[发明专利]一种清扫机器人全覆盖遍历路径规划算法的设计方法

说明书

技术领域

本发明涉及一种移动机器人路径规划方法，具体地说是一种清扫机器人全覆盖遍历路径规划算法的设计方法，属于机器人路径规划技术领域。

背景技术

随着经济建设的飞速发展和现代人生活节奏的加快，越来越多的人希望从繁重的家务劳动中解脱出来，智能化清扫机器人的出现正好满足了这种需求。清扫机器人在室内环境下运动，实现清扫、避障、路径规划等功能，这里尤其涉及到一项关键技术——全覆盖遍历路径规划算法，随着人工智能控制技术的发展和智能服务机器人的广泛应用，目前这项技术已经得到了深入研究。

全覆盖路径规划是指机器人以尽可能低的重复率遍历环境中的全部无障区，其目标是在封闭区域内实现最大覆盖率和最小重复率的行走路径。目前已经涌现出了很多相关算法。按照对环境的了解程度，全覆盖路径规划可分为两类：无环境模型的规划和基于环境模型的规划。环境未知情况下主要采用随机算法。随机算法不需要进行规划，所需的硬件设备的成本低，易实现，目前在大部分的家用清扫机器人里面仍旧使用。缺点在于重复率高，效率低。不基于地图的非随机移动策略均有不同程度的盲目性，难以提高覆盖效率。为了提高规划效率，大部分研究工作首先进行未知环境的地图重构，将未知环境转换为已知环境进行路径规划。因此目前已知环境下的路径规划算法研究较多。

已知环境下基于地图的全覆盖路径规划包括环境建模和路径搜索策略两个子问题。环境建模方法主要有势场栅格表示法、可视图法和拓扑图法等。势场栅格表示法是将运行区域划分为大致与机器人等大的小栅格，然后将根据机器人周围环境的状态对栅格进行赋值。常用的基于赋值栅格的搜索算法有Yang.S.X和Meng.M提出的基于生物激励神经网络算法，算法将房间划分成的小栅格作为一个神经元，通过生物激励神经网络模型的动力学激励公式来判断栅格的激励值大小。该算法的缺陷是随着环境规模的增大，存储栅格信息的空间也相应增大，路径规划的计算复杂程度也随之增大。杜元源等在发明专利“一种应用于扫地机器人的改进势场栅格法”(专利号：CN201510701062.X)中，结合牛耕式全覆盖路径规划算法使机器人在已知环境中规划出全局清扫路径，用以减少路径死节点与清扫盲点。可视图建模方法中经典的搜索算法是Neumann de Carvalho R等提出的模板法。模板法将机器人的行为划分为多种固定的模板，根据实际位置选择合适的模板，最后实现路径的遍历。此算法有利于编程，但机器人对环境的识别能力应较高，不适合较为复杂的环境。基于拓扑图模型常用的搜索算法是区域分解法。这种方法将机器人所要遍历的区域根据环境中的障碍物或其它方法分为若干子区域，通过对各子区域的遍历实现对整个区域的遍历。这种思想在很大的程度上降低了全局覆盖实现的难度，因此对区域分解法的研究是近年来的主要趋势。

区域分解法主要研究三方面的内容：目标区域的分解、子区域衔接和区域分解后子区域内的遍历方法。对目标区域进行分解是区域分解法的第一步骤，分解的结果直接影响各子区域间的衔接和各子区域内的遍历。因此目标区域的分解是至关重要的一步，也是目前研究的较多而且较成熟的一个方面。区域分解算法主要有Latombe提出的Trapezoidal(梯形)分解法和Howie Choset提出的Boustrophedon(牛耕式)算法。Trapezoidal算法将环境分解为梯形块，在单个分块中机器人通过往返移动来进行遍历。Boustrophedon算法是Trapezoidal算法的改进，其目的是减少由于分块过多而造成的重复遍历。在此基础上衍生出许多其他的算法。Wesley H Huang提出了线扫法，把“水平切割线”改为“任意倾角切割线”，把减少转弯次数即子区域总高度作为确定倾角的目标。田春颖等提出了矩形分解算法，对环境中的障碍物实行矩形化建模。在子区域分割工作完成之后，面临的就是子区域衔接问题了。目前普遍用到的方法是将子区域中心点抽象出来，构造成求解旅行商问题的优化连通图。求解方法有连续Hopfield人工神经网络，状态树搜索算法等。这些算法随着子区域的变大，不能保证搜索全覆盖距离最短。单元分解后子区域内的遍历方法有随机算法、梳状遍历和螺旋收缩式。随机算法最简单，但不能保证全覆盖，覆盖效率也较低。梳状遍历会留有由障碍物遮挡引起的未覆盖区域，障碍物越多，未覆盖区域就越多。螺旋收缩式的优点是可以走非矩形螺旋，缺陷是会留有未覆盖的区域，即陷入某个螺旋旋涡出不来，最终按结束条件停止行进。