基于势场路径规划的机器人同步定位与地图构建

曾芬芳

摘 要：针对特征点同时为障碍物的环境，提出一种基于势场路径规划的同步定位与地图构建算法，其能够分析事物的特征点、有效消除障碍物、构建良好的环境，具有十分重要的作用。这一算法经过专家学者长时间的研究，能够推算出基于势场地位的控制规律，其不仅能够对机器人同步定位与地图构建进行动态定位，还能够确保其综合性能，突破了原有格局、开创了新的发展局面。该文具体阐述SLAM系统状态，对机器人进行实时监测，另外建立系统模型，采用合理的方式进行路径规划。

关键词：路径规划；机器人；同步定位与地图构建

中图分类号：TP24 文献标志码：A

机器人自主同步定位与地图构建包括的内容较多，集系统状态空间表示、计算复杂度、数据关联等于一体，在实现环境监测与数据分析的同时实现要素整合，能够对相关性能指标进行一致性估计。SLAM算法采用局部子图方法对机器人进行运动模式研究，降低了算法的计算复杂性，解决了被动式SLAM问题和自主探测的SLAM问题，另外要在机器人重要部位安置传感器实现局部控制，在特定环境下借助算法实现同步定位。

1 基于势场路径规划的机器人同步定位与地图构建

现有社会提出了机器人发展学。经济为科技发展提供推力，科学技术更新速度较快，随着机器人应用技术的深入发展，机器人同步定位与地图构建研究受到了人们的广泛关注，现有环境下对机器人需求，显著提升，要求机器人朝着人性化方向发展，利用SLAM算法能够优化机器人的运动过程、提升机器人的反应能力，促使其能够根据周边环境变化灵活反应，机器人路径规划是提升机器人智能发展水平的一大切入点。势场路径规划通过特殊算法完善机器人的性能指标，确保机器人具有反应条件与搜索能力，在内部构建一条从始到终的全程无碰路径。路径环境具有复杂性，要想实现移动机器人的路径规划应当进行技术研究，优化势场规划策略，着重分析静态位置环境和动态位置环境，建立固定坐标系。接着运用相关技术进行机器人路径设置，保证机器人按照既定的方向前进。另外要建立机器人车载坐标系，借助相关算法完成坐标系互换，机器人内部传感器监测到障碍物分布，确定障碍物具体方位。分别建立匀速模型和随机模型，在地图构建过程中进行新的路径机制规划，对障碍物区进行标红处理，利用解析几何关系解决实际问题。观察表明机器人控制呈现离散特点，我们要把握这一特性，在此基础上寻求新的势场路径方法，通过更改模型参数等方法实现路径优化。

2 路径规划的基该方法

路径分析方法较为多样，可以具体划分为A*算法、D*算法、模糊神经网络、遗传算法、改进的人工势场法和基于分层强化学习的移动机器人路径规则等方法。这些方法具有自身特定的适用范围，以上方法具有较高的动态路径规划能力，实用性较强，更具动态性。任何事物都具有两面性，以上方法在具有较高动态能力的同时还具有一定的缺点，主要在于搜索难度大，遍历计算需要付出一定的代价，且需要耗费大量的时间建立模型、进行模拟分析，不能够保证运算效率。相比之下势场法具有不可比拟的优势，其计算量较小，不需要耗费大量的时间、精力，其以传感器为依托，通过SLAM算法监测实际距离，另外还可以进行角度设置，能够实时监测机器人的位姿，通过建立静态坐标和动态坐标找寻两者之间的关联，模拟模型条件滤波、模拟条件滤波。

3 基于势场路径规划的SLAM算法

SLAM能够实现系统整合，将路径规划与同步定位和地图构建两者有效地结合在一起，SLAM功能较多，能够建立动态模型，真实再现机器人状态，从而解决机器人运行过程中的各种问题。地图构建要清除一切不利因素，SLAM满足这一需求，能够通过环境观测提升环境安全指数，具有重要意义。掌握机器人的控制规律就能够通过现有动作、位姿进行后续动作的预测，这一过程具有反复性。SLAM算法还处于不断探索发展的阶段，能够在发展中丰富核心内涵，需要技术人员加大研究力度，结合势场原理，在遵循控制规律的基础上进行后续工作。

4 仿真及分析

首先要设置实验环境，其次要进行实验区域划分，确保特征点能够呈现随机分散状态。另外要设置合理的方向点，为后续工作打下坚实的基础。图1和图2中设置了2个形状大小相同、半径不同的特征点，x和y代表实际距离，将其中一个特征点半径设置为1.3 m另外一个设置为1.6 m。

图1和图2中分别采用了不同的算法，图1是EKF-SLAM算法模拟图，图2是FastSLAM算法模拟图。我们可以从图1中得到的信息如下：机器人在定位与地图构建过程中按照特定轨迹运行，能够看出机器人与2个形状大小的特征点相互交叉，那么为什么会出现这种现象呢？究其原因在于机器人虽然能够实时观测到2个特征点，但是并没有做出具体的反应，系统不具有自动选择路径的功能，因此机器人会按照人工预设的方向点前行，另外在此过程中没有考虑到方向角控制因素，没有协调方向角与方向点两者之间的关系，机器人与障碍物最终产生碰撞。通过调整特征点的协方差实现系统优化，最终结果如图2所示。通过比较发现图1和图2具有共性，两者的共性在于机器人的轨迹与2个有形状大小的特征点相互交叉。这在一定程度上说明以上算法并没有考虑实际情况，难以实现路径优化，在定位与构图方面缺少自主性。

为了突显SLAM算法的作用，下面我们将进一步进行仿真模拟。首先建立势场路径规划的SLAM模型，接着进行势场模拟，最后调整势场参数，形成最终的路径规划模拟图。通过研究模拟图得出，机器人和环境特征点之间的虚拟排斥力越大，机器人原理环境特征点的距离也随之增大的实验结果，因此我们为了做好机器人同步定位与地图构建工作必须要合理控制机器人与环境特征点的虚拟排斥力，确定取值范围，有效避免机器人与障碍点产生碰撞。另外要积极探索其他路径，挖掘潜在因素，找出各因素之间的联系。采用科学有效的方法做好机器人同步定位与地图构建工作。

5 结语

该文能够借助算法实现机器人同步定位与地图构建。另外以势场理论为依托，通过分析障碍物的特征点，规划最优路径，得出机器人和环境特征点之间的虚拟排斥力与远离环境特征点的距离呈正比关系这一实验结果，在基于势场的路径规划方法中，要找寻机器人控制规律，在坚持客观规律的基础上发挥人的主观能动性，确保路径规划的合理性。机器人以环境传感器为依托实时检测到障碍物具体方位，在此基础上借助SLAM算法完成路徑规划。

参考文献

[1]覃柯，孙茂相，孙昌志.动态环境下基于改进人工势场法的机器人运动规划[J].沈阳工业大学学报，2014（5）：89-92.

[2]张亚鸣，雷小宇，杨胜跃.基于势场路径规划的机器人同步定位与地图构建[J].计算机应用研究，2015（9）：12-15.