1.2  本课题国内外研究现状

1.3  论文的组织架构

 这篇论文的主要研究课题是机器人的路径规划问题[11]。

  本文的组织架构安排如下：

  第一章简述机器人路径规划的研究背景以及本课题的国内外研究现状。并给出了本篇论文的组织架构。

第二章主要研究机器人路径规划的问题简述，简要给出了几种环境建模方法，以及一些常见的路径规划算法。

第三章主要研究了RRT算法的改进研究，首先介绍了基本的RRT算法，交代了RRT算法的优缺点，最后介绍了几种常见的RRT算法的改进算法。

第四章主要介绍了A*算法的改进算法，首先交代了基本的A*算法，其次给出了A*算法的优缺点，最后介绍了几种常见的A*算法的改进算法。

2  机器人路径规划问题简述

2.1  路径规划问题综述

 路径规划的定义简单来讲就是在有障碍物的空间之中，按照某种特定的评价准则，给机器人规划一条能够从起点出发，避开障碍物到达终的最优路径[12]。而路径规划的步骤过程可以简单描述如下：机器人通过事先存储障碍物位置或者通过自身所具有的传感器来不断地感应获悉周围环境的方法来得到信息[13]，然后利用所获得的信息，经过计算和处理，预先规划出一条能够成功躲避障碍的可行路径。然后由机器人在不受外界控制的情况之下自行的通过障碍，到达目标位置。

一般而言，路径规划是指全局规划和局部规划。全局路径规划，也就是我们经常说的离线路径规划，这种情况之下，机器人在出发之前就已经获悉了地图中的所有信息，但也因为这个原因，这种规划的计算量十分巨大，耗时也比较的长。与之相比，局部路径规划指的是在出发之前，机器人对于地图中的信息并不能完全掌握，只能知晓其中的部分地图信息，甚至于完全不知晓。这种形式的路径规划需要机器人在过程中利用自身所携带的传感器来实时的从周边环境中来获取信息。虽然局部路径规划的实时性非常强，不过也经常地受限于局部极值原则，致使机器人无法寻找到一个最佳的路径。从两种规划的本质上来看，它们之间的区别并不是十分的巨大，在一定的条件之下，两种规划方法可以实现相互的转化。在全局规划中我们经常使用的一些算法，稍微改动一下就可以在局部规划中进行使用。与此相似，局部规划中的许多算法基本上也可以在全局规划中去使用。所以,从以上的特点来看，我们不难发现，在许许多多的情况之下，我们可以将此两种方法有机的结合在一起，充分的发挥它们各自的长处和优点。这样的话，更能使得机器人快速高效的找到最佳路径。

一般而言，机器人的路径规划过程可以简单的概括为：首先在已经获悉地图信息的基础之上，来进行建模，也就是说把机器人在执行某种任务中的周边环境转变成为比较容易存储的地图中的特征信息。其次选择一个适合的算法，并进行研究改进。最后再利用已经选择完毕的改进算法，规划出最佳路径[14