决最优策略通常是非常复杂，因为它计算规划已经超出了传统空间通常是维状态问题在实际问题中，大多数作品是以减少空间维数使用。如等人，等人和等人。这些方法比原来要快得多，但其计算复杂度仍然太高而不能做实时规划。我们在本文方法更像是个最优而且快速方法假设机器人总是接受最可能可观察到路径，并且规划个可以达到目标和减少不确定性特定状态路径。例如，在和中，机器人目是在最低不确定性情况下到达目标位置，因此可以选择条长但是有足够定位标志路径。在本文中，我们提出了个运动规划移动目标跟踪。策划者采用提出动态扩展窗口方法找到无碰撞速度和选择合适速度使用启发式搜索。成本函数被设计为机器人与目标之间距离最小化和，可以使机器人在固定时间范围观察目标种最大化可能性。此外，我们应用概念接近图算法如和用于计算个更好估计机器人与目标之间距离，从而实现光滑，快捷性能。三运动目标跟踪和避障我们系统本质是能够精准跟踪在这种情况下行人运动目标。行人位置获得越精确，机器人跟踪目标越好。运动目标检测与跟踪在激光数据下检测移动点，我们采用由和提出栅格地图法。用本地网格地图来区分移动点。机器人定位，个称为迭代最近点扫描匹配技术用于获取机器人姿势。移动点被从之前数据扫描过滤匹配以保持位姿精度。检测到移动点分割成许多集群和确定它们是否属于个行人使用要素诸如运动速度，位置大小，尺寸。最后，每个行人跟踪采用扩展卡尔曼滤波器解决了闭塞问题，同时提供我们计算在实时性能上优势。跟踪算法我们目标是实现在有障碍物存在情况下运动目标跟踪。个合理解决办法是把它作为路径规划问题，使用避障算法找到无碰撞行为。在本文中，我们应用，等前人方法作为避障算法。过程如图所示，它是个轨道铺设算法。图右侧显示用于适当运动命令程序。首先,这样环境信息实现更快处理过程。每个区间值代表可由机器人在定圆轨迹上行进最大距离。第二，这个区间应在适航区域内。第三，各地区，个机器人速度是根据目标函数确定。为每个候选人速度，个新机器人位置被计算为在个轨迹树保存新节点。然后，个最小估计值节点将被提取为生成新节点基础节点。重复这过程直到目标位置扩大或树深度达到定确切值。树扩展停止后，最深节点被确定为时间目标，机器人时间目标当前速度被选择出来。在我们工作中，我们使用了两种不同方法整合和伪目标法及轨迹优化法。伪目标法是种更直观方法，不考虑当前目标速度。另种方法是轨迹优化法，是用轨迹控制器近似预测目标运动轨迹和最大限度地提高目标能见度。他们运行将在下部分进行展示和比较。伪目标法当执行行人跟踪算法时，个直观方法是设置移动目标当前位置作为导航算法目标。考虑跟踪目标相对于机器人个角，算法将产生轨迹弧。如果目标是在接近机器人，角速度会很小和圆弧形路线往往致使机器人在间接或迂回路径上达到要达到目标。相反，如果目标是在相同角度进步远离机器人，任何目标运动将导致个比当目标接近机器人更大位移变化。因此，角速度会增加响应目标位置实际变化。因此，到达目标轨迹更加直接了。在伪目标法中，在机器人面前空间被条轨迹分开如图所示。伪目标沿着每个轨迹把目标和机器人之间距离设定为原来倍。获取行人位置后图红圈，伪目标轨迹接近行人位置，然后选择出来。按设定比机器人更远目标，弥补了小角速度问题速，同时提供更直接路径到达目标。另个问题是有限感知能力。在本文里，是个实现移动机器人度。在这里，我们增加了个信息采集模式。当移动目标进入危险地带，在机器人坐标度和度机器人将停止前进，并向目标相反方向迅速返回。加入这种模式大大降低了失去目标风险。伪目标法是实施直线前进，运行时目标速度几乎是恒定。然而，当目标速度变化时，假目标轨迹选择也可以从个改变到另个使机器人明显改变其运动方向。轨迹优化方法虽然伪目标法实现起来非常简单，但是很容易失去跟踪目标。因为它不对机器人有限可观性进行考虑。另个缺点是，伪目标方法不能快速反应目标速度变化。个更好方法是根据个参考轨迹规划轨迹，但不是个固定位置。以这种方式，可以考虑目标速度也可以通过添加函数考虑机器人可观测性。中文字,中文字