摘要
扫地机器人是当前智能家居产品的典型代表，其所利用的视觉技术、激光测距技术、以及相应软件算法是智能化进程中最为前沿的技术。但目前扫地机器人性能仍需进一步提升，例如，在室内繁杂空间环境下，扫地机器人路径规划仍不合理，造成覆盖率低、重复率高、效率低等问题。本文针对复杂环境下的扫地机器人全覆盖路径规划算法展开研究，以提升机器人的运行效率和覆盖率。分别从地图优化、点对点路径优化和地毯智能语义分割三方面入手，对全覆盖路径进行优化和性能提升。具体内容如下: (1)首先进行激光雷达SLAM复杂室内环境地图构建方法研究。对Karto算法进行理论分析和实验测试，结果表明，复杂环境下Karto算法性能表现优秀，建图平均相对误差小于2％。针对全覆盖路径易受环境小障碍物和噪点的影响，提出一种基于图像处理的骨架地图生成方法，对二维栅格地图进行优化，保证了全覆盖路径的高覆盖率与低重复率。对优化后的地图进行了测试，全覆盖路径长度缩短13.34％,拐点数减少17.83％。 (2)针对点对点路径拐点多、路径长带来的效率低下等问题，对传统A*算法进行改进研究。在评价函数中加入环境信息，并优化搜索方式;通过双向搜索的方式去除多余节点，使路径更平滑。仿真实验表明，相对传统A*算法，改进后的算法拐点数减少31％,转折度数减少47.77％,提升了运行效率;在此基础上加入DWA局部路径规划，对机器人运动状态进行实时调整，融合后的路径规划算法可稳定对动态障碍物进行避障。 (4)使用三维点云场景语义分割方法进行地毯形位识别方法研究。首先对深度相机与激光雷达联合标定，使用ORB-SLAM2算法构建室内三维点云地图;然后制作地面场景三维点云数据集;最后，分别对不同形状底纹地毯进行场景语义分割实验。结果表明，测试精确可达0.765,地毯分割的交并比最高可达0.795。 (5)在研制的移动机器人实验平台上开展了实际场景综合测试。成功实现了二维与三维环境地图的同步构建、地毯的语义分割;并测试了全覆盖算法对地毯的规避性能。结果表明，本文算法可以识别并分割出环境地毯，地毯分割交并比为0.602,实现了对地毯的有效规避。
NETL