В связи со стремительным развитием нового поколения технологий искусственного интеллекта и Интернета вещей мобильная робототехника получила широкое распространение.Среди них технология автономного планирования траектории движения мобильных роботов является ключевой технологией для реализации их автономного вождения и обхода препятствий, а также одной из основных широко используемых технологий.Это исследование посвящено мобильным роботам и их возможностям в режиме реального времени и динамического обхода препятствий при планировании пути следования. Прежде всего, мы предлагаем метод предварительной обработки препятствий на сетчатой карте, который охватывает внутреннее пространство вогнутых препятствий, чтобы обеспечить выполнимость маршрута, при этом эффективно сокращая количество узлов сетки, в которых выполняется поиск с помощью алгоритма A*, и повышая эффективность поиска пути. Во-вторых, чтобы реализовать статическое глобальное планирование маршрута, мы сравнили широко используемые алгоритмы глобального планирования маршрута, выбрали алгоритм A* и оптимизировали его для решения существующих задач.За счет улучшения эвристической функции и весового коэффициента сокращается количество обходов узлов и повышается эффективность поиска.В то же время для сглаживания траектории и уменьшения угла поворота используется метод кривой Безье. Затем, для динамического планирования локального маршрута, мы подробно изучили алгоритм APF и алгоритм DWA. Сравнивая преимущества и недостатки алгоритма и принимая во внимание такие факторы, как объединение алгоритмов, мы выбрали облегченный алгоритм APF и оптимизировали его поле отталкивания, чтобы решить проблему недостижимости целевых точек и локальных помех. минимумы. Наконец, учитывая проблему гибридного планирования траектории в динамичной и сложной среде, мы предлагаем метод гибридного планирования траектории, основанный на объединении улучшенного алгоритма A* и алгоритма APF. Этот метод может эффективно решать задачи планирования траектории мобильных роботов в средах с неизвестными препятствиями и динамическими помехами. Благодаря этим исследованиям мы добились определенного прогресса в области планирования траектории движения мобильных роботов и обеспечили эффективную техническую поддержку для повышения автономности и адаптивности мобильных роботов.

With the rapid development of the new generation of artificial intelligence and Internet of Things technologies, mobile robotics has become widespread. Among them, the autonomous trajectory planning technology of mobile robots is a key technology to realize their autonomous driving and obstacle avoidance, and is also one of the main widely used technologies. It is The study is devoted to mobile robots and their capabilities in real time and dynamic obstacle avoidance when planning a route. First, we propose a grid map obstacle preprocessing method that covers the interior space of concave obstacles to ensure route feasibility, while effectively reducing the number of grid nodes searched by the A* algorithm and improving the efficiency of path search. Secondly, to realize static global route planning, we compared the widely used global route planning algorithms, selected the A* algorithm, and optimized it to solve existing problems. By improving the heuristic function and weighting factor, the number of node traversals is reduced and the search efficiency is improved. B At the same time, the Bezier curve method is used to smooth the trajectory and reduce the rotation angle. Then, for dynamic local route planning, we studied the APF algorithm and the DWA algorithm in detail. By comparing the advantages and disadvantages of the algorithm and taking into account factors such as algorithm fusion, we selected the lightweight APF algorithm and optimized its repulsion field to solve the problem of unreachable target points and local interference. minimums. Finally, considering the problem of hybrid trajectory planning in a dynamic and complex environment, we propose a hybrid trajectory planning method based on combining the improved A* algorithm and the APF algorithm. This method can effectively solve the trajectory planning problems of mobile robots in environments with unknown obstacles and dynamic disturbances. Through these studies, we have made some progress in the field of trajectory planning of mobile robots and provided effective technical support to improve the autonomy and adaptability of mobile robots.