移动机器人室内未知环境探索和路径规划算法研究

第1章绪论

1.1移动机器人探索未知环境的研究背景和意义

1.2移动机器人探索算法的国内外研究现状

1.2.1全局地图拼接算法的研究现状

1.2.2探索任务分配的协调算法的研究现状

1.2.3避免碰撞的协调算法的研究现状

1.2.4情感算法的研究进展

1.2.5基于边界的探索算法研究进展

1.2.6基于快速探索随机树的探索算法研究进展

1.2.7基于*的探索算法研究进展

1.2.8基于DWA的探索算法研究进展

1.2.9其他探索算法

1.3探索协调算法中存在的若干问题

1.3.1全局地图拼接算法中出现的探索效率低的问题1.3.2探索任务协调分配算法中存在的问题

1.3.3探索过程中的碰撞问题

1.3.4 RRT探索算法的探索效率问题

1.3.5A和DWA算法可以改进的方面

1.3.6移动机器人探索未知环境的发展趋势1.4本书的主要内容和结构

第2章全局地图的拼接

2.1引言，

2.2机器人的定位

2.3地图的表示方法

2.3.1度量地图

2.3.2拓扑地图

2.3.3混合地图

2.4基于签名向量和路标的子地图匹配算法

2.4.1基于签名向量的子地图匹配

2.4.2匹配算法的改进

2.4.3共享路径的处理

2.4.4算例说明

2.5基于地图集的全局地图拼接算法

2.5.1签名向量重复探索的避免

2.5.2拓扑节点在不同坐标系间的转换

2.5.3基于地图集的地图拼接算法示例

2.5.4仿真实验及结果分析

2.6本章小结

第3章基于情感和聚类的拍卖探索任务协调算法

3.1引言

3.2多机器人探索未知环境任务的性质

3.2.1动态任务和静态任务

3.2.2紧耦合任务和松耦合任务

3.3机器人的体系结构及配备的传感器

3.3.1单机器人的体系结构

3.3.2多机器人的体系结构

3.3.3机器人配备的传感器

3.4拍卖

3.4.1单项拍卖和组合拍卖

3.4.2集中拍卖和分散拍卖

3.5基于情感和拍卖的多机器人协调算法

3.5.1拍卖算法中影响探索效率的情况

3.5.2基于情感和拍卖的协调算法

3.5.3仿真实验与分析

3.6基于情感和聚类的拍卖探索任务协调算法

3.6.1未被探索孤岛的定义

3.6.2两种低效率的探索情况

……

5.5本章小结

第6章基于改进RRT的多机器人探索算法

6.1基于ROS的RRT多机器人探索平台搭建

6.1.1机器人探索平台技术框架

6.1.2多机器人边界探索模块

6.1.3多机器人边界探索平台可行性实验

6.2基于动态步长机制的局部边界探索算法

6.2.1基于RRT算法的局部边界探索算法

6.2.2基于动态步长的RRT局部探索算法设计

6.2.3基于动态步长的RRT局部边界探索算法仿真实验.........

6.3基于改进人工鱼群的RRT全局边界探索算法

6.3.1 RRT全局边界探索算法

6.3.2人工鱼群算法优化策略

6.3.3改进人工鱼群优化的RRT全局边界探索算法流程

6.3.4基于改进人工鱼群的全局边界探索模块仿真实验

6.4本章小结

第7章改进的A*和DWA融合的全局路径规划

7.1A算法的改进

7.1.1距离表示

7.1.2A*算法搜索流程

7.1.3改进A*算法

7.1.4综合改进算法仿真对比实验7.2融合改进A和DWA算法

7.2.1动态窗口法

7.2.2融合改进A与DWA算法7.2.3自适应权重系数实验分析7.2.4动态障碍物下的仿真实验

7.3基于ROS的改进A和DWA融合算法的实验

7.4本章小结

参考文献

第1章绪论

1.1移动机器人探索未知环境的研究背景和意义

近些年来，国家相继出台了多个文件和政策，旨在大力推动国家经济高质量发展，促进国家工业制造现代化进程“。机器人的相关技术逐步成型并越来越能够满足人类的需求，悄然改变着人类的生活环境(2)45-52。比如我们可以想到的在核电站、矿井等危险性极高的环境下执行复杂的监测救援任务③。机器人技术无论是在日常生活中，还是在工业、农业、医疗、服务和军事等领域，都发挥着越来越重要的作用[4-6]。机器人技术的研究领域包括机器人系统的整体架构、路径规划[8、任务分配[9、定位技术[10]、自主探索[]和机器人通信[12]等方面。

未知环境的探索问题是机器人学的一个基本问题，机器人要在一个未知的环境中执行某项任务，首先要对该未知环境进行探索[13.14]，即通过机器人自身携带的传感器对工作空间环境的信息进行感知，构造出环境模型的过程15,16]。机器人自主探索技术是机器人自主定位导航、路径规划和自主作业等技术的前提。机器人自主探索的主要目标是让机器人以最少的成本和时间进行路径规划，同时利用传感器从环境中获得最完整、最准确的地图信息。为了提高移动机器人探索未知环境的效率，多机器人系统探索得到了广泛的应用。多机器人的探索基本问题包括全局地图的拼接、探索任务的分配、机器人间的避碰和机器人与障碍物之间的避障、机器人探索路径的规划等。地图拼接是通过每个机器人构建的局部子地图拼接得到的，局部子地图的精确性直接影响着全局地图的精确性[17]。

多机器人协调是多机器人系统探索未知环境的核心，协调算法的好坏直接影响多机器人系统完成探索任务的效率(18，19]。执行任务环境的实时探索对多机器人系统的路径规划来说尤为重要，如觅食(20.21]、监控(22,23)、搜索和救援(24.25]、导航(26.27)等。多机器人系统在探索未知环境时，应对环境中障碍物的形态有一定的检测能力28]。例如，障碍物是静态的还是动态的29.30)障碍物是凸形的还是非凸形的31。为了保证多机器人系统能够在复杂环境下安全可靠地运行，多机器人和障碍物的碰撞问题，以及机器人间的碰撞问题应该得到妥善地解决。

机器人探索未知环境一些典型的算法，如RRT算法、A算法、DWA算法、鱼群算法等可以根据不用的应用场合进行相应的改进。RRT算法像树一祥在地图中生长的特性，使该探索策略能够通过这种方式在地图中获取边界点，从而引导机器人不断探索未知区域。缺点是在探索后期效率会下降，因此在部分环境中无法较好地完成自主探索任务[34]。人工鱼群优化的RRT探索算法，通过引人吞食行为，对RRT树中的冗余节点进行删除，同时采用聚群、追尾等行为对剩余有效节点的状态进行优化。传统的A算法在规划路径上有很多转折点，导致移动机器人在实际操作过程中不断转向，严重影响了移动机器人的工作效率[35]，随着搜索空间的持续叠加，算法的计算量会大量叠加等。DWA算法是一种常用的避障规划算法[36]，是一种基于滚动窗口的路径规划算法，它可以用于移动机器人在未知环境中的路径规划，但该算法存在易陷于局部最优解、预期路径不符合全局最优的问题。

本书对移动机器人探索室内未知环境中存在的子地图匹配、全局地图拼接、探索任务协调分配、探索过程中的碰撞及对障碍物形态的检测能力、常用的路径规划算法等方面进行了研究。以提高探索效率为目的，对探索任务协调算法及路径规划算法进行了改进。

1.2移动机器人探索算法的国内外研究现状

应用在移动机器人探索未知环境的算法，根据所基于的理论基础不同，可以分为基于拍卖的算法(37,38)、基于情感生成的协调探索任务的算法[39.40和基于优化算法生成的探索策略(41,42]等，这些方法更多的是解决机器人之间的探索任务协调分配问题。还有一部分探索算法擅长处理避障和死锁的消解，此类协调算法多数是基于离散事件监控理论，包括基于有限状态自动机(FA)建模的方法(43,4)和基于Petri网(PN) 建模的方法(45,46]等，其中FA和PN作为描述协调策略的数学模型。基于边界的探索算法、基于快速探索随机树的探索算法、基于A 和DWA算法是目前应用较多的机器人探索算法。

移动机器人在一个未知的环境中要完成某些具体的任务，例如未知环境下的编队、觅食、搜索与救援、监督与监控、导航等，首先要对该环境进行探索，需要获得一个全局地图，然后规划出一条最优路径完成任务，因此如何协调多机器人系统完成未知环境的探索任务和进行路径规划显得尤为重要。专著将分别从未知环境的探索、路径规划、编队和导航等几个方面来研究移动机器人未知环境中执行完成任务的相关问题。能较综合和全面的涉及到室内移动机器人在没有获得空间信息情况下执行任务时，如何获得空间信息；以及在获得了所需的空间信息后，如何规划出一条最优路径到达目标点，并以具体的任务为例进行说明。因此专著可以为在此方向的爱好者提供一定知识普及和算法应用方面的参考。