论文部分内容阅读
在机器人导航技术研究中,路径规划是自主移动机器人研究领域的重要内容之一路径规划按照某种优化准则(工作代价最小、路径最短、时间最短),在机器人的工作空间中寻找一条从起始位置到目标位置的无碰撞最优或次优路径。论文针对RRT(Rapidly-Exploring Random Tree,快速搜索随机树)局部路径规划算法存在的问题进行分析并改进,并在MATLAB软件平台和ROS(Robot operating system,机器人开源操作系统)对算法进行验证。首先介绍了自主移动机器人的研究背景,简要介绍了国内外自主移动机器人的研究现状,综述了自主移动机器人导航的关键技术和研究热点。其次综述了 TurtleBot2机器人导航中使用的关键技术—SLAM(Simultaneous localization and mapping,实时定位和建图)技术,全局路径规划算法A*、Dijkstra和局部路径规划算法DWA(Dynammic Windows Approach,动态窗口法)。针对DWA算法容易陷入极小值以及在复杂的环境下算法的成功率较低的缺点,论文使用改进的RRT算法作为TurtleBot2导航中的局部路径规划算法。在复杂的室内环境,RRT路径规划算法向目标区域探索路径,存在收敛速度慢、规划路径过长的缺点。论文提出一种改进的RRT路径规划算法,该算法结合目标偏向策略,使算法快速向目标节点收敛;对选取节点的度量函数,加入了角度的影响;同时引入贪心剪枝策略,对冗余节点进行剪枝,提高了路径规划算法的效率;通过MATLAB仿真实验,验证了该算法的有效性。为了验证改进的RRT路径规划算法在机器人实际导航中的可行性,论文基于ROS搭建整个导航系统的整体架构,同时以TurtleBot2机器人和激光雷达RPLIDARA2作为实验的硬件平台,在静态障碍的环境中对系统进行导航测试。机器人在未知环境中,采用SLAM技术准确自定位和构建周围环境的先验地图,然后根据先验地图,TurtleBot2机器人自主从起始位置出发,在移动的过程中根据传感器测量到的实时数据更新局部地图并估计自身的位姿,准确、快速、安全的到达目标位置。实验结果表明:改进的算法在实际机器人的导航中具有可行性。