程龍 王欣 吳迪 馮志乾

摘 要：針對洗浴機器人末端執(zhí)行器與人體直接接觸擦洗的自主導航問題進行了研究，提出一種基于人體點云的改進人工勢場法三維覆蓋路徑規(guī)劃算法。首先，在傳統(tǒng)人工勢場法基礎(chǔ)上增設(shè)障礙物引力勢場，使機器人能夠貼近障礙物表面向目標點移動，并且通過添加虛擬目標點的方法克服了凹陷區(qū)域產(chǎn)生的局部極小值問題。然后，將人體點云切段分割后投影至平面，結(jié)合改進的人工勢場法完成對人體表面的覆蓋路徑規(guī)劃。以人體模型點云為對象進行仿真實驗及對比，結(jié)果表明提出算法可以快速有效地完成基于人體點云的三維覆蓋擦洗路徑規(guī)劃。

關(guān)鍵詞：洗浴機器人； 接觸擦洗； 路徑規(guī)劃； 人工勢場法； 點云

中圖分類號：TP241?? 文獻標志碼：A

文章編號：1001-3695（2023）09-030-2760-05

doi：10.19734/j.issn.1001-3695.2023.02.0052

Scrubbing path planning of bathing robot based onimproved artificial potential field method

Cheng Longa， Wang Xina， Wu Dib， Feng Zhiqiana

（a.School of Mechanical Engineering， b.School of Computer Science & Technology， Dalian University of Technology， Dalian Liaoning 116024， China）

Abstract：Aiming at the autonomous navigation of the end effector of the bathing robot in direct contact with the human body， this paper proposed a three-dimensional coverage path planning algorithm which applied to the improved artificial potential field method based on the human point cloud. Firstly， it added the obstacle gravitational potential field to the basis of the traditional artificial potential field method， so that the robot could press close to the obstacle surface and moved toward to target point. And by adding virtual target points，it overcame the local minimum problem caused by the concave region. Then， it segmented the human point cloud and projected it onto a plane， combined with the improved artificial potential field method to complete the coverage path planning for the human body surface. Conducting simulation experiments based on a human model point cloud， the experimental results show that the proposed algorithm can quickly and effectively complete the 3D coverage scrubbing path planning.

Key words：bathing robot; contact scrubbing; path planning; artificial potential field method; point cloud

0 引言

老年人身體機能降低容易受到外傷或疾病的侵擾導致自主行動能力喪失，這種喪失自理能力的失能老人需要護理人員照顧其日常生活起居［1］。隨著人口老齡化加劇 ［2］，護理人員的護理工作日益繁重，尤其對于失能老人的洗浴工作往往要耗費大量的人力和物力［3］。因此研發(fā)面向失能老人的洗浴機器人對減輕護理人員工作負擔、節(jié)約人力具有重要意義［4， 5］。

目前，國內(nèi)外研究者致力于實現(xiàn)末端執(zhí)行器與人體接觸擦洗的方式以獲得較好的洗浴效果和舒適度。陳雅［6］設(shè)計了一款通過彈性繩使洗浴海綿緊貼人體皮膚進行接觸擦洗的洗浴機器人，其能夠有效去除人體表面油脂類污漬，但依靠彈性使海綿貼緊人體的方式其安全性、舒適性和精度都相對較差。Dometios等人［7］提出了一種基于在線點云的洗浴機器人末端執(zhí)行器實時運動規(guī)劃方法，該方法基于點云信息通過導航函數(shù)調(diào)整二維空間中預(yù)定義的擦洗路徑在垂直人體表面方向上的距離，但只能完成對于人體局部皮膚的路徑規(guī)劃。接著，Dometios等人［8］提出一種將視覺感知和CC-DMP相融合的運動規(guī)劃方法，該方法能夠在完成洗浴機器人末端執(zhí)行器擦洗路徑規(guī)劃的同時配有專業(yè)化的擦洗動作以提高舒適性，但其依然只能面向人體局部區(qū)域進行擦洗。Papageorgiou等人［9］在NF方法基礎(chǔ)上構(gòu)建排斥勢場完成洗浴機器人末端執(zhí)行器實時運動規(guī)劃，其生成的路徑具有較高的靈活性能夠避開人體表面不可清洗區(qū)域，但還是只能完成人體局部皮膚的擦洗路徑規(guī)劃。Huang等人［10］研發(fā)了一種利用深度攝像頭和軟觸覺傳感器跟蹤人體輪廓的機器人洗浴擦洗系統(tǒng)，擦洗過程中末端執(zhí)行器與人體始終保持一定壓力相接觸，但其無法獲取全局場景信息作出覆蓋擦洗人體全身的自主導航，只能沿著單一方向前進。雖然這些研究基于視覺或觸覺等方式實現(xiàn)了精準舒適的擦洗運動，但僅能應(yīng)用于人體局部區(qū)域，沒有實現(xiàn)覆蓋人體全身的自主導航，使用時需要人為作出先驗準備和主動調(diào)整。人體表面曲面復雜多樣，開展全身擦洗自主導航的研究是十分必要的。

路徑規(guī)劃是實現(xiàn)機器人自主導航的關(guān)鍵技術(shù)，常用的路徑規(guī)劃算法主要有人工勢場法［11］、A*算法［12］、RRT算法［13］和智能仿生算法［14］等。其中人工勢場法具有計算量小、實時性好、路徑平滑等優(yōu)點，但人工勢場法不可避免地會產(chǎn)生局部極小值問題，尤其容易因進入凹形區(qū)域而陷入局部極小值。徐小強等人［15］通過添加預(yù)測距離和設(shè)置虛擬目標點的方式克服了局部極小值問題，同時引入安全距離減少了不必要的路徑；牛秦玉等人［16］通過添加虛擬障礙物的方式破壞斥力和引力平衡從而跳出局部極小值點；李慶華等人［17］提出了一種用于克服凹形障礙物的組合算法，陷入局部極小值后通過切換A*算法跳出凹形區(qū)域；許萬等人［18］通過凹形障礙補齊方式避免機器人進入凹形區(qū)域而產(chǎn)生局部極小值問題。以上研究能夠有效解決局部極小值問題，但生成的路徑點并不能完全滿足擦洗路徑規(guī)劃的要求。

為此，針對洗浴機器人末端執(zhí)行器擦洗人體全身的自主導航問題，提出一種基于人體點云的改進人工勢場法全局擦洗路徑規(guī)劃算法。首先通過增設(shè)障礙物引力勢場和添加虛擬目標點的方式，使路徑點能夠覆蓋障礙物并克服進入凹陷區(qū)域產(chǎn)生的局部極小值問題。然后基于人體點云進行切段分割，結(jié)合改進人工勢場法依次完成分割后各點云段的三維覆蓋路徑規(guī)劃。

1 問題描述

洗浴機器人如圖1所示，僅對人體脖子以下部位進行清洗，頭部除外。洗浴機器人由浴床和擦洗裝置組成，浴床供洗浴者仰臥，擦洗裝置可以視為一個三自由度機械臂，能夠帶動末端執(zhí)行器實現(xiàn)上下、左右和前后運動。末端執(zhí)行器由柔軟浴球固定到轉(zhuǎn)盤上組成，電機驅(qū)動轉(zhuǎn)盤帶動浴球旋轉(zhuǎn)實現(xiàn)擦洗動作，如圖2所示。末端執(zhí)行器與人體表面保持適當距離，使柔性浴球能夠以一定壓力作用于人體表面。擦洗過程中末端執(zhí)行器的有效清洗面為浴球受壓變形后與人體接觸面積，浴球移動形成具有一定寬度的條形清洗區(qū)域。為使清洗區(qū)域盡可能全面覆蓋人體，需要基于人體表面特征進行合理的擦洗路徑規(guī)劃，路徑既要盡可能全面覆蓋人體表面，又要具有足夠的安全性和舒適性。

擦洗路徑規(guī)劃相較于移動路徑規(guī)劃在環(huán)境建模和路徑生成原則上有一定區(qū)別。擦洗路徑規(guī)劃的目的是沿著人體復雜曲面生成路徑點以實現(xiàn)洗浴機器人擦洗人體的自主導航，為保證其安全性和精確性，實時獲取人體點云作為環(huán)境模型以還原人體表面特征。大部分路徑規(guī)劃算法無法直接基于點云離散空間點進行路徑規(guī)劃，而人工勢場法由于障礙物斥力勢場具有一定作用范圍這一特性，將各個離散點作為障礙物構(gòu)建斥力勢場能夠相互重疊構(gòu)成一個整體斥力勢場，所以人工勢場法能夠適用于基于人體點云的路徑規(guī)劃任務(wù)。但是為了保證末端執(zhí)行器擦洗的有效性，不同于傳統(tǒng)人工勢場法，生成的擦洗路徑應(yīng)是一條沿著人體復雜曲面延伸的曲線，其以盡可能全面覆蓋障礙物輪廓為目標，并不是一條最短路徑。同時，人工勢場法路徑規(guī)劃過程中容易因進入人體表面凹形區(qū)域而陷入局部極小值，因此有必要改進人工勢場法以適用于洗浴機器人的擦洗路徑規(guī)劃。

增設(shè)障礙物引力勢場后機器人所受障礙物引力和斥力交替變化導致運動方向反復變化。由于每次添加路徑點的步長為固定值，生成的路徑規(guī)劃軌跡存在如圖4（a）所示的鋸齒狀波動，所以需要對軌跡進行平滑處理。人工勢場法路徑規(guī)劃步長設(shè)置可以非常小，這樣生成的路徑點較為細密且遠遠超出洗浴機器人所需精度，在步長取值較小的情況下增大路徑點取樣間隔即可減小軌跡波動，如圖4（b）所示為間隔5個點取樣的路徑規(guī)劃軌跡。

2.3 克服局部極小值改進方法

人工勢場法無可避免地會產(chǎn)生局部極小值問題，局部極小值問題是指在勢場中某個位置斥力和引力合力為零，此時無法判斷出下一步移動方向，因此會在此處停滯或徘徊而無法到達目標點［19］。增設(shè)障礙物引力勢場的人工勢場法會使機器人貼近障礙物表面運動，如果障礙物表面特征比較復雜，容易移動到凹陷區(qū)域而陷入局部極小值。如圖5所示是一個不規(guī)則障礙物，此時機器人所受障礙物各個方向斥力的合力與目標點引力大小相等、方向相反，陷入局部極小值。

ρ（p，pg）表示當前機器人與目標點之間的距離，ρ（pn，pn+5）表示第n個路徑點和第n+5個路徑點之間的距離，s表示步長，當ρ（p，pg）＞2s且ρ（pn，pn+5）＜1.5s時，可以判斷此時陷入了局部極小值，機器人當前位置為局部極小值點。

針對改進人工勢場法路徑規(guī)劃過程中因進入凹陷區(qū)域而產(chǎn)生的局部極小值問題，采用添加虛擬目標點的方法加以解決。添加虛擬目標點的位置通過以下方法確定：針對如圖5所示的局部極小值問題，首先連接局部極小值點和目標點，作該線段的垂直平分線，然后沿著該垂直平分線以與障礙物邊界的交點為起點取距離ρo（斥力作用范圍）作為虛擬目標點，如圖6所示。虛擬目標點替換原目標點重新構(gòu)造人工勢場進行路徑規(guī)劃，此時若跳出了局部極小值，則路徑規(guī)劃到達虛擬目標點后再替換回原目標點繼續(xù)完成剩余路徑規(guī)劃；若未跳出局部極小值，則連接局部極小值點和虛擬目標點作垂直平分線，按照上述方法繼續(xù)添加新的虛擬目標點，直至跳出局部極小值。

3 基于點云的三維覆蓋路徑規(guī)劃

擦洗路徑要避免與環(huán)境中的人和物體發(fā)生碰撞，同時還要緊貼人體表面完成接觸擦洗，因此環(huán)境建模應(yīng)盡可能精確地反映出人體表面結(jié)構(gòu)特征。為此，需實時獲取人體深度信息，對深度信息進行濾波、分割、融合處理后，獲得人體點云。

基于點云的路徑規(guī)劃通常先將點云曲面重構(gòu)，然后在曲面重構(gòu)基礎(chǔ)上通過NURBS［20］、CAM等方法生成路徑點。點云的采樣點數(shù)以萬計，曲面重構(gòu)不僅會引入額外計算量降低路徑規(guī)劃速度，還會引入重構(gòu)誤差降低路徑規(guī)劃精度，因此提出一種無須曲面重構(gòu)直接基于人體點云的三維覆蓋路徑規(guī)劃算法。

如圖7所示的兔子點云表面特征與人體相似，使用該點云對三維覆蓋路徑規(guī)劃方法進行說明。首先在點云空間中放置一系列一定間距的切割平面將點云切段分割，垂直于x軸的切割平面沿x軸方向間隔dx距離將點云切段分割，如圖7所示為其中兩相鄰切割平面及中間點云段。

然后依次將分割后各點云段所包含的三維空間點沿x軸方向投影到兩切割平面之間的中間面上，即將點云段中的三維空間點壓縮到中間二維平面，如圖8（a）所示點云段沿x軸方向投影到兩切割平面之間的中間面上，三維點云段被壓縮為離散像素點組成的二維圖像。將每個像素點都視為一個障礙物，按照第2章中闡述的改進人工勢場法構(gòu)造人工勢場，其路徑規(guī)劃軌跡如圖8（b）所示。此外，路徑點相對障礙物表面的法向量方向就是該點在障礙物斥力勢場中梯度方向，如圖9所示。路徑規(guī)劃軌跡在三維點云空間中如圖10所示，路徑點從起始點開始貼近兔子表面到達目標點。

最后依次遍歷所有分割后的點云段，最終兔子點云的三維覆蓋路徑規(guī)劃結(jié)果如圖11（a）所示。分割平面間隔dx設(shè)置越小，切段分割后點云段寬度越小，點云表面特征越不容易因投影至平面而被遮蓋，路徑規(guī)劃的精度就越高，如圖11（b）所示是減小dx后的三維覆蓋路徑規(guī)劃軌跡。分割平面間隔dx設(shè)置過小會導致三維覆蓋路徑規(guī)劃軌跡過于細密，末端執(zhí)行器有效清洗面積重疊率過高，大大延長對人體的擦洗時間，因此應(yīng)合理設(shè)置分割平面間隔dx。基于點云的改進人工勢場法三維覆蓋路徑規(guī)劃方法流程如圖12所示。

4 仿真實驗及對比分析

通過微軟的Kinect-v2深度相機獲取如圖13（a）所示人體模型的多幀深度數(shù)據(jù)，經(jīng)過濾波去噪、點云分割和點云融合等得到如圖13（b）所示人體模型點云［21］。以該點云作為實驗對象，在MATLAB中分別對改進人工勢場法和三維覆蓋路徑規(guī)劃算法的有效性進行實驗驗證。首先對基于人體點云的三維覆蓋路徑規(guī)劃算法的有效性進行驗證，然后將多種人工勢場法和第2章中改進人工勢場法進行仿真對比實驗，分別對改進人工勢場法的覆蓋路徑規(guī)劃問題和克服局部極小值問題進行驗證。實驗中所用算法的各項參數(shù)名稱及數(shù)值如表1所示。

4.1 三維覆蓋路徑規(guī)劃仿真實驗

將上述三維覆蓋路徑規(guī)劃算法應(yīng)用于人體模型點云進行實驗驗證，切割平面的間隔距離dx設(shè)置為100 mm。如圖14（a）所示是基于人體模型點云的三維覆蓋路徑規(guī)劃結(jié)果，路徑規(guī)劃軌跡無碰撞到達目標點且全面有效地覆蓋了除頭部、背部以外人體全身各個位置，實驗結(jié)果表明該方法可以有效地完成對于人體點云的三維覆蓋路徑規(guī)劃。

4.2 覆蓋路徑規(guī)劃仿真實驗及對比分析

將如圖14（b）所示點云段1作為實驗對象，分別采用傳統(tǒng)人工勢場法、文獻［18］中凹陷障礙物補全的人工勢場法和第2章中改進的人工勢場法進行仿真對比實驗，仿真結(jié)果如圖15所示。由圖15（a）可知，使用傳統(tǒng)人工勢場法進行路徑規(guī)劃，路徑規(guī)劃軌跡對障礙物覆蓋率較低，作為擦洗路徑會導致人體有些位置不能被有效清洗。由圖15（b）可知，通過凹陷障礙物補全的人工勢場法得到的路徑軌跡避開了凹陷區(qū)域，有效縮短了路程，但擦洗路徑規(guī)劃以盡可能覆蓋障礙物為目的，以往以獲取最優(yōu)路徑為目的改進人工勢場法無法有效適用。而圖15（c）中，使用增設(shè)障礙物引力勢場的人工勢場法進行路徑規(guī)劃，路徑點從起始點開始直到目標點都始終保持一定距離緊貼障礙物表面，其路徑規(guī)劃軌跡能夠作為覆蓋人體的擦洗路徑。

如圖16（a）（b）所示是基于圖15（c）實驗環(huán)境下分別減小和增大斥力作用范圍ρo的路徑規(guī)劃結(jié)果。圖16（a）所示路徑規(guī)劃軌跡相對圖15（c）更加靠近障礙物，圖16（b）所示路徑規(guī)劃軌跡相對圖15（c）更加遠離障礙物，由此可見，通過調(diào)整斥力作用范圍ρo可以調(diào)節(jié)路徑點與障礙物的距離。

4.3 克服局部極小值仿真實驗及對比分析

以圖14（c）所示點云段2為實驗對象，分別采用傳統(tǒng)人工勢場法、文獻［18］中凹形障礙物補齊的人工勢場法、文獻［17］中人工勢場與A*組合算法和2.3節(jié)中添加虛擬目標點的人工勢場法進行克服局部極小值對比仿真實驗，實驗結(jié)果如圖17所示。由圖17（a）可知，傳統(tǒng)人工勢場法路徑規(guī)劃過程中移動到人體凹陷區(qū)域時陷入局部極小值，最終在該位置停滯導致路徑規(guī)劃失敗。由圖17（b）可知，凹形障礙物補齊的人工勢場法通過對凹形障礙物的預(yù)處理可以達到不陷入局部極小值的目的，但這也使得路徑點不能沿著人體表面生成，無法滿足擦洗路徑規(guī)劃的要求。由圖17（c）可知，組合算法首先通過人工勢場法進行路徑規(guī)劃，陷入局部極小值后通過A*算法跳出局部極小值區(qū)域，雖然能有效跳出局部極小值，但A*算法生成的路徑點緊貼人體表面且有較多轉(zhuǎn)折點，無法滿足擦洗路徑規(guī)劃的要求。如圖17（d）所示，陷入局部極小值后根據(jù)2.3節(jié)規(guī)則添加虛擬目標點，虛擬目標點替換原目標點并重新構(gòu)造人工勢場，此時成功跳出局部極小值繼續(xù)前進，到達虛擬目標點后替換回原目標點并重新構(gòu)造人工勢場完成剩余路徑規(guī)劃。擦洗路徑規(guī)劃因需要貼近人體復雜表面移動而陷入凹形區(qū)域，采用添加虛擬目標點的方式可以有效解決因進入凹形區(qū)域而產(chǎn)生的局部極小值問題，且能夠保證生成擦洗路徑的有效性。

5 結(jié)束語

針對洗浴機器人末端執(zhí)行器對人體全局的自動擦洗功能，提出一種基于人體點云的改進人工勢場法擦洗路徑規(guī)劃算法。首先在傳統(tǒng)人工勢場法基礎(chǔ)上增設(shè)障礙物引力勢場，使路徑規(guī)劃軌跡能夠覆蓋障礙物輪廓，并通過添加虛擬目標點的方法，解決了因進入凹形障礙物而產(chǎn)生的局部極小值問題。然后獲取人體點云進行切段分割，結(jié)合改進人工勢場法依次完成分割后各點云段的覆蓋路徑規(guī)劃，同時避免了點云曲面重構(gòu)會引入額外計算量和重構(gòu)誤差的問題。最后對改進人工勢場法和基于人體點云的三維覆蓋路徑規(guī)劃算法進行了仿真實驗驗證。實驗結(jié)果表明，該算法能夠有效完成洗浴機器人自動擦洗功能所需的三維覆蓋路徑規(guī)劃任務(wù)。有關(guān)點云切割平面間隔寬度dx的確定，其如何自適應(yīng)于人體表面特征以保證清洗精度與覆蓋度，將在后續(xù)工作中進行深入研究。

參考文獻：

［1］王梅梅， 張先庚， 王紅艷， 等. 我國失能老人長期照護現(xiàn)狀及對策［J］. 全科護理， 2015，13（31）： 3112-3114. （Wang Meimei， Zhang Xiangeng， Wang Hongyan， et al. Long-term care of disabled elderly situation and countermeasures［J］. Chinese General Practice Nursing， 2015，13（31）： 3112-3114.）

［2］Department of Economic and Social Affairs， United Nations. World population prospects 2019： highlights ［EB/OL］. （2019-06-17）. https：//www.un.org/en/desa/world-population-prospects-2019-highlights.

［3］Liu Huaqing， Byles J E， Xu Xiaoyue， et al. Evaluation of successful aging among older people in China：results from China health and retirement longitudinal study［J］. Geriatrics & Gerontology International， 2016，17（8）： 1183-1190.

［4］楊振巍. 淺談醫(yī)療機器人及發(fā)展前景［J］. 科技創(chuàng)新導報， 2018， 15（12）：104-105. （Yang Zhenwei. Discussion on medical robot and its development prospect［J］. Science and Technology Innovation Herald， 2018，15（12）： 104-105.）

［5］李奇林， 曹宇， 茆寧， 等. 護理機器人技術(shù)發(fā)展綜述［J］. 江蘇理工學院學報， 2020，26（4）： 62-70. （Li Qilin， Cao Yu， Mao Ning， et al. Summary of the development of nursing robot technology［J］. Journal of Jiangsu University of Technology， 2020，26（4）： 62-70.）

［6］陳雅. 洗浴輔助機器人的擦洗結(jié)構(gòu)設(shè)計及其清潔效果評價［D］. 杭州： 浙江大學， 2021. （Chen Ya. Development of a scrubbing structure and cleanliness evaluation method for the bath assisted robot［D］. Hangzhou： Zhejiang University， 2021.）

［7］Dometios A C， Papageorgiou X S， Arvanitakis A， et al. Real-time end-effector motion behavior planning approach using on-line point-cloud data towards a user adaptive assistive bath robot［C］//Proc of IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway， NJ： IEEE Press， 2017： 5031-5036.

［8］Dometios A C， Zhou You， Papageorgiou X S， et al. Vision-based online adaptation of motion primitives to dynamic surfaces： application to an interactive robotic wiping task［C］//Proc of IEEE Robotics and Automation Letters. Piscataway， NJ： IEEE Press， 2018： 1410-1417.

［9］Papageorgiou X S， Dometios A C， Tzafestas C S， et al. Towards a user adaptive assistive robot： learning from demonstration using navigation functions［C］//Proc of IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway， NJ： IEEE Press， 2021： 965-970.

［10］Huang I， Chow D， Bajcsy R. Soft tactile contour following for robot-assisted wiping and bathing［C］//Proc of IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway， NJ： IEEE Press， 2022： 7797-7802.

［11］劉珂， 董洪昭， 張麗梅， 等. 基于改進人工勢場法的物流無人配送車路徑規(guī)劃［J］. 計算機應(yīng)用研究， 2022，39（11）： 3287-3291. （Liu Ke， Dong Hongzhao， Zhang Limei， et al. Path planning for logistics unmanned delivery vehicles based on improved artificial potential field method［J］. Application Research of Computers， 2022，39（11）： 3287-3291.）

［12］杜婉茹， 王瀟茵， 賈福凱， 等. 基于多層雙向A*的未知環(huán)境路徑規(guī)劃算法研究［J］. 計算機應(yīng)用與軟件， 2019，36（12）： 261-267. （Du Wanru， Wang Xiaoyin， Jia Fukai， et al. Path planning in unknow environment based on multi-layer BI-A* algorithm［J］. Computer Applications and Software， 2019，36（12）： 261-267.）

［13］裴以建， 楊超杰， 楊亮亮. 基于改進RRT*的移動機器人路徑規(guī)劃算法［J］. 計算機工程， 2019，45（5）： 285-290. （Pei Yijian， Yang Chaojie， Yang Liangliang. Path planning algorithm for mobile robot based on improved RRT*［J］. Computer Engineering， 2019， 45（5）： 285-290.）

［14］林韓熙， 向丹， 歐陽劍， 等. 移動機器人路徑規(guī)劃算法的研究綜述［J］. 計算機工程與應(yīng)用， 2021， 57（18）： 38-48. （Lin Hanxi， Xiang Dan， Ouyang Jian， et al. Review of Path planning algorithms for mobile robots［J］. Computer Engineering and Applications， 2021，57（18）： 38-48.）

［15］徐小強， 王明勇， 冒燕. 基于改進人工勢場法的移動機器人路徑規(guī)劃［J］. 計算機應(yīng)用， 2020，40（12）： 3508-3512. （Xu Xiaoqiang， Wang Mingyong， Mao Yan. Path planning of mobile robot based on improved artificial potential field method［J］. Journal of Computer Applications， 2020，40（12）： 3508-3512.）

［16］牛秦玉， 李美凡， 趙勇. 改進人工勢場法的AGV路徑規(guī)劃算法研究［J］. 機床與液壓， 2022， 50（17）： 19-24. （Niu Qinyu， Li Meifan， Zhao Yong. Research on improved artificial potential field method for AGV path planning［J］. Machine Toll & Hydraulics， 2022，50（17）： 19-24.）

［17］李慶華， 尤越， 沐雅琪， 等. 一種針對大型凹型障礙物的組合導航算法［J］. 電子與信息學報， 2020， 42（4）： 917-923. （Li Qinghua， You Yue， Mu Yaqi， et al. Integrated navigation algorithm for large concave obstacles［J］. Journal of Electronics & Information Technology， 2020，42（4）： 917-923.）

［18］許萬， 程兆， 朱力， 等. 一種基于改進人工勢場法的局部路徑規(guī)劃算法［J］. 電子測量技術(shù)， 2022，45（19）： 83-88. （Xu Wan， Cheng Zhao， Zhu Li， et al. A local path planning algorithm based on improved artificial potential field method［J］. Electronic Measurement Technology， 2022， 45（19）： 83-88.）

［19］梁獻霞， 劉朝英， 宋雪玲， 等. 改進人工勢場法的移動機器人路徑規(guī)劃研究［J］. 計算機仿真， 2018， 35（4）： 291-294. （Liang Xianxia， Liu Chaoying， Song Xueling， et al. Research on improved artificial potential field approach in local path planning for mobile robot［J］. Computer Simulation， 2018， 35（4）： 291-294.）

［20］張江濤. 基于點云數(shù)據(jù)處理的打磨機器人運動規(guī)劃策略研究［D］. 天津： 天津理工大學， 2022. （Zhang Jiangtao. Research on motion planning strategy of 6-DOF industrial robot based on point cloud data processing［D］. Tianjin： Tianjin University of Technology， 2022.）

［21］陳聰梅. 基于Kinect的三維點云數(shù)據(jù)處理［D］. 蘇州：蘇州大學， 2013. （Chen Chongmei. Studies on the processing of 3D point cloud data based on Kinect［D］. Suzhou： Soochow University， 2013.）

收稿日期：2023-02-23；修回日期：2023-04-14? 基金項目：大連理工大學成都研究院資助項目（XM01006）

作者簡介：程龍（1998-），男，山東泰安人，碩士，主要研究方向為機器人機械臂路徑規(guī)劃；王欣（1972-），女（通信作者），天津人，副教授，碩導，博士，主要研究方向為工業(yè)機器人與動作規(guī)劃（wangx@dlut.edu.cn）；吳迪（1972-），男，遼寧大連人，副教授，博導，博士，主要研究方向為基于5G平臺的醫(yī)療機器人制造技術(shù)；馮志乾（1996-），男，河南焦作人，碩士，主要研究方向為移動機器人路徑規(guī)劃．