论文部分内容阅读
随着人工智能的热潮席卷全球,机器人的发展受到广泛关注。室内移动机器人作为机器人研究领域的重要分支,吸引了诸多学者的注目,其中地图构建与路径规划是室内移动机器人导航研究的热点和难点。目前,已知环境下的机器人导航技术已相对成熟,但未知环境下的机器人导航还有些关键问题亟待进一步研究。本文首先研究了机器人在室内环境下的定位问题,采用基于信标的UWB定位技术为机器人提供较为准确的位姿估计;然后研究环境地图未知情况下的目标搜索问题,提出基于GGRRT(Goal Guide Rapidly-exploring Random Tree)的子目标搜索算法;接着针对大范围栅格地图创建过程中存在的海量存储空间问题,提出基于多叉树的自适应栅格地图创建算法;最后在已创建好的自适应栅格地图的基础上,采用改进MMAS算法进行已知环境下的全局路径规划。论文展开的具体研究工作及成果如下:(1)未知环境下基于GGRRT的子目标搜索算法对移动机器人在室内环境下的位姿估计问题进行研究,采用当前定位精度高、综合性能较好的UWB定位技术,以获取机器人的精准定位。机器人在首次探索未知环境时,为避免其搜索的盲目性,设计了基于GGRRT的子目标搜索算法,该算法在传统RRT算法的基础上,引入目标导向函数,减少冗余搜索,提高规划效率。同时,制定三种不同环境下的子目标搜索策略,针对以下三种情况:扫描不到障碍物、扫描到障碍物边界点和只扫描到障碍物的边,分别设定相应规则来确定子目标位置,逐步引导机器人朝最终的目标点移动,子目标搜索策略克服了环境探索过程中易出现的局部极小点问题,使机器人在无环境地图的情况下也能顺利抵达目标点,完成对未知环境的探索过程。(2)自适应栅格地图创建算法针对传统的均一尺度栅格在地图创建过程中占用海量存储空间问题,提出一种基于多叉树的移动机器人自适应栅格地图创建算法,该算法可以根据障碍物的复杂程度,自适应的分割并表示环境。将未知环境初始化为一个部分占据状态的栅格,然后把该栅格切分成九宫格结构,每个栅格用完全占据、部分占据和空置三种状态之一进行表示,对其中部分占据的栅格进一步细分,重复上述切分过程,直到整个地图只有完全占据和空置两种状态,地图创建完毕。将本文算法与传统栅格对比,存储空间节约了一个数量级;与基于四叉树的栅格对比,在应对大范围的办公环境时,在运行时间和存储空间上均占优势。(3)基于改进MMAS算法的全局路径规划本文在已创建的自适应栅格地图的基础上,进行全局路径规划。基本MMAS蚁群算法具有较好的鲁棒性和全局寻优功能,为了进一步提高MMAS算法的收敛速度和寻优能力,对MMAS中的信息素挥发因子r进行改进,将r设计成符合高斯分布变化规律的动态参数。将MMAS算法与参数改进后的MMAS算法进行仿真实验对比,改进后的MMAS算法路径规划耗时更少,路径长度更短,且收敛速度更快,达到了改进此算法的目的;将改进MMAS算法与A*算法对比,虽然A*耗时短且能找到最优路径,但A*只能用于均匀栅格地图的路径规划,改进MMAS则可以应用于自适应栅格地图,且同样表现出了较快的收敛性和较好的全局寻优能力。