● 摘要
避障路径规划是移动机器人实现自主性的关键问题，近年来，随着机器视觉方法的快速发展，视觉避障已经成为移动机器人避障研究的主流问题。本文是基于液压四足机器人平台进行设计的自主移动避障路径规划算法。
文章首先介绍了要研究的液压四足机器人平台及其机器视觉系统的构成，包括机器人结构、传感器系统和视觉传感器等。对比了传统视觉障碍物检测算法的优缺点及研究难点后，本文选取了微软的Kinect摄像机作为视觉传感器。Kinect摄像机可以同时获取环境信息的RGB图像和深度图像，对于检测障碍物更加容易和有效，之后在文中对Kinect的结构和深度图像成像原理进行了介绍。
本文利用Kinect摄像机的深度图像进行障碍物检测算法设计，针对其深度图像存在的不可避免的噪点，对不同滤波方法的处理结果进行了比较。利用图像处理方法设计了障碍物检测算法，主要手段有图像增强、模板匹配、图像分割、连通域标记等。通过实验验证了算法的可行性与有效性。
在比较了现有的多种路径规划设计方法后，本文采用了改进的人工势场法进行路径规划设计，提出了一种施加附加控制力的方法来解决人工势场法存在的局部极小点问题。分析了障碍物相对机器人与目标点位置不同时，对机器人产生的作用不同，利用模糊逻辑设计了自适应的人工势场法斥力增益系数来使其适应不同条件，提高机器人的智能型，以使机器人可以更快到达目标点并且路径最优，对算法进行了仿真分析。
最后，由于液压四足机器人平台尚未搭建成功，本文采用了一个履带式小车在实际环境中进行实验，通过仿真和实验选定势场法的控制参数，验证了算法的可行性，包括障碍物检测算法验证、路径规划中机器人陷入局部极小点时的逃脱效果、多障碍物路径规划算法验证等，最终证明了算法的有效性。