是有待解决的问题。
   (5)人工势场法：把移动机器人在环境中的运动视为一种在抽象的人造受力场中的运动，目标点对移动机器人有“吸引力”，障碍物对移动机器人有“排斥力”，最后通过合力来控制移动机器人的运动，相应的缺点为：忽略了障碍物的结构外形信息，模型的建立容易产生误差并且陷入到局部最小值。
   在大多数的情况下，由于机器人行走的环境是未知或者是部分已知的，因此上述传统的机器人避障的方法在路径搜索效率及路径优化方面还存在不足。除此之外还有，A*图搜索算法，枚举法，随机搜索法等。其中A*图搜索算法易陷入到局部最小值，图搜索算法、枚举法不能用于高文的优化问题，随机搜索法计算效率太低。
 
2．2.2 智能避障方法
   
   在未知或者是部分未知的环境下通过传感器获取周围环境信息，包括障碍物的尺寸、形状和位置等信息，并使机器人自丰狭得一条无碰撞最优路径是现在研究移动机器人避障热点之一，其中智能方法的使用能够比较好的使机器人有效地避障，因此下面归纳了目前研究较多的的智能路径避障方法： 移动机器人的避障实验设计+源程序+流程图(5):http://www.youerw.com/zidonghua/lunwen_2232.html