基于安全A?與DWA 算法融合的軍隊(duì)車場巡檢機(jī)器人路徑規(guī)劃①

金 梅 李清天 張立國

(燕山大學(xué)電氣工程學(xué)院 秦皇島 066000)

0 引言

車場日是陸軍部隊(duì)一項(xiàng)經(jīng)常性的車輛技術(shù)狀況管理制度,其目的在于恢復(fù)和保持車輛、器材的良好狀態(tài),以保證完成各項(xiàng)執(zhí)勤備戰(zhàn)任務(wù)的需要。由于陸軍在組織實(shí)施車場日過程中,存在方法不當(dāng)、質(zhì)量不高、人員重視程度低等問題,巡檢機(jī)器人被逐漸引入進(jìn)來。巡檢機(jī)器人可以通過搭載設(shè)備對戰(zhàn)士進(jìn)行有效監(jiān)管、指導(dǎo)幫扶及自動化檢查評比,實(shí)現(xiàn)高效、高質(zhì)、自動化,是傳統(tǒng)攝像監(jiān)控設(shè)備所不能及的,其中路徑規(guī)劃是巡檢機(jī)器人有效作業(yè)的重要前提[1-2]。

目前根據(jù)機(jī)器人的作業(yè)范圍,可以將路徑規(guī)劃分為靜態(tài)全局環(huán)境的全局路徑規(guī)劃和基于局部障礙的局部路徑規(guī)劃方法。常見的全局路徑規(guī)劃算法有基于節(jié)點(diǎn)的Dijkstra、A?算法,基于采樣的快速搜索隨機(jī)樹方法和基于啟發(fā)式的遺傳算法、蜂群算法等。局部路規(guī)劃算法主要有人工勢場法、動態(tài)窗口法等[3-5]。

A?算法在機(jī)器人的路徑規(guī)劃問題中應(yīng)用相當(dāng)廣泛,受其節(jié)點(diǎn)搜索策略的影響,存在得到路徑非最優(yōu)、規(guī)劃的路徑拐點(diǎn)較多等問題。文獻(xiàn)[6]通過簡化路徑坐標(biāo)點(diǎn)和計(jì)算拐點(diǎn)處旋轉(zhuǎn)方向和角度對A?進(jìn)行了兩方面的改進(jìn),簡化了路徑,提高了機(jī)器人行進(jìn)的準(zhǔn)確性,但未解決規(guī)劃路線拐點(diǎn)較多的問題且運(yùn)行時(shí)間增加實(shí)時(shí)性不高。文獻(xiàn)[7]提出了跳點(diǎn)搜索算法,通過在拓展節(jié)點(diǎn)的過程中篩選出有代表性的跳點(diǎn),只針對跳點(diǎn)拓展,從而減小了計(jì)算量,提高了速度,但存在內(nèi)存消耗大,計(jì)算花費(fèi)時(shí)間較長的問題。文獻(xiàn)[8]通過加入預(yù)處理的方法對其進(jìn)行了改進(jìn),解決了實(shí)時(shí)性的問題,但拐點(diǎn)較多的問題依然沒有解決。文獻(xiàn)[9]提出了將搜索鄰域拓展到24 鄰域的方法,使得軌跡更加平滑,但所選鄰域過多,導(dǎo)致計(jì)算耗時(shí)較大,且不具有局部避障的能力。文獻(xiàn)[10]結(jié)合曼哈頓距離和歐幾里得距離提出一種新的啟發(fā)函數(shù),改進(jìn)了關(guān)鍵點(diǎn)選取策略,并且融合了A?和動態(tài)窗口法,使得算法同時(shí)具備局部避障能力。但上述傳統(tǒng)的路徑規(guī)劃算法中,最終規(guī)劃的路徑在直角邊處往往距離障礙過近,使得機(jī)器人存在極大的與障礙物發(fā)生碰撞的危險(xiǎn),特別是在軍隊(duì)車場環(huán)境下,存在較多直角邊,可能導(dǎo)致巡檢機(jī)器人損壞或破壞軍隊(duì)?wèi)?zhàn)車等負(fù)面影響,造成不必要的損失,影響作業(yè)效率。

針對上述問題,本文使用危險(xiǎn)指數(shù)來表示潛在碰撞程度,并基于此重新定義啟發(fā)函數(shù)從而提出一種安全A?算法,解決了傳統(tǒng)A?算法在直角邊處與障礙物存在較高碰撞風(fēng)險(xiǎn)的問題,提高了導(dǎo)航的安全性。同時(shí)將其搜索鄰域擴(kuò)展并去除同方向冗余子節(jié)點(diǎn),由傳統(tǒng)的8 鄰域搜索優(yōu)化到16 鄰域搜索,提高了搜索效率,減少轉(zhuǎn)折點(diǎn)個(gè)數(shù),提高了巡檢機(jī)器人工作效率。最后將改進(jìn)的A?算法和動態(tài)窗口法結(jié)合,使得算法能同時(shí)具備全局路徑規(guī)劃和局部的動態(tài)避障能力,符合軍隊(duì)車場巡檢躲避臨時(shí)擺放的雜物和正在作業(yè)的戰(zhàn)士的要求。

1 軍隊(duì)車場環(huán)境建模

在路徑規(guī)劃問題中,首先需要建立環(huán)境地圖。依據(jù)軍隊(duì)車場地形規(guī)整(見圖1)、直角邊較多的特點(diǎn),這里選擇使用簡單有效且直觀的柵格法來建立環(huán)境地圖[11]。將巡檢機(jī)器人所在環(huán)境用大小相同的正方形柵格來表示,被填充的柵格表示障礙物,未被填充的表示可行進(jìn)區(qū)域。根據(jù)軍隊(duì)車場地圖建模如圖2 所示,其中戰(zhàn)車及其停車基座、墻壁、柱子、雜物均已填充表示為固定障礙物(圖中1 柵格寬度的條形障礙物表示車庫的墻壁和柱子,4×9 的矩形障礙物塊表示停放的8 輛戰(zhàn)車及其停車基座),設(shè)定單位柵格邊長為1 m,在此基礎(chǔ)上進(jìn)行路徑規(guī)劃。

圖1 軍隊(duì)車場地形

圖2 中,白色柵格表示自由區(qū)域,黑色柵格表示障礙區(qū)域,每個(gè)柵格都有唯一的序號和對應(yīng)的位置坐標(biāo)。柵格序號和對應(yīng)坐標(biāo)之間的轉(zhuǎn)換關(guān)系如下[12]。

圖2 移動機(jī)器人柵格環(huán)境圖

其中,(xi,yi)表示第i個(gè)柵格的位置坐標(biāo);i是柵格的序號;mod( )是冗余運(yùn)算符;ceil()是正無窮大的舍入運(yùn)算符;Nx和Ny分別是行和列方向的柵格數(shù)。

2 所提路徑規(guī)劃方法

2.1 全局安全路徑規(guī)劃

2.1.1 路徑規(guī)劃階段的危險(xiǎn)指數(shù)設(shè)計(jì)

在移動機(jī)器人同障礙物共存的軍隊(duì)停車場環(huán)境中,保障移動機(jī)器人運(yùn)行的安全性對提升機(jī)器人的導(dǎo)航效率有著至關(guān)重要的意義。因此,必須對環(huán)境中機(jī)器人運(yùn)行的安全性進(jìn)行量化估計(jì),以改善移動機(jī)器人在環(huán)境中的安全自主導(dǎo)航性能。危險(xiǎn)指數(shù)(danger index,DI)可以用于評估機(jī)器人運(yùn)行過程中與障礙物存在的潛在碰撞程度[13]。該指標(biāo)可以量化移動機(jī)器人同障礙物之間的安全距離與碰撞程度,用于提升移動機(jī)器人運(yùn)行過程中的安全自主性。

在機(jī)器人路徑規(guī)劃的階段,機(jī)器人同障礙物之間的距離是影響機(jī)器人安全性的重要因素[14]。如果障礙物同機(jī)器人的距離過小,會導(dǎo)致移動機(jī)器人直接和障礙物相撞,反之控制好這個(gè)距離可以改善機(jī)器人的運(yùn)行安全性(如圖3 所示),避免機(jī)器人與障礙物相碰。將障礙物和移動機(jī)器人之間的危險(xiǎn)指數(shù)定義如下。

其中,δ為距離比例因子,具體計(jì)算為δ=,Dmax為障礙物對移動機(jī)器人安全影響的最大距離,Dmin為機(jī)器人與障礙物之間接觸的最小距離,dk為機(jī)器人當(dāng)前位置為障礙物之間的距離(如圖3 所示)。

圖3 基于危險(xiǎn)指數(shù)的移動機(jī)器人安全域示例

2.1.2 基于危險(xiǎn)指數(shù)的安全A?算法

在移動機(jī)器人路徑規(guī)劃領(lǐng)域中,Dijkstra 算法是最早被提出用于最優(yōu)路徑的搜索,該算法具有良好的性能[15]。與Dijkstra 算法相比,A?算法的提出極大提升了路徑的搜索效率,通過提出啟發(fā)式路徑搜索策略,引入了評價(jià)函數(shù)用來指導(dǎo)節(jié)點(diǎn)的擴(kuò)展與搜索,提升了算法收斂速度與機(jī)器人路徑規(guī)劃的效率。該算法在盡可能保證最優(yōu)路徑的同時(shí),可以減少搜索時(shí)間,提高路徑的搜索效率。根據(jù)定義的代價(jià)條件,A?算法確定從給定起始節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的最小代價(jià)路徑。A?算法在起始節(jié)點(diǎn)上開展路徑搜索,從起始節(jié)點(diǎn)到當(dāng)前節(jié)點(diǎn)k的路徑成本可以根據(jù)行進(jìn)距離G(k)來計(jì)算,即:

其中,k表示要搜索的當(dāng)前節(jié)點(diǎn),sk-1,k表示2 個(gè)連續(xù)節(jié)點(diǎn)k-1 和k之間的距離。

A?算法最小成本路徑是由參與節(jié)點(diǎn)產(chǎn)生的路徑成本決定的,而剩余路徑的最小成本是通過啟發(fā)式函數(shù)H(k)來評估。由此可知,A?算法是以最短的距離和最小的完成時(shí)間代價(jià)完成最優(yōu)路徑選擇。A?算法的評估函數(shù)定義如下[16]。

其中H(k)=sk,goal,sk,goal表示節(jié)點(diǎn)k和目標(biāo)節(jié)點(diǎn)之間的距離。

傳統(tǒng)A?算法以8 鄰域算法搜索節(jié)點(diǎn)策略為基礎(chǔ),導(dǎo)致在這種搜索策略下,規(guī)劃出的路徑存在路徑冗余的節(jié)點(diǎn)和拐點(diǎn)[17]。機(jī)器人在運(yùn)行過程中需要不斷地轉(zhuǎn)向,直接導(dǎo)致機(jī)器人的運(yùn)行效率低。其搜索模式如圖4 所示。因此為了改進(jìn)搜索方向,本文提出基于16 鄰域的搜索節(jié)點(diǎn)策略來改進(jìn)路徑存在冗余拐點(diǎn)的不足,改進(jìn)策略如圖5 所示。該方法有助于去除同方向的多余子節(jié)點(diǎn),突破傳統(tǒng)A?算法節(jié)點(diǎn)移動方向的局限性,提高A?算法的搜索效率。

圖4 8 鄰域搜索方式

圖5 16 鄰域搜索方式

基于前述危險(xiǎn)指數(shù)的定義,為保障移動機(jī)器人運(yùn)行的安全性,重新定義如下啟發(fā)式函數(shù)H(k)。

于是得到改進(jìn)后的A?算法評價(jià)函數(shù)如下。

基于危險(xiǎn)指數(shù)的安全A?算法的流程圖如圖6所示。

圖6 安全A?算法流程圖

2.2 動態(tài)窗口法

動態(tài)窗口方法(dynamic window approach,DWA)是機(jī)器人局部路徑規(guī)劃中主流的方法,它可以跟蹤機(jī)器人基于全局規(guī)劃生成的全局路徑,同時(shí)結(jié)合實(shí)時(shí)避障原理,實(shí)現(xiàn)機(jī)器人的自主安全導(dǎo)航[18]。

2.2.1 機(jī)器人運(yùn)動模型

首先需要建立移動機(jī)器人的運(yùn)動模型,基于運(yùn)動模型才能進(jìn)一步探索機(jī)器人運(yùn)行的軌跡特點(diǎn),依據(jù)非完整約束的通用模型建立機(jī)器人運(yùn)動模型如圖7所示。在本文中假設(shè)機(jī)器人的移動軌跡是一段圓弧,那么可以通過微分的原理將路徑軌跡劃分為許多段小圓弧,然后以一對運(yùn)動指令(vi,wi)來代表一小段的圓弧軌跡。對于一個(gè)移動機(jī)器人而言,其運(yùn)動學(xué)模型可以描述如下[10]。

圖7 機(jī)器人運(yùn)動模型

其中,[xt+dt,yt+dt,θt+dt]T表示機(jī)器人在時(shí)間t+dt時(shí)在世界坐標(biāo)系中的位置,[xt,yt,θt]T表示機(jī)器人在時(shí)間t時(shí)在世界坐標(biāo)系中的位置,[dx,dy,dθ]T表示機(jī)器人在時(shí)間dt時(shí)的位置。底盤坐標(biāo)系中的理想變化量,[dx,dy,dθ]T=[vxdt,vydt,wdt]T,vx、vy為機(jī)器人在底盤坐標(biāo)系中沿x和y軸的線速度,w表示移動機(jī)器人的角速度。

2.2.2 速度采樣

根據(jù)上文描述的機(jī)器人運(yùn)動模型,通過約束機(jī)器人的速度,可以有效采集到機(jī)器人的速度,并推算出機(jī)器人在該采集速度下的運(yùn)行軌跡。機(jī)器人的搜索空間受到機(jī)器人的運(yùn)動學(xué)約束Vk、動力學(xué)約束Vb和障礙物約束Vo的限制[17]。機(jī)器人運(yùn)動學(xué)約束了機(jī)器人采樣速度和角速度的上下界。機(jī)器人動力學(xué)約束是基于電機(jī)性能對于機(jī)器人運(yùn)行速度的限制,因受到電機(jī)轉(zhuǎn)矩的限制,機(jī)器人實(shí)際能夠到達(dá)的速度被限制在一定的范圍之內(nèi)。為保障一定機(jī)器人的安全性,障礙物約束作用是避免移動機(jī)器人同障礙物之間的碰撞,當(dāng)機(jī)器人檢測到障礙物時(shí),需要立即減速,從而達(dá)到有效避障的目的。

相關(guān)約束描述如下。

其中,vmin和vmax代表機(jī)器人速度的上限和下限,wmin和wmax表示機(jī)器人角速度的上限和下限,vc是小車的當(dāng)前線速度,wc是當(dāng)前角速度,分別對應(yīng)線加速度的上限和下限,分別對應(yīng)角加速度的上限和下限,dmin表示機(jī)器人在下一時(shí)刻與障礙物的距離。

2.2.3 DWA 評價(jià)函數(shù)設(shè)計(jì)

通過設(shè)計(jì)path(v,ω)評價(jià)子函數(shù),可以提高局部路徑描述和全局路徑描述的融合權(quán)重(見圖8)。設(shè)計(jì)公式為

圖8 path(v,ω)評價(jià)函數(shù)示例

其中(x1,y1)為DWA 模擬出的局部路徑末端坐標(biāo),(x2,y2)為全局路徑規(guī)劃節(jié)點(diǎn)坐標(biāo)。

通過機(jī)器人在運(yùn)行過程中需要不斷進(jìn)行速度采樣工作,可以確定機(jī)器人的速度搜索空間,篩選有效的采樣速度簇就可以有效推算出機(jī)器人的多條路徑軌跡。然而,對于眾多的軌跡需要采用一個(gè)評價(jià)準(zhǔn)則來選擇最優(yōu)軌跡,于是本文設(shè)計(jì)評價(jià)函數(shù)為

其中,heading(v,ω)用于測量朝向目標(biāo)的進(jìn)度,當(dāng)機(jī)器人直接移動到目標(biāo)時(shí),該進(jìn)度最大;dist(v,ω)表示到靜態(tài)障礙物或臨時(shí)障礙物的最近距離;vel(v,ω)代表前進(jìn)速度;path(v,ω)子函數(shù)為提高局部路徑和全局路徑的融合權(quán)重。ε、τ、π和γ是權(quán)重,σ是4 個(gè)評價(jià)函數(shù)的歸一化參數(shù)。

最后動態(tài)窗口法通過選擇最小的G(v,ω)值下的路徑軌跡作為機(jī)器人的最優(yōu)路徑。

2.3 基于安全A?算法與動態(tài)窗口法的融合路徑規(guī)劃方法

動態(tài)窗口法具備良好的避障性能,然而在機(jī)器人的運(yùn)行過程中,機(jī)器人只能采集到部分局部環(huán)境信息,這容易引導(dǎo)機(jī)器人陷入局部最優(yōu)解[16]。由于采集信息的不完備性,本文將基于安全A?算法搜索的全局路徑信息作為DWA 的先驗(yàn)路徑信息,設(shè)計(jì)融合函數(shù)對全局路徑信息和DWA 局部軌跡信息進(jìn)行實(shí)時(shí)約束,可以有效解決移動機(jī)器人陷入局部最優(yōu)解的問題,從而提升移動機(jī)器人的導(dǎo)航性能。因此,實(shí)現(xiàn)安全A?算法與動態(tài)窗口法的結(jié)合,可以有效獲得全局最優(yōu)的路徑軌跡,同時(shí)可以保障移動機(jī)器人實(shí)時(shí)避障的能力。具體融合算法的實(shí)現(xiàn)如圖9所示。

具體實(shí)現(xiàn)步驟為:首先,依據(jù)前文搭建的環(huán)境模型,建立機(jī)器人運(yùn)動的柵格環(huán)境地圖;其次,給定起始點(diǎn)和終點(diǎn),采用安全A?算法搜索有效的全局安全路徑,保存機(jī)器人的路徑信息Path_list;然后,讀取安全路徑信息Path_list,通過檢測環(huán)境中出現(xiàn)的臨時(shí)障礙物,以安全A?算法的有效路徑節(jié)點(diǎn)為DWA 的子目標(biāo)點(diǎn)進(jìn)行實(shí)時(shí)路徑規(guī)劃;最后,通過篩選最小的G(v,ω)值,規(guī)劃出最優(yōu)的安全路徑。

3 仿真與實(shí)驗(yàn)

本文以Matlab 為仿真平臺,依據(jù)文獻(xiàn)[18-20],通過合理的參數(shù)設(shè)置可以提升移動機(jī)器人的導(dǎo)航性能。移動機(jī)器人的仿真參數(shù)設(shè)置如下:移動機(jī)器人的最大速度為0.6 m/s,移動機(jī)器人的最大角速度設(shè)置為3.6 rad/s,根據(jù)已有文獻(xiàn)的經(jīng)驗(yàn)數(shù)據(jù)設(shè)置移動機(jī)器人的數(shù)據(jù)采樣周期為0.1 s,動態(tài)窗口法的評價(jià)函數(shù)的加權(quán)系數(shù)ε=0.1、τ=0.2、π=0.4 和γ=0.3。

3.1 仿真驗(yàn)證與結(jié)果分析

3.1.1 驗(yàn)證安全A?算法

首先驗(yàn)證所提的基于危險(xiǎn)指數(shù)的安全A?算法。通過設(shè)置安全A?算法、傳統(tǒng)A?算法以及改進(jìn)A?算法[20],對比并驗(yàn)證所提安全A?算法的有效性及可行性。依據(jù)前文搭建的軍隊(duì)裝甲車停車場的環(huán)境模型,設(shè)置合理的移動機(jī)器人仿真配置環(huán)境。

定期檢查保養(yǎng)車輛、維護(hù)車場設(shè)施、整理車場內(nèi)務(wù),離不開移動機(jī)器人的廣泛運(yùn)用,在任務(wù)期間對整個(gè)車場開展巡視工作可以有效幫助戰(zhàn)士開展工作。據(jù)此,本文采用多起點(diǎn)與多終點(diǎn)的仿真設(shè)置,通過依次連接環(huán)境中多個(gè)起始點(diǎn)和終點(diǎn),方便移動機(jī)器人巡視環(huán)境中的每一個(gè)位置。仿真結(jié)果如圖10、圖11和圖12 所示,分別為原始A?算法、改進(jìn)A?方法以及本文方法的路徑生成示意圖。仿真輸出結(jié)果如表1所示。此外,本文還依據(jù)軍隊(duì)車場直角邊多的特點(diǎn)搭建簡單環(huán)境驗(yàn)證所提方法的有效性,避免偶然性,仿真結(jié)果如圖13 所示,表2 對應(yīng)為輸出結(jié)果。

圖10 原始A?算法

圖11 改進(jìn)A?算法

圖12 本文方法

圖13 簡單環(huán)境仿真結(jié)果

由實(shí)驗(yàn)得到的路徑可以看出,原始A?算法在車輛后方(圖10 中序號①處)及墻壁(圖10 中序號②)規(guī)劃的路徑較差,出現(xiàn)了較多的拐點(diǎn),并且其路徑在轉(zhuǎn)彎處距離直角邊過近,極易發(fā)生碰撞;由圖11可以看出,改進(jìn)的A?算法拐點(diǎn)個(gè)數(shù)有所減少但碰撞風(fēng)險(xiǎn)依然存在;由圖12 可見,本文所提的安全A?算法轉(zhuǎn)折點(diǎn)最少,且在直角邊處保持了安全的距離,較好地解決了碰撞的問題。

表1 仿真結(jié)果表明,本文所提方法在處理軍隊(duì)裝甲車停車場的路徑規(guī)劃問題時(shí)具備良好的性質(zhì),即相對于其他兩種方法,安全A?算法可以獲得安全的路徑,且路徑轉(zhuǎn)折點(diǎn)更少,路徑長度更短。依據(jù)表2 結(jié)果,小環(huán)境中的安全A?算法具備路徑安全性,但是小環(huán)境下的仿真效果較其他方法優(yōu)勢不是特別突出。綜上,本文所提方法適用于大環(huán)境的軍隊(duì)裝甲車停車場的路徑規(guī)劃問題,且路徑具備良好的性質(zhì)。

表1 A?、安全A?以及改進(jìn)A?算法的仿真結(jié)果

表2 簡單環(huán)境仿真結(jié)果

3.1.2 驗(yàn)證混合路徑規(guī)劃方法

通過在環(huán)境中設(shè)置臨時(shí)障礙物代表突然出現(xiàn)的人或其他障礙物,以驗(yàn)證本文提出混合方法的有效性。依據(jù)前文設(shè)置的機(jī)器人仿真參數(shù),對仿真環(huán)境進(jìn)行合理設(shè)置。仿真結(jié)果如圖14 所示。輸出機(jī)器人的線速度、角速度以及角度曲線如圖15、圖16和圖17 所示。

圖14 混合方法仿真結(jié)果

圖15 移動機(jī)器人線速度

圖16 移動機(jī)器人角速度

圖17 移動機(jī)器人角度

混合方法的平滑路路徑長度為322.99 m,仿真時(shí)間為579.1 s。仿真結(jié)果表明,混合方法可以有效開展局部避障工作,且能夠避開突然出現(xiàn)的障礙物,具有較好的導(dǎo)航性能。

3.2 實(shí)物驗(yàn)證與結(jié)果分析

本文使用樹莓派3b +、rplidar A1 單線激光雷達(dá)、STM32F103、24 V 直流霍爾編碼器減速電機(jī)自行搭建機(jī)器人操作系統(tǒng)(ROS)平臺對本文所提混合方法進(jìn)行驗(yàn)證。首先依據(jù)搭建的環(huán)境模型,設(shè)置固定障礙物;然后給機(jī)器人設(shè)置起始點(diǎn)和終點(diǎn)。在機(jī)器人運(yùn)行過程中,突然人為加入臨時(shí)障礙物,測試機(jī)器人的局部避障性能。

圖18 所示為機(jī)器人實(shí)際環(huán)境下的運(yùn)行示意圖,共有2 次路徑規(guī)劃實(shí)驗(yàn),分別對應(yīng)圖18(a)、(b)、(c)和(d)、(e),其中前一次實(shí)驗(yàn)加入了臨時(shí)障礙。從實(shí)驗(yàn)結(jié)果可以看出,機(jī)器人能夠在保持安全距離的情況下有效避開固定的障礙物以及臨時(shí)加入的障礙物,并完成機(jī)器人路徑規(guī)劃任務(wù)。機(jī)器人狀態(tài)參數(shù)輸出結(jié)果如圖19 所示,分別輸出機(jī)器人的位置坐標(biāo)、線速度隨時(shí)間的變化趨勢、角速度隨時(shí)間的變化趨勢以及角度隨時(shí)間的變化趨勢。本次實(shí)驗(yàn)機(jī)器人運(yùn)行50.1 s,運(yùn)行距離為6.75 m。結(jié)果表明,機(jī)器人可有效避障并完成巡檢任務(wù)。

圖18 實(shí)物驗(yàn)證結(jié)果與現(xiàn)場環(huán)境對應(yīng)

圖19 機(jī)器人輸出結(jié)果

4 結(jié)論

本文就軍隊(duì)車場巡檢機(jī)器人工作情景,針對傳統(tǒng)路徑規(guī)劃算法所規(guī)劃路線在拐角處容易發(fā)生碰撞的問題,將危險(xiǎn)指數(shù)融入啟發(fā)函數(shù),提出一種安全A?算法,使得規(guī)劃的路徑在拐角處能與障礙保持一定距離,大幅降低碰撞的風(fēng)險(xiǎn);由傳統(tǒng)8 搜索鄰域擴(kuò)展并去除同方向冗余子節(jié)點(diǎn),平滑了路徑,提高搜索效率;并將改進(jìn)的A?算法所規(guī)劃的全局路徑返回與動態(tài)窗口法結(jié)合,使得巡檢機(jī)器人同時(shí)具備了局部動態(tài)避障能力。

本文在依據(jù)軍隊(duì)車場地形創(chuàng)建柵格地圖中,通過多起點(diǎn)多終點(diǎn)的仿真設(shè)置,模擬真實(shí)的巡檢情景,對傳統(tǒng)A?算法、改進(jìn)A?算法和本文所提安全A?算法進(jìn)行了對比驗(yàn)證,用簡單地圖作為補(bǔ)充驗(yàn)證,避免偶然性。實(shí)驗(yàn)表明,本文所提算法能夠有效降低拐角處碰撞風(fēng)險(xiǎn),且在運(yùn)行時(shí)間、轉(zhuǎn)折點(diǎn)數(shù)、規(guī)劃路徑上有較明顯優(yōu)勢。在仿真地圖設(shè)置臨時(shí)障礙運(yùn)行融合算法,證明了本文所提融合算法的可行性和有效性。使用ROS 小車平臺在自行搭建的真實(shí)物理環(huán)境下實(shí)驗(yàn),結(jié)果表明算法在真實(shí)環(huán)境下同樣具有安全路徑規(guī)劃和避開臨時(shí)障礙的能力,進(jìn)一步驗(yàn)證了本文算法的可行性和有效性。