基于非完全平坦地形下的移动机器人路径规划_陈渝.pdf

2023.7电脑编程技巧与维护1概述目前，人工智能领域与机器人的结合已经成为时代发展的必然，移动机器人正在逐渐融入人们的生活。移动机器人在进行移动时，能否实现自主导航，从而避开环境中的障碍物，寻找一条前往目标点的无碰撞路径，是机器人能否实现智能化的关键，也在一定程度上标志着移动机器人所能达到的智能化程度。因此，研究移动机器人路径规划技术有利于提高移动机器人的工作效率，减少在人力资源和研究资金方面的消耗，推动移动机器人在工业、服务业、家庭生活等领域中的应用。2问题描述及条件假设2.1问题描述根据应用空间不同，移动机器人路径规划可为二维或三维环境下的路径规划分析。现在，国内外学术界针对有关课题进行了较多的研究。但极少考虑非完全平坦地形环境对移动机器人路径规划的影响。传统路径规划分析移动机器人在非完全平坦地形环境中的工作往往会忽略机器人的能耗问题。因此最后确定的路径也非最优路径。在此将针对该问题提出解决方案，考虑诸多地形影响要素，例如，地面的高差与坡度情况、地表粗糙度及相关代价函数，通过建立2.5维栅格地图和选择利用势场-蚁群算法并通过仿真和实验数据对比，进行路径规划操作，并对全局环境下的最优路径进行平滑处理，最终输出一条有多个地形约束条件的能耗最少的最优路径。2.2条件假设在筹备移动机器人路径规划时，先进行假设分析。具体如下：（1）其只有静止与匀速等运动情况，而且可以自由切换两类状态；（2）移动机器人内置传感器装置，可以进行相应范围内环境信息的扫描操作；（3）在实验过程中，地面高差参数、地面坡度参数，以及地表粗糙度参数间没有出现关联性，以独立状态对其进行分析。在传统的二维路径规划体系下，一般选择白色与黑色格栅来分别表示Cfree与Cobs。考虑在原有路径规划时，没有分析非完全平坦地形情况，其中，仅存在上述两类栅格形式。因此，一般会用Z栅格矩阵的0、1予以辨识。移动机器人仅分析两类可通行系数参量AC，由此可辨识出所处环境中的两种差异化区域。AC的表示方式如公式（1）所示：（1）考虑到上述分析体系在建模过程中，难以对多类地形影响要素进行模拟分析，要想克服环境中涵盖的地面高差参数、地面坡度参数、地表粗糙度参数等产生的影响，以及由此出现的非完全平坦地形下的建模状态，提出2.5维栅格地图。其中，在原有二维路径规划的两类栅格形式Cfree和Cobs中，采用半自由和半障碍的栅格（Chfree）与（Chobs）。对这4类区域进行概述，Cfree代表完全平坦区域，移动机器人可以在此用自由状态行进，同时没有产生多余的能耗；Cobs代表障碍区域，移动机器人难以绕过这类区域中的障碍后行进；Chfree和Chobs代表出现能耗现象，不过在进行可通行性分析后，评估移动机器人能否通过相关区域后行进，Chfree代表能够避障后行进的区域，Chobs代表不能避障后行进的区域。要让移动机器人高效辨识此4类栅格区域，必须重新设定相关的2.5维栅格矩阵中的AC值，将原AC值范围扩增为作者简介：陈渝（1993），男，助教，学士，研究方向为测控技术与仪器。基于非完全平坦地形下的移动机器人路径规划陈渝（贵州航天职业技术学院，贵州 遵义564100）摘要：目前，人工智能技术已在机器人领域中广泛使用，由此诞生了智能机器人。其中，移动机器人为研究热点，受到国内外专家、学者的高度关注。这类机器人研究的重点体现在怎样产生“移动”状态，其关键技术是路径规划。在此探讨了非完全平坦地形环境下的移动机器人路径规划问题，提出了采用势场-蚁群融合算法引导移动机器人规划路径并通过实验进行验证。考虑到原有路径规划没有分析地形影响要素，因而产生较多的能耗，在此将其工况环境设定为非完全平坦地形，从而阐述一类基于多地形约束条件的路径规划方案。关键词：移动机器人；路径规划；势场-蚁群融合算法；非完全平坦地形133DOI:10.16184/prg.2023.07.0362023.7电脑编程技巧与维护AC 0,1，其关系如公式（2）所示，并且在实验时利用深浅不同的颜色代表参数进行区别。当移动机器人处于0,1中，有着更深颜色状态时，表明其没有更高的可通行能力。（2）其中，a，b为实数，且0ab1。3路径规划约束条件在分析时，仅探讨室内环境中的路径规划问题。当移动机器人处于室内工作环境下时，其工况状态并不是完全处于平坦地面中，有概率会遇到非确定性的复杂地形情况。原先的路径规划没有分析地形环境给其带来的作用。因此，如果依旧采用传统路径规划方式，分析移动机器人在非完全平坦地形中的行进情况，会出现多余的能耗问题，最后也难以确定符合最优路径的规划方案。因此，需要计算处于非完全平坦地形中地面的高差与坡度，还有地表粗糙度参数等，并且创建总代价函数，将其值等价变换为可通行系数参量AC，设计其最优路径规划。3.1地面高差路径规划将各类非平坦地面情况都纳入障碍体系中，但在具体应用环境中，移动机器人能够通过较小凹、凸情况的地形，无需选择绕路行进的路径。地面高差参数（）代表移动机器人处于工况区间Z内，其基准面为完全平坦地面，可能会出现高或低于地表的区域。通过节点法计算当前移动机器人的坐标参数P=（xi,xj），评估近P点位置的8邻域的中栅格（Z）地形，将大于平坦地面的高度参数设定成h+（xi,xj），低于的相关参数设定成h-（xi,xj），同时h+（xi,xj）0，将Z中出现的地面高差现象，如公式（3）所示：（3）其中，hz为均值参数；为方差参数；n为栅格数参量（n=1,.,8）。当为0时，表明当前在Z区间中存在最小的地形起伏状态，越大，则表明Z区间中有着更显著的地形起伏变化，反之则没有显著的地形起伏情况。3.2坡度坡度参数（S）为地面斜坡处的陡峭状态（即垂直高度与水平距离的比值）。一般可以将坡度参数划分成上坡情形与下坡情形。考虑采用2.5维栅格地图，在单位空间中的水平距离参数为a，起 垂直高度参数为height，其坡度参数S如公式（4）所示：（4）3.3地表粗糙度地表粗糙度参数（R）为几何体有着较低间距，以及微小的起伏改变现象。在Z区间中，将地表粗糙单元确定为D，这包括4个栅格中心点，假定任意一个地标平面，利用公式（5）、公式（6）计算D平面中存在的对角关系，可得R。（5）R=R2-R1（6）其中，R1和R2为D平面中临近的4个栅格对角顶点坐标参数在连线时对应的高度差参数；R值与地面粗糙度参数间呈现出紧密的正相关关系。3.4地形代价函数综合探讨地形因素及其路径长度，假设地形代价函数如（f）公式（7）所示：（7）其中，1+3为相关约束条件的权重系数，且i0,1;f0,1结合代价函数的因变量，能够确定f的取值区间，即各f值关联的AC，由此评估栅格区间是否存在可行性。在实验环节中，利用试凑法计算各地形环境对应的权重值。4路径规划流程移动机器人选择势场-蚁群算法，以此进行路径规划分析。因为考虑到Z空间中有概率出现动态或静态的障碍物。所以需要结合各类运动情况中出现的障碍物现象，以此进行有针对性的路径规划。当处于静态环境中时，依据图2的左半边内容，从整体层面上进行路径规划操作。当处于动态环境中，依据图2的右半边内容，从局部层面上展开路径规划。图1维栅格地图CfreeChobsChfreeCobs1342023.7电脑编程技巧与维护5实验仿真及结果分析在实验时选择Matlab 2014b软件搭建仿真平台。依据实验所需参数的设置和实验环境的要求依照2020栅格环境进行实验。实验分别在全局和局部环境下进行。设定移动机器人所处工况环境下涵盖三类非平坦地形影响要素，分别是地面高差参数、地面坡度参数，以及地表粗糙度参数。在各类实验环境下，都是选择2020尺寸参数的栅格地图。设置移动机器人步长为1、起始点栅格序号为1、目标点栅格序号为M2。5.1全局层路径规划实验在全局环境下进行，移动机器人在路径规划前对全局环境进行扫描。实验目的如下：（1）在验证势场-蚁群的性能；（2）验证移动机器人处于静态环境下，其可否有效辨识3类地形情况，同时计算总代价函数值f，并且将其转换为等价的AC值，以此分析有关区域是否有着可行性条件，明确优化的规划路径。二维环境中没有分析地形影响要素，因此在相关环境下展开实验时，要将各类非平坦地形情况都看作障碍物。为了体现势场-蚁群算法的性能，同样在相同的二维栅格地图内进行传统蚁群算法与势场-蚁群算法的对比实验。图3（a）是2D蚁群算法规划结果，为了与实验形成对比，将图3（b）2D势场-蚁群算法规划结果进行展示。因为未分析二维环境中的地形影响要素，所以，为了和二维环境分析产生对比，实验继续使用相同的工作环境，在2.5维栅格地图下进行路径规划实验。图3（c）是2.5D势场-蚁群算法规划结果，基于此，选择势场-蚁群算法展开路径规划并获得研究结论。从图3（c）中可知，移动机器人可以辨识各类地形区域能否具备可通行性，要确保有效躲避（半）全障碍格栅的路径，这是分析处于2.5维格栅地图中的Cobs值（用黑色格栅进行表示）和Chobs值（用深灰色栅格进行表示），证明移动机器人可以有效辨识相关的不可通行区域。相较于二维环境下产生的路径规划结论，在这类格栅地图中分析地形影响要素，并非是把各种不平坦地形区域均确定为障碍区间，之后采用避障行进方式，其中产生的规划路径参数要比二维环境下的平坦地形规划路径参数低2%。进一步搜索路径时，在2.5维栅格地图内，移动机器人的搜索路径速度也快于二维环境下，这是由于2.5维栅格地图中实际减少了不能通过障碍的数量，使算法在搜索路径速度方面更快了。在图4全局环境收敛对比中看到，算法在迭代8次后即收敛，并且拐点处的拐角也均为钝角，这进一步说明了势场-蚁群算法在非完全平坦地形环境下依旧能够保持较好的性能。实验1运行结果如表1所示。图2算法流程图3全局环境规划结果图4全局环境收敛对比动态环境静态环境开始计算代价函数构造栅格环境：初始化算法参数全局路径规划N到达目标点？Y输出路径结束检测到未知障碍？局部路径规划避障结束？NYY（a）2D蚁群算法规划结果（b）2D势场-蚁群算法规划结果（c）2.5D势场-蚁群算法规划结果2018161412108642002468101214161820GSG02468101214161820S20181614121086420GS2018161412108642002468101214161820收敛曲线（最小路径长度）迭代次数2.5D ACO-APF2D ACO2D ACO-APF路径长度5550454035302501020304050607080901001352023.7电脑编程技巧与维护技术分析J.吉林农业科学,2021,046(005):117-121.3陈冬云.一种基于NB-IOT农业监测用光照度传感器：CN208921287U P,2023.4杜青青.基于LoRa的智慧果园墒情监测系统研究与设计J.工业仪表与自动化装置,2022(3):13-17.5苏杰仁.字符型LCD1602显示分析与实现J.科技资讯,2022,20(22):9-12.此基础上构建了一套完善的盾尾密封油脂使用管理系统，有效连通了不同地域、不同盾构施工项目，打破了项目间的技术壁垒，减少因操作不当带来的风险，提升施工效率，更便捷地解决问题，从而降低盾构施工中的成本，为提升国内盾构施工行业和盾尾密封油脂产业的规范建设提供一套新思路。参考文献1高振峰.高水压下盾尾密封油脂耐水压密封性评价及影响因素研究D.北京:北京交通大学,2019.2王德乾,郑筱彦,斯芳芳,等.盾尾密封油脂与盾构机及施工地层的适应性研究J.铁道建筑技术,2021(7):8-12.3傅磊,曲晓峰.基于异构数据库的高可用数据管理系统设计J.信息技术,2022(7):131-135.4彭浩宇,周军海,张峻宇,等.基于大数据的水资源管理系统设计与研究J.软件工程,2022,25(3):59-62.5陈志军,陈建国.基于MAPGIS的全国地质工作程度数据库应用系统设计与实现J.物探化探计算技术,2006(4):381-386.6袁喆,文继荣,魏哲巍,等.大数据实时交互式分析J.软件学报,2020,31(1):162-182.6结语国内外学术界以移动机器人路径规划为课题，进行了很多的研究活动，重点集中在规划路径与算法优化分析。结合之前的二维路径规划研究，一般将其所处的工况环境划分成自由区域和障碍区域。一般自由区域是平坦地形，而在实际应用中，移动机器人主要在有较高能耗，且不完全平坦的多种复杂地形中行进，导致其出现更高能耗，并且减少使用时间。考虑到上述负面现象，在进行移动机器人路径规划分析过程中，考虑不平坦地形环境产生的影响，首先，确定一类2.5维栅格地图，分析其所处地面的高差与高度参数，还有要对其地表粗糙度参数等进行表示，并且修改已有可通行系数参量，让移动机器人更好地识别其次；其次，路径概述含有3种地形影响要素的路径规划所对应的约束条件，创建其总代价函数；再次，等价转换成可通行系数参量，以此分析其是否具备相关复杂区域的可行性；最后，采用势场-蚁群算法展开路径规划操作，可优化选择单一算法时出现的算法缺陷现象，规划一个优化的路径。参考文献1王保防,张瑞雷,李胜,等.基于轨迹跟踪车式移动机器人编队控制J.控制与决策,2015,30(1):176-180.2刘宾.基于移动Agent的主题搜索引擎研究D.上海:上海海事大学,2006.3胡胜豪.室外移动机器人的定位与运动控制研究D.哈尔滨:哈尔滨工业大学,2016.4孙炜,吕云峰,唐宏伟,等.基于一种基于改进A*算法的移动机器人路径规划J.湖南大学学报（自然科学版）,2017,44(4):94-101.5马帅,王子铭.移动机器人路径规划实现方法研究J.河南科技,2020,39(29):14-16.6刘亚秋,赵汉琛,刘勋,等.一种改进的快速扩展随机树的工业机器人路径避障规划算法J.信息与控制,2021,50(2):235-246.7王晓燕,杨乐,张宇,等.基于改进势场蚁群算法的机器人路径规划J.控制与决策,2018,33(10):1775-1781.栅格环境算法路径长度（L）拐点数迭代频次20202D ACO32.6313522D ACO-APF30.387122.5D ACO-APF29.8058优化0.5824表1实验1运行结果(上接第103页)(上接第129页)136