CN103941737A - 一种复杂环境下拖挂式移动机器人的运动规划与控制方法 - Google Patents

Abstract

本发明的复杂环境下拖挂式移动机器人的运动规划与控制方法，包括：a).定义初始和终点位形；b).通过声呐传感器检测障碍物；c).将置信度＜的障碍物舍去；d).定义障碍物空间；e).生成区域=；f).判断障碍物是否属于空间，；g).判断障碍物空间是否建立完毕；h).建立双向搜索随机树和；i).随机生成位形；j).获取新位形、与；k).判断树和是否已连接；l).直线路径的拟合；m).运动控制；n).判断是否有新的障碍物存在。本发明的运动规划与控制方法，提出了科学、合理、完整的拖挂式移动机器人在复杂环境下运动路径的规划和控制方法，为研究无人驾驶的的拖挂式移动机器人在存在障碍物环境下的运行奠定了理论基础。

Description

一种复杂环境下拖挂式移动机器人的运动规划与控制方法

技术领域

本发明涉及一种拖挂式移动机器人的运动规划与控制方法，更具体的说，尤其涉及一种可绕开障碍物并在运行的过程中根据检测到的新障碍物来修改路径的复杂环境下拖挂式移动机器人的运动规划与控制方法。 

背景技术

拖挂式移动机器人（Tractor-trailer Mobile Robot，TTMR）是一种较为特殊的移动机器人，它由位于最前端的牵引车(tractor)和由之拖动的多个被动的拖车(trailer)组成，牵引车执行转向和驱动功能，而拖车跟随牵引车运动。拖挂式移动机器人一方面具有移动机器人的运动能力，另一方面可以拓展移动机器人的其它功能。例如清洁机器人，可以在移动机器人后拖挂一个清扫和收集垃圾的卡车，从而降低成本，提高效率；另外，救援机器人可以通过拖挂增加其运输能力，同时拖车节数也可以灵活改变，以便运输大量物体。

目前，拖挂式移动机器人的研究对象主要为室内服务机器人，如清洁机器人，救援机器人，在工厂仓库、机场用于运输货物、搬运行李、货物中转等任务的运输机器人。国际机器人技术联合会对服务机器人有一个初步的定义：服务机器人是一种半自主或全自主工作的机器人，它能完成有益于人类的服务工作，但不包括从事生产的设备。从广义上可以认为服务机器人是指除工业机器人之外的各种机器人，主要应用于服务业，如水下机器人、清洁机器人、救援机器人等。目前，服务机器人正在以飞快的速度发展壮大。根据IFR的调查，1998 年底，世界服务机器人的总数（不包括真空吸尘机器人）估计为最少5000 台，而到2009 年底，约有76, 600 台服务机器人在世界范围内得到应用，并且预计家用机器人（domestic robot）将成为服务机器人的主要支柱。

    复杂环境下的运动控制问题是机器人学中研究人工智能的一个重要方面，也是机器人在应用中必须解决的重要问题。当拖挂式移动机器人在有障碍物环境下运动时，需要避开障碍物，保证牵引车和拖车不与障碍物发生碰撞并运行到目标位置。但现在还没有一种行之有效的路径规划和控制方法，在保证路径最优的情况下可迅速地抵达目的位置。 

发明内容

本发明为了克服上述技术问题的缺点，提供了一种可绕开障碍物并在运行的过程中根据检测到的新障碍物来修改路径的复杂环境下拖挂式移动机器人的运动规划与控制方法。

本发明的复杂环境下拖挂式移动机器人的运动规划与控制方法，拖挂式移动机器人包括牵引车和拖车，牵引车与拖车之间通过链接点相连接，链接点处设置有用于测量拖车的车体纵向线相对于牵引车的车体纵向线转动角度的角度传感器；牵引车由后轮驱动、前轮转向，牵引车前转向轮的转向角速度为                                                ，牵引车的纵向速度为，且车轮与地面无滑动；牵引车驱动轮与转向轮之间的距离为，拖车的轮轴中点到链接点的距离为，连接轴的长度为；牵引车的左、右驱动轮可分别进行驱动，并通过左、右驱动轮的不同转速实现转向；牵引车上设置有声呐传感器，可实时检测0～360°空间内的障碍物信息，设声呐传感器的有效检测距离为;

定义为坐标系中牵引车和拖车的位形，=1时表示牵引车的位形，=2时表示拖车的位形；为牵引车后轮轴中心点的坐标，为拖车轮轴中线点的坐标；为方位角，表示车体纵向线相对于坐标系轴正向所旋转的角度；为牵引车的转向角，表示牵引车转向轮与车体纵向线之间的夹角；牵引车可获取自身车体纵向线相对于坐标系轴正向所旋转的角度；、为牵引车左、右驱动轮的速度；

其特征在于，所述拖挂式移动机器人的运动规划与控制方法通过以下步骤来实现：a).定义初始和终点位形，设初始位形为：=0，=0，==π，记为点；目标位形为=，=，==π，记为点，即要实现拖挂式机器人从点到点运动路径的规划与控制；b).检测障碍物，在初始位形状态下，牵引车通过声呐传感器检测周围的障碍物，其中表示第个障碍物的位置坐标，为障碍物的置信度；并通过如下公式求出障碍物的置信度：

        （1）

其中，为障碍物距离声呐传感器的距离，为置信度估计参数；c).障碍物的舍去，对于检测到的第个障碍物，判断步骤b)中所求取的障碍物的置信度，如果＜，则将该置信度对应的障碍物舍去；d).定义障碍物空间，定义障碍物空间=，其中表示障碍物空间的第个区域，当≠时：=，令=；e).对于牵引车检测到的障碍物，首先判断=是否成立，如果为空集，则生成区域=，如果不为空集，则执行步骤f)；f).通过公式（2）判断障碍物是否属于空间中的区域，；

≤      （2）

如果与区域内任一障碍物的距离满足不等式（2），则认为属于区域，令=；否则，则认为不属于区域，生成区域；执行步骤g)；g).判断障碍物空间是否建立完毕，判断牵引车在当前位形状态下能检测到的所有障碍物的空间是否均已建立完毕，如果均已建立完毕，则执行步骤h)；如果没有建立完毕，则跳转至步骤e)；h).建立双向搜索随机树，建立快速搜索随机树和，将初始位形、目标位形分别作为、的根节点；i).随机生成位形，采用快速搜索随机树算法在树和中生成新位形、，执行步骤j)；j).判断获取的新位形、与障碍物是否冲突，如果冲突，则执行步骤i)；如果不冲突，则新位形、分别保存为树和的叶子节点，执行步骤k)；k).判断树和是否已连接，判断∈或者∈是否成立，如果成立，则表明树与已经连接，拖挂式移动机器人由初始位形至目标位形的路径规划结束，执行步骤l)；如果不成立，则执行步骤i)；l).直线路径的拟合，将步骤h)至k)所求出由若干离散的位形点组成的路径，拟合为由多段直线组成的便于拖挂式机器人行走的路径；m).运动控制，根据步骤l)中确定的多段直线路径，求出相应直线路径下牵引车和拖车的转向角，即可控制拖挂式机器人由初始位形向目标位形运动；n).判断是否有新的障碍物存在，在拖挂式机器人由初始位形向目标位形运动的过程中，牵引车以一定的周期判断周围是否有新的障碍物出现，如果没有新的障碍物出现，则控制拖挂式机器人按照当前路径运行；如果有新的障碍物出现，则将牵引车当前的位形作为初始位形，执行步骤b)，以对当前路径从新进行规划。

本发明的复杂环境下拖挂式移动机器人的运动规划与控制方法，设系统的函数为，步骤i)中新位形和按照如下方法求取：i-1).首先分别在树和中求解与相距最近的节点和；i-2).选择控制输入，按照如下计算公式：

     （3）

     （4）

计算出新位形和。

本发明的复杂环境下拖挂式移动机器人的运动规划与控制方法，步骤j)中判断新位形、与障碍物是否冲突的过程中，是通过判断新位形、与障碍物之间的距离是否在一定的数值之内；如果在一定的数值之内，则表明新位形与障碍物存在冲突；如果不在一定的数值之内，则表明新位形与障碍物不冲突。

本发明的复杂环境下拖挂式移动机器人的运动规划与控制方法，步骤j)中，在∈或者∈的判断过程中，如果是树上的节点或者与树上的任一节点之间的距离小于某一数值，则认为∈；同样地，如果是树上的节点或者与树上的任一节点之间的距离小于某一数值，则认为∈。

本发明的复杂环境下拖挂式移动机器人的运动规划与控制方法，步骤l)中所述的直线路径的拟合通过以下步骤来实现：l-1).将求出的曲线路径的离散点中的起点和终点连接为一条直线；l-2).计算曲线路径上各点到直线的最大距离；l-3).判断是否成立，如果成立，则执行步骤l-5)；如果不成立，则执行步骤l-4)；l-4).将所对应的点插入，作为直线路径新的端点，形成新的多段直线段，跳转执行步骤l-2)；l-5).当前所有直线段组成的路径，即为拖挂式机器人行走的路径。

本发明的有益效果是：本发明的拖挂式移动机器人的运动规划与控制方法，首先检测周围环境中的障碍物，并将置信度较低的障碍物舍去，避免误判几率较高的障碍物对规划路径造成影响；然后将检测到的障碍物分空间进行存储，在节省了存储空间的同时还提高了搜索算法的计算速度；在路径建立的过程中，采用双向快速搜索随机树同时对路径进行计算，有利于快速、准确地计算出由始点到终点的曲线路径；最后，通过拟合算法将由若干点组成的路径转化为由多线段组成的直线路径，通过控制每段直线路径下的转向角，驱使拖挂式机器人由初始位形运动至目标位形。并且，在拖挂式机器人运动的过程中，会不断判断周围是否有新的障碍物出现，在有障碍物出现的情况下会对路径重新进行规划，以保证拖挂式机器人的安全运行。

本发明的拖挂式移动机器人的运动规划与控制方法，提出了科学、合理、完整的拖挂式移动机器人在复杂环境下运动路径的规划和控制方法，为研究无人驾驶的的拖挂式移动机器人在存在障碍物环境下的运行奠定了理论基础。

附图说明

图1为本发明中牵引车和挂车的位形和车体参数的设定图；

图2为本发明的拖挂式移动机器人的运动规划与控制方法的流程图；

图3为获取的障碍物的置信度示意图；

图4为快速搜索随机树算法的原理示意图；

图5为在初始形位为=0、=0、==π，目标形位为=、=、==π的条件下，采用双向快速搜索随机树所获取的路径示意图；

图6为拖挂式移动机器人的参考路径轨迹；

图7采用拟合算法所获取的直线路径示意图；

图8为初始形位为=0、=0、==π，目标形位为=8000、=0、==π的条件下，牵引车在初始位形下所规划的路径示意图；

图9为初始形位为=0、=0、==π，目标形位为=8000、=0、==π的条件下，牵引车在中间运动过程中某次所规划的路径示意图；

图10为初始形位为=0、=0、==π，目标形位为=8000、=0、==π的条件下，采用双向快速搜索随机树所获取的路径示意图；

图11采用拟合算法，对图10中的曲线拟合后所获取的直线路径示意图；

图12拖挂式移动机器人的实际运行轨迹。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

本发明的复杂环境下拖挂式移动机器人的运动规划与控制方法，如图1所示，给出了牵引车和挂车的位形和车体参数的设定图，拖挂式移动机器人包括牵引车和拖车，牵引车与拖车之间通过链接点相连接，链接点处设置有用于测量拖车的车体纵向线相对于牵引车的车体纵向线转动角度的角度传感器；牵引车由后轮驱动、前轮转向，牵引车前转向轮的转向角速度为，牵引车的纵向速度为，且车轮与地面无滑动；牵引车驱动轮与转向轮之间的距离为，拖车的轮轴中点到链接点的距离为，连接轴的长度为；牵引车的左、右驱动轮可分别进行驱动，并通过左、右驱动轮的不同转速实现转向；牵引车上设置有声呐传感器，可实时检测0～360°空间内的障碍物信息，设声呐传感器的有效检测距离为;

定义为坐标系中牵引车和拖车的位形，=1时表示牵引车的位形，=2时表示拖车的位形；为牵引车后轮轴中心点的坐标，为拖车轮轴中线点的坐标；为方位角，表示车体纵向线相对于坐标系轴正向所旋转的角度；为牵引车的转向角，表示牵引车转向轮与车体纵向线之间的夹角；牵引车可获取自身车体纵向线相对于坐标系轴正向所旋转的角度；、为牵引车左、右驱动轮的速度；

如图2所示，给出了本发明的拖挂式移动机器人的运动规划与控制方法的流程图，所述拖挂式移动机器人的运动规划与控制方法通过以下步骤来实现：

a).定义初始和终点位形，设初始位形为：=0，=0，==π，记为点；目标位形为=，=，==π，记为点，即要实现拖挂式机器人从点到点运动路径的规划与控制；

b).检测障碍物，在初始位形状态下，牵引车通过声呐传感器检测周围的障碍物，其中表示第个障碍物的位置坐标，为障碍物的置信度；并通过如下公式求出障碍物的置信度：

        （1）

其中，为障碍物距离声呐传感器的距离，为置信度估计参数；

机器人在（0,0）位置，障碍物位于机器人后侧3000mm处，公式（1）中参数设为＝1.0，Q=5m时利用声纳传感器检测到的障碍物信息，在MobileSim 仿真环境下所获取的障碍物的置信度测试结果如图3所示。

c).障碍物的舍去，对于检测到的第个障碍物，判断步骤b)中所求取的障碍物的置信度，如果＜，则将该置信度对应的障碍物舍去；

由于机器人在运动过程中每个控制周期都会检测障碍物，使得障碍物空间越来越大，降低了路径搜索算法的速度。同时，一些与机器人运动方向相反的较远处的障碍物信息对于路径规划并没有实际意义。为此，基于障碍物的置信度信息，设计置信度的蒸发机制和增强机制。

定义

    （5）

其中是当前控制周期障碍物空间障碍物的置信度，是更新后的置信度，参数0＜＜1是蒸发因子。

对于当前控制周期检测到的新的障碍物 ，其置信度可以根据式（5）计算得到，为抵消蒸发机制对有效障碍物置信度的减弱作用，对于附近区域存在的障碍物的置信度进行增强。定义

    （5）

其中是当前控制周期障碍物空间障碍物的置信度， 且，为增强区域的半径。

在机器人运行期间，置信度＜的无效障碍物将被从空间环境模型中删除，而有效障碍物由于增强机制会得到保留，由此降低了空间环境的大小，有助于提高路径搜索算法的速度。可取值为0.5。

d).定义障碍物空间，定义障碍物空间=，其中表示障碍物空间的第个区域，当≠时：=，令=；

e).对于牵引车检测到的障碍物，首先判断=是否成立，如果为空集，则生成区域=，如果不为空集，则执行步骤f)；

f).通过公式（2）判断障碍物是否属于空间中的区域，；

≤      （2）

如果与区域内任一障碍物的距离满足不等式（2），则认为属于区域，令=；否则，则认为不属于区域，生成区域；执行步骤g)；

公式（2）中=，表示两障碍物之间的距离。

g).判断障碍物空间是否建立完毕，判断牵引车在当前位形状态下能检测到的所有障碍物的空间是否均已建立完毕，如果均已建立完毕，则执行步骤h)；如果没有建立完毕，则跳转至步骤e)；

h).建立双向搜索随机树，建立快速搜索随机树和，将初始位形、目标位形分别作为、的根节点；

i).随机生成位形，采用快速搜索随机树算法在树和中生成新位形、，执行步骤j)；

j).判断获取的新位形、与障碍物是否冲突，如果冲突，则执行步骤i)；如果不冲突，则新位形、分别保存为树和的叶子节点，执行步骤k)；

为了便于对双向搜索随机树算法进行理解，首先对快速搜索随机树算法（Rapidly-exploring Random Tree, RRT）进行说明，如图4所示，给出了快速搜索随机树算法的原理示意图。

快速搜索随机树算法（Rapidly-exploring Random Tree, RRT）是近几年发展起来的基于随机采样的路径规划方法，适用于移动机器人、空间飞行器、机械手等具有非完整约束的系统在高维空间多自由度复杂环境下的路径规划问题。RRT算法以搜索的初始位形为随机树的根节点，通过随机搜索逐渐增加叶子节点直至随机树的叶子节点中包含了目标位形或目标区域中的位形。和传统的路径规划方法（如蚁群算法、粒子群算法、模拟退火算法、遗传算法等）相比，RRT算法通过对环境空间的随机采样，把搜索的方向导向未搜索区域，不会对空间环境重复搜索，搜索速度较快。

对于形如的系统的路径规划问题，RRT算法的基本原理如图4所示，算法的基本过程如下：

（1） 初始化，生成随机搜索树，将初始位形作为树的根节点。

（2） 生成随机位形，在树中求解与相距最近的节点。

（3） 选择控制输入，计算新位形,添加到树 ，为叶子节点。

（4） 如果＜，规划算法结束，否则转第（1）步。

因此，该步骤中新位形和按照如下方法求取：

i-1).首先分别在树和中求解与相距最近的节点和；

i-2).选择控制输入，按照如下计算公式：

     （3）

     （4）

计算出新位形和。

k).判断树和是否已连接，判断∈或者∈是否成立，如果成立，则表明树与已经连接，拖挂式移动机器人由初始位形至目标位形的路径规划结束，执行步骤l)；如果不成立，则执行步骤i)；

如图5所示，给出了初始形位为=0、=0、==π，目标形位为=、=、==π的条件下，采用双向快速搜索随机树所获取的路径示意图；右上方为以目标形位=、=、==π为根节点的树上各节点的示意图，左下方为以初始形位为=0、=0、==π为根节点的树上各节点的示意图。

l).直线路径的拟合，将步骤h)至k)所求出由若干离散的位形点组成的路径，拟合为由多段直线组成的便于拖挂式机器人行走的路径；

如图7所示，给出了采用拟合算法所获取的直线路径示意图。

m).运动控制，根据步骤l)中确定的多段直线路径，求出相应直线路径下牵引车和拖车的转向角，即可控制拖挂式机器人由初始位形向目标位形运动；

如图6所示，给出了由图5所得到的拖挂式移动机器人的参考路径轨迹，其中白色空心矩形为牵引车，黑色实心矩形为拖车。

n).判断是否有新的障碍物存在，在拖挂式机器人由初始位形向目标位形运动的过程中，牵引车以一定的周期判断周围是否有新的障碍物出现，如果没有新的障碍物出现，则控制拖挂式机器人按照当前路径运行；如果有新的障碍物出现，则将牵引车当前的位形作为初始位形，执行步骤b)，以对当前路径从新进行规划。

如图8所示，给出了初始形位为=0、=0、==π，目标形位为=8000、=0、==π的条件下，牵引车在初始位形下所规划的路径示意图，图9为牵引车在中间运动过程中某次所规划的路径示意图，其中障碍物的中心点坐标为(4000,0)，箱体纵向宽度为-500≤y≤500，单位为mm。其中白色空心矩形为牵引车，黑色实心矩形为拖车。由此可见，拖挂式机器人初始规划的路径与其在运行的过程中重新规划的路径存在一定的差异，这是由于拖挂式机器人检测到了新的障碍物所造成的。

图10为采用双向快速搜索随机树所获取的相应的路径示意图，右上方为以目标形位=8000、=0、==π为根节点的树，左下方为以初始形位为=0、=0、==π为根节点的树。树与树的交点为点C。图11采用拟合算法，对图10中的曲线拟合后所获取的直线路径示意图；图12拖挂式移动机器人的实际运行轨迹，由此可见，拖挂式机器人的实际运行轨迹与规划处的直线路径相一致。 

Claims (5)

1.一种复杂环境下拖挂式移动机器人的运动规划与控制方法，拖挂式移动机器人包括牵引车和拖车，牵引车与拖车之间通过链接点相连接，链接点处设置有用于测量拖车的车体纵向线相对于牵引车的车体纵向线转动角度的角度传感器；牵引车由后轮驱动、前轮转向，牵引车前转向轮的转向角速度为                                                ，牵引车的纵向速度为，且车轮与地面无滑动；牵引车驱动轮与转向轮之间的距离为，拖车的轮轴中点到链接点的距离为，连接轴的长度为；牵引车的左、右驱动轮可分别进行驱动，并通过左、右驱动轮的不同转速实现转向；牵引车上设置有声呐传感器，可实时检测0～360°空间内的障碍物信息，设声呐传感器的有效检测距离为;

定义为坐标系中牵引车和拖车的位形，=1时表示牵引车的位形，=2时表示拖车的位形；为牵引车后轮轴中心点的坐标，为拖车轮轴中线点的坐标；为方位角，表示车体纵向线相对于坐标系轴正向所旋转的角度；为牵引车的转向角，表示牵引车转向轮与车体纵向线之间的夹角；牵引车可获取自身车体纵向线相对于坐标系轴正向所旋转的角度；、为牵引车左、右驱动轮的速度；

其特征在于，所述拖挂式移动机器人的运动规划与控制方法通过以下步骤来实现：

a).定义初始和终点位形，设初始位形为：=0，=0，==π，记为点；目标位形为=，=，==π，记为点，即要实现拖挂式机器人从点到点运动路径的规划与控制；

b).检测障碍物，在初始位形状态下，牵引车通过声呐传感器检测周围的障碍物，其中表示第个障碍物的位置坐标，为障碍物的置信度；并通过如下公式求出障碍物的置信度：

        （1）

其中，为障碍物距离声呐传感器的距离，为置信度估计参数；

c).障碍物的舍去，对于检测到的第个障碍物，判断步骤b)中所求取的障碍物的置信度，如果＜，则将该置信度对应的障碍物舍去；

d).定义障碍物空间，定义障碍物空间=，其中表示障碍物空间的第个区域，当≠时：=，令=；

e).对于牵引车检测到的障碍物，首先判断=是否成立，如果为空集，则生成区域=，如果不为空集，则执行步骤f)；

f).通过公式（2）判断障碍物是否属于空间中的区域，；

≤      （2）

如果与区域内任一障碍物的距离满足不等式（2），则认为属于区域，令=；否则，则认为不属于区域，生成区域；执行步骤g)；

g).判断障碍物空间是否建立完毕，判断牵引车在当前位形状态下能检测到的所有障碍物的空间是否均已建立完毕，如果均已建立完毕，则执行步骤h)；如果没有建立完毕，则跳转至步骤e)；

h).建立双向搜索随机树，建立快速搜索随机树和，将初始位形、目标位形分别作为、的根节点；

i).随机生成位形，采用快速搜索随机树算法在树和中生成新位形、，执行步骤j)；

j).判断获取的新位形、与障碍物是否冲突，如果冲突，则执行步骤i)；如果不冲突，则新位形、分别保存为树和的叶子节点，执行步骤k)；

k).判断树和是否已连接，判断∈或者∈是否成立，如果成立，则表明树与已经连接，拖挂式移动机器人由初始位形至目标位形的路径规划结束，执行步骤l)；如果不成立，则执行步骤i)；

l).直线路径的拟合，将步骤h)至k)所求出由若干离散的位形点组成的路径，拟合为由多段直线组成的便于拖挂式机器人行走的路径；

m).运动控制，根据步骤l)中确定的多段直线路径，求出相应直线路径下牵引车和拖车的转向角，即可控制拖挂式机器人由初始位形向目标位形运动；

n).判断是否有新的障碍物存在，在拖挂式机器人由初始位形向目标位形运动的过程中，牵引车以一定的周期判断周围是否有新的障碍物出现，如果没有新的障碍物出现，则控制拖挂式机器人按照当前路径运行；如果有新的障碍物出现，则将牵引车当前的位形作为初始位形，执行步骤b)，以对当前路径从新进行规划。

2.根据权利要求1所述的复杂环境下拖挂式移动机器人的运动规划与控制方法，其特征在于，设系统的函数为，步骤i)中新位形和按照如下方法求取：

i-1).首先分别在树和中求解与相距最近的节点和；

i-2).选择控制输入，按照如下计算公式：

     （3）

     （4）

计算出新位形和。

3.根据权利要求1或2所述的复杂环境下拖挂式移动机器人的运动规划与控制方法，其特征在于：步骤j)中判断新位形、与障碍物是否冲突的过程中，是通过判断新位形、与障碍物之间的距离是否在一定的数值之内；如果在一定的数值之内，则表明新位形与障碍物存在冲突；如果不在一定的数值之内，则表明新位形与障碍物不冲突。

4.根据权利要求1或2所述的复杂环境下拖挂式移动机器人的运动规划与控制方法，其特征在于：步骤j)中，在∈或者∈的判断过程中，如果是树上的节点或者与树上的任一节点之间的距离小于某一数值，则认为∈；同样地，如果是树上的节点或者与树上的任一节点之间的距离小于某一数值，则认为∈。

5.根据权利要求1或2所述的复杂环境下拖挂式移动机器人的运动规划与控制方法，其特征在于，步骤l)中所述的直线路径的拟合通过以下步骤来实现：

l-1).将求出的曲线路径的离散点中的起点和终点连接为一条直线；

l-2).计算曲线路径上各点到直线的最大距离；

l-3).判断是否成立，如果成立，则执行步骤l-5)；如果不成立，则执行步骤l-4)；

l-4).将所对应的点插入，作为直线路径新的端点，形成新的多段直线段，跳转执行步骤l-2)；

l-5).当前所有直线段组成的路径，即为拖挂式机器人行走的路径。