文献综述
1 引言
自主移动机器人属于智能型机器人的范畴，是集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。近年来，随着机器人相关技术日趋成熟，诸多机器人技术的应用己成为一种标准设备，使得一大批机器人企业如雨后春笋般在世界各地生根发芽，覆盖了纺织、印染、机械装备等各个产业领域[2]。移动机器人和传统工业机器人的一大不同点是，除了需要满足作业操作任务之外，还要进行导航任务。导航任务一般可以分为基于地图的导航、基于感知的导航、基于视觉的导航、基于陆标的导航等。导航的组成功能一般包括：环境感知、避障决策、路径规划、实时定位、运动控制几个方面。
在移动机器人相关技术研究中，路径规划是一个重要的环节和组成部分。根据机器人对环境信息掌握的程度，将路径规划分为全局路径规划和局部路径规划。全局路径规划属于静态规划。全局路径规划需要掌握所有的环境信息，根据环境地图的所有信息进行路径规划；局部路径规划只需要有传感器实时采集环境信息，了解环境地图信息，然后确定出所在地图的位置及其障碍物分布情况，从而可选出从当前节点到某一子目标的最优路径[1]。
2 路径规划算法研究现状
经过几十年来的发展，多种路径规划算法被提出，在各个分支上已经产生了很大的进步，其大致可以分为以下几类：传统算法、启发式算法、概率算法以及人工智能算法[3]。
传统路径规划算法需要在已知地图的情况下才能实现，机器人根据已知地图并结和传感器获得的新信息，计算地图上障碍物位置信息在地图中的占用情况来规划最优路径[4]。经典的算法有：栅格法、人工势场法、切线图法、视线算法等。
启发式规划算法是在地图基础上使用路径拓扑逻辑根据启发成本函数计算最优轨迹的算法。还有基于图的启发式路径规划算法有BFS、A*、Dijkstra等多种算法。并且出现了许多改进算法，比如：J.W.Chen等研究的双向启发式A*算法[5],梁彧等为解决传统Dijkstra算法效率低的问题引入估计函数[6]等。
概率路劲规划算法是采用计算机投掷方法，计算图上可能的运动位置，并使用综合成本估计的方式来输出最优轨迹的方法。其主要的算法包括：RRT(Rapidly exploring Random Tree)、Any-angle path planning、DWA算法等。
人工智能计数路径规划：近年来由于人工智能技术的快速发展，人工智能路径规划技术已经取得了很多研究成果，如人工神经网络、遗传算法、蚁群算法、模糊逻辑等。
