基于MRDS的清潔機器人室內路徑規劃算法的仿真實現*

尹力偉，梅志千，謝保春，李向國

(河海大學機電工程學院，江蘇常州213022)

0 引言

智能清潔機器人是家用服務機器人的一種，具有掃地省時，省力、功能多樣化、輕便小巧等特點，可大大減輕人的勞動負擔，正成為機器人研究的熱點，它具有較多的科研價值和廣闊的市場前景［1］。

針對清潔機器人在室內的路徑規劃算法，國內外許多學者進行了大量研究，蔣玉杰等［2］提出在構建的柵格地圖下，運用遺傳算法搜索策略在起點與目標點之間尋求最優路徑，機器人只需在這兩點之間的不同路線上進行來回清掃就能達到全區域覆蓋的要求。馬正華等［3］將工作環境劃分為若干個無障礙的小區域，然后以深度優先搜索算法確定每一個區域的連接順序，最后以該順序依次以螺旋收縮算法進行遍歷。T.Palleja 等［4］提出了往返式梳字型路徑和內螺旋式回字型路徑等規劃式全區域覆蓋路徑規劃方法，無需建立環境模型。但清潔機器人難以適應未知的室內環境，使它的路徑規劃算法的研究至今仍然是一個難題［5］。

本研究分析機器人相對定位的數學模型，在微軟機器人開發平臺MRDS 的環境下，以周學益等［6］提出的迂回式路徑規劃、包圍式路徑規劃算法為基礎，仿真迂回式路徑規劃、回字形路徑規劃、包圍式路徑規劃和啟發式路徑規劃算法。針對這4 種路徑規劃算法在MRDS 中進行仿真實驗，將啟發式路徑規劃中激光測距儀的返回數據進行處理。通過比較單位時間內各路徑規劃算法的轉彎角度，得出啟發式路徑規劃算法優于其他路徑規劃算法的結論。

1 機器人相對定位的數學模型

機器人最基本的運動動作是前進，后退，左轉，右轉，準確地完成這些動作是機器人完成相對定位的基礎。本研究使用雙驅動式行走機構模型，借助編碼器和電子羅盤，對機器人的相對定位進行運動學分析。

首先，提出一些必要的假設和說明，把雙驅動輪行走機構模型理想化:

(1)機器人行走輪與地面滾動摩擦系數較大，不打滑。

(2)車身為剛體不變形。兩驅動輪縱向方向完全平行，兩輪與地面接觸點之間距離保持恒定，兩輪不變形，半徑相同且恒定。

建立絕對坐標系XOY 和相對坐標系uov，清潔機器人由位置1 運動到位置2，相對定位數學模型圖如圖1所示。機器人自帶的激光測距儀0°方向即位u 軸正方向，180°為u 軸負方向。

圖1 相對定位數學模型圖

式中:W—兩輪間距，D—兩輪直徑，θ—絕對坐標機器人的航向，ΔS—兩個位置機器人的移動距離，x—橫坐標，y—縱坐標，a—編碼器轉一圈的脈沖數，ml—左輪編碼器返回的脈沖數，mr—右輪編碼器返回的脈沖數。

左、右編碼器讀出返回的脈沖數ml和mr，電子羅盤讀取θ+Δθ 的角度值，式(1，2)即為相對定位的坐標計算公式。

2 路徑規劃算法分析

清潔機器人的規劃式全區域覆蓋路徑規劃算法無需建立環境模型，實際應用很多而且技術成熟［7-8］。常用的有迂回式路徑規劃、回字型路徑規劃、包圍式路徑規劃和啟發式路徑規劃算法等。下面本研究對這些路徑規劃算法進行具體分析，在MRDS 中以這些具體算法為基礎進行可視化編程。

2.1 迂回式路徑規劃

迂回式路徑規劃的算法如下:機器人向前行走，激光測距儀檢測到前方有障礙物，機器人左轉90°，向前行走0.3 m 后，左轉90°，機器人繼續往前行走。激光測距儀檢測到前方有障礙物，機器人右轉90°，向前行走0.3 m 后，右轉90°，機器人向前行走，不斷循環以上路徑，迂回式遍歷地圖環境，直到仿真時間結束。

2.2 回字形路徑規劃

回字形路徑規劃算法如下:初始設置邊長X=0.5 m，機器人向前行走X，左轉90°，繼續向前行走X，左轉90°。然后X 增加0.3 m，即X=X +0.3，機器人向前行走X，重復以上循環。行走的過程中激光測距儀判斷前方是否有障礙物，一旦檢測到障礙物，機器人立即左轉90°，并回到循環狀態。機器人以回字形算法遍歷地圖環境，直到仿真時間結束。

2.3 包圍式路徑規劃

包圍式路徑規劃算法如下:首先機器人以充電點位原點，機器人激光測距儀測量右前方50°方向的距離X，設定初始邊界探測距離為X=0.3 m，如果激光測距儀檢測到右前方50°方向與障礙物的距離大于或等于X，機器人會向右轉，向墻靠近，否則，向左轉，拉開與墻的距離。機器人返回到充電原點后，激光測距儀的探測距離增加0.2 m，即X=X +0.2，激光測距儀繼續檢測右前方50°到障礙物的距離，循環以上過程，直到仿真時間結束。

2.4 啟發式路徑規劃

啟發式路徑規劃算法如下:結合圖1 中機器人的相對坐標系uov，機器人開始向前運動，激光測距儀的檢測到90°方向的距離小于0.5 m，說明前方有障礙物，機器人停下，并判斷0°和180°激光測距儀返回的距離，如果激光測距儀0°的距離大于180°的距離，說明右邊的距離較大，機器人右轉90°，向該位置時u 軸的正方向運動，如果0°的距離小于180°的距離，說明左邊的距離較大，機器人左轉90°，向此位置時u 軸的負方向運動，選擇結束后，機器人繼續向前行走，進入循環狀態，直到仿真時間結束，效果如圖2所示。

圖2 啟發式路徑規劃效果圖

3 仿真與結果分析

MRDS 是一種輕量級實時定向服務的、具有高可擴展性和能夠廣泛應用在機器人技術的應用環境。MRDS 平臺運行時，它能夠滿足大部分機器人應用的需求［9］。MRDS 支持很多機器人硬件平臺，它提供了一套可視化編程語言，可視化編程語言是圖形化、模塊化的語言，用戶可以通過圖形模塊進行編程［10］。

本研究所選軟件有Visual Studio 2008，MRDS 2008 R3，ProMRDS 2008，筆者選擇仿真機器人為先鋒機器人P3DX，在MRDS 中，對以上4 種路徑規劃算法進行可視化編程。編寫的程序和機器人之間的對應關系是通過配置文件manifest 來完成的，選擇機器人的manifest 為simulatedlrf SimpleVisionSim.Manifest.xml來調試程序，這4 種路徑規劃算法使用相同的室內環境。程序運行時，機器人傳感器的數據會發送到特定的網頁，隨著機器人運動傳感器的讀數不斷刷新，將傳感器的數據保存并在Matlab 中分析處理。

3.1 激光測距儀的數據處理

MRDS 中Simulated Laser Ranger Finder 的服務模擬了先鋒機器人的Sick LMS 200 距離傳感器。LMS 200 用一個可旋轉的鏡子控制激光的發射，鏡子旋轉時，激光掃描的范圍從0°～180°，形成一個扇形區域，當有物體在該扇形區域時，將會把激光反射回傳感器，機器人根據激光從傳感器發出到反射回來的時間長短來計算與障礙物的距離。

在啟發式路徑規劃算法中，把機器人初始位置時0°～180°激光測距儀的數據進行處理，初始位置時激光測距儀的數據如圖3所示。

圖3 初始位置時激光測距儀的數據

機器人在激光測距儀90°方向距離障礙物0.5 m處停止，激光測距儀數據返回如圖4所示。激光測距儀0°的返回值小于180°的返回值，說明機器人右邊有障礙，所以機器人接下來向左轉90°，向該位置時u 軸的負方向運動。

圖4 距離障礙物0.5 m 處激光測距儀的數據

3.2 轉彎角度的比較

本研究使用簡化方式來定義算法的有效性，將機器人從出發到結束所需要的轉彎角度的總和作為評價機器人完成任務能力的標準［11］。機器人轉彎角度的總和機器人性能有關，為了使轉彎準確，轉彎時必須使用較小的驅動力。機器人轉彎的角度越大，說明機器人行走的直線距離越少，覆蓋的路徑越小。在仿真環境中，本研究以120 s 為單位，使用相同的速度控制機器人，比較4 種路徑規劃算法的轉彎角度。

在包圍式路徑規劃中，機器人一直在左右轉彎，沒有直線行走，包圍式路徑規劃路線圖如圖5所示。本研究對機器人的轉彎角度進行估算。由試驗可知，左、右輪動力源百分比為20%和10%時，機器人右轉1 s約轉25°，左、右輪動力源百分比為0%和20%時，機器人左轉1 s 約轉50°。試驗得出機器人右轉總度數比左轉總度數多750°，總轉彎時間為120 s。由此可計算機器人右轉時間約為90 s，左轉時間約為30 s，機器人總轉彎角度約3 750°。

圖5 包圍式路徑規劃路線圖

本研究將迂回式路徑規劃、回字形路徑規劃、啟發式路徑規劃的總轉彎角度直接讀出，有關數據如表1所示。

表1 不同路徑規劃下的轉彎角度

由表1 可知，在120 s 內，啟發式路徑算法的轉彎角度最小，行走的直線距離最長，覆蓋的路徑最大，因此，在使用轉彎角度的評價標準下，啟發式路徑規劃算法優于其他算法。

3.3 各路徑規劃算法的優缺點

經過仿真試驗，以上4 種路徑規劃算法的各有優、缺點。

迂回式路徑規劃和回字形路徑規劃的優點是簡單實用，無重復路徑，具缺點是遍歷環境時有死角位置，無法覆蓋全部區域，需要通過機器人的定位和建立環境地圖實現機器人的全區域覆蓋。

包圍式路徑規劃優點是遍歷環境無死角位置，無重復路徑。缺點是機器人需要處在封閉的環境中，不能有孤島障礙物的干擾，而且激光測距儀量程有限，無法檢測測量范圍以外的環境邊界。

啟發式路徑規劃優點機器人根據當前的環境信息確定最佳路徑，單位時間內行走的路徑最長，轉彎角度最小。缺點是機器人行走的路徑沒有規劃，可能會走重復路徑。

4 結束語

本研究利用MRDS 具有的強大仿真環境搭建能力，為清潔機器人的路徑規劃提供了良好的仿真平臺。實驗結論表明，這4 種路徑規劃算法實用性和可操作性較強，可以應用于多種機器人實驗平臺，對清潔機器人路徑規劃算法的實踐具有一定的應用價值。

經過比較，啟發式路徑規劃中機器人能夠收集盡可能多的環境信息，并根據當前的環境信息確定最佳路徑，在相同時間內，能使用更少的轉彎角度，算法優于其他路徑規劃算法，在實際應用中有更大的推廣性。

［1］李 航，宋春華，羅勝彬，等.機器人的研究現狀及發展趨勢［J］.微特電機，2013，41(4):49-51.

［2］蔣玉杰，曾 岑.清潔機器人基于遺傳算法的全區域路徑規劃［J］.機械制造，2009，47(5):18-20.

［3］馬正華，李 敏，章 明，等.智能吸塵器全覆蓋遍歷路徑規劃及仿真實現［J］.測試技術，2012，31(2):99-102.

［4］PALLEJA T，TRESANCHEZ M，TEIXIDO M，et al.Modeling floor-cleaning coverage performances of some domestic mobile robots in a reduced scenario［J］.robotics and autonomous systems，2010，58(1):37-45.

［5］張英杰.清潔機器人控制系統設計及幾何地圖匹配定位的實現［D］.哈爾濱:哈爾濱工業大學機械工程學院，2009.

［6］周學益.清潔機器人全區域覆蓋路徑算法與避障控制研究［D］.重慶:重慶大學自動化學院，2007.

［7］趙曉東，鮑 方.清潔機器人路徑規劃算法研究綜述［J］.機電工程，2013，30(11):1440-1444.

［8］鄭向華.基于FluidSIM 的清洗機器人柔性自動跟蹤清洗功能設計與仿真實現［J］.液壓氣動與密封，2013(2):83-84.

［9］麥曉春，張新征，楊厚強，等.基于微軟機器人控制真平臺的路徑規劃仿真［J］.計算機應用，2013，33(S1):55-58.

［10］JOHNS K，TAYLOR T.Professional Microsoft Robotics Developer Studio［M］.Indiana:Wiley Publishing，2008.

［11］陳以農，陳文智.計算機科學導論基于機器人的實踐方法［M］.北京:機械工業出版社，2013.