一款履带机器人的覆盖规划方案

REF：智能割草机器人路径规划与控制技术研究

1. 电机计算

为满足履带机器人可以在 30°的斜坡上以 1m/s 的速度行走，要根据实际需求选择合适的驱动电机

25789af88e464a80f9710db40f7be8bd.png

2. 机器人模型

首先建立全局坐标系和局部坐标系，在割草机器人的运动过程中全局坐标系的位置和方向不变。割草机器人局部坐标系的位置和方向随割草机器人的移动而变化，原点位于割草机器人的中心位置，约定规定 X正方向为割草机器人的前进方向，Y的正方向与 X 轴垂直且指向前进方向的左侧。

85e8518eecc5e98658c902080afdc405.png

1651f2a78f4a7dc5a4b252824102d874.png

3. 路径规划

• 机器人的全遍历路径规划算法的性能指标：主要由遍历覆盖率、遍历重复率以及路径总长度三个性能指标来衡量，机器人在完成遍历作业时应该得到更高的覆盖率、更低的重复率以及更短的距离，但实际工作中无法做到面面俱到，基于实际需求首先应该提高遍历覆盖率，在提高算法遍历覆盖率的基础上减小遍历重复率和路径总长度。
• 遍历顺序：为了减少机器人转弯次数，针对栅格地图在横向和纵向距离不同的情况，采用了差异化的优先级遍历顺序，优先遍历距离更长的方向。

e7d8602181d5b627524fc56afbf22f1b.png

• 全局规划算法：A-star算法，本身是一种启发式全局路径规划算法，启发式函数通常使用欧几里得距离或曼哈顿距离来估计当前节点到目标节点的距离，为了全面覆盖使用曼哈顿距离

c155f0971fb6941eb8fb5b46e72126b4.png

• 局部规划算法：DWA 算法，根据移动的机器人的当前位置和速度状态，在速度空间中确定指定时间范围内的轨迹，首先使用完全知情算法 FISA 筛选可选择路径，然后基于 DWA 的其他评价函数生成路径集合。
  • 当 DWA 算法陷入局部最优解时，通常表现为在面临障碍物时无法及时做出避障动作，在到达最小安全距离时停止作业；在完成避障动作后反复围绕目标点运动无法到达目标点
  • 为提高机器人的运动速度，减小运动距离，FISA 的代价函数设置为角速度改变最小且可允许速度最快为代价最小； FISA 在每一个可允许区间采取随机生成一个值，由于进行反复迭代计算，随机生成的影响将最大限度的减小
  • DWA默认速度搜索空间受到机器人本体设计限制和操作环境约束的二维空间，分为三种类型：机器人的速度限制（底盘设计和电机性能等机械结构等因素所确定的线速度和角速度限制）、加速度限制（受机器人的电机功率和扭矩的影响）和障碍物限制
  • FISA（Fully Informed Search Algorithm） ，基于优化过程中得到的最优解和最差解以及候选解之间的随机相互作用，只需要常见的控制参数，如种群大小和迭代次数，而不需要任何特定于算法的控制参数，依赖于通过在当前迭代中从最好个体的位置减去最差个体的位置而获得的差异向量，确保了集合总是朝着更好的解决方案前进。

  

  46ea7cd14c922321fff31493fa3e3a1f.png

401fab5a3b77a4aee8e85fc2f3c574ef.png