计算机移动应用技术研究——以扫地机器人为例

摘要：随着人工智能技术的飞速发展，扫地机器人通过全自动清扫功能一定程度上代替人工劳作，在家庭生活中得到了越来越广泛的应用。当然，其中也存在一些不足。文章将在扫地机器人原理、结构、算法和不足等方面进行研究，力求为扫地机器人进一步推广和应用提供一些帮助。

关键词：算法；路径规划

一、引言

从消费者的角度看，扫地机器人质量的标准主要有两个：一是清扫的覆盖范围，是否能够做到100%覆盖；二是清扫的能力，是否能够把各种家庭垃圾清扫干净。扫地机器人路径规划算法能够决定清扫范围，同时也能影响清扫的效率，这也是体现机器人智能化程度的关键因素。此外，还要设计一套高效的清扫系统，能够针对各种常见的家庭垃圾如毛发、灰层、颗粒物等进行彻底回收。文章将对以上问题展开思考和论述。

二、扫地机器人工作原理、构造及技术

1.工作原理

扫地机器人是微型计算机智能化在家居中的一种应用，通过在计算机芯片中预定好的路径规划算法在家中行走，同时利用设计的清扫系统对家庭环境中的垃圾进行清扫，实现自动清扫的目的。扫地机器人的工作系统主要包括路径规划系统和清扫系统。路径规划系统决定了机器人行走的路径，清扫系统决定了清扫垃圾的能力，两大系统是决定扫地机器人清扫能力的主要因素。

2.构造

扫地机器人主要由以下几部分构成：

1）机身：目前市场上的主流扫地机器人多采用扁平的机身设计，根据家庭环境特点，对机身的高度提出了更高的要求。由于可以进入到家具如沙发底部，其高度将往更加轻薄的方向发展。

2）可充电电池：电池以镍氢电池为主，满电一次可工作3到5小时，可以实现自动寻址充电，电池寿命可使用3年。

3）充电座：为扫地机器人提供充电的接口。

4）旋转扫帚与集尘盒：通过旋转的扫帚把垃圾清扫到集尘盒，集尘盒需要定期清理。

5）前进轮与转向轮：一般配置两个前进轮和一个转向轮，负责扫地机器人的前进和转向移动。

6）遥控器：为方便操控，一般配置无线遥控器。

7）其他：包括传感器、拖布、水箱等。

3、涉及的相关技术

扫地机器人涉及的相关技术主要有：传感技术、智能控制技术、路径规划技术、清扫技术、电源技术等。

传感技术可以采用超声波测传感以及红外测距传感，扫地机器人在行进中利用传感技术可以确定前方障碍物，以此采取躲避的算法。智能控制技术相当于计算机的CPU，一套好的控制技术能更好的提高扫地机器人的工作效率。清扫技术采用旋转扫帚、拖布、集尘盒、水箱等设计，达到清扫效果。电源技术已经较为成熟，能够提供机器人工作的持久电量，并且能够实现自动寻址充电。

三、扫地机器人路径规划及算法研究

路径规划是扫地机器人的核心，路径规划是机器人根据预定的算法，根据自身的传感器对外界感知后规划出一条有效的运行线路。路径规划的优劣是决定机器人扫地效率的重要因素，路径规划需要机器人进行定位和环境地图构建。一般情况下，路径规划需要解决以下几个基本问题：

一是使得机器人从当前位置准确移动到目的位置；

二是按照预定的算法碰到障碍物后绕开障碍物，并且合理优化下一条行进线路；

三是行径的线路能够尽可能的覆盖所有清扫区域。

路径规划一般分为点到点和完全遍历两种。点对点路径规划是从起点到终点的一条运动轨迹，这条运动轨迹是经过合理优化的（路径或者时间或者代价最小），机器人通过这条轨迹可以避开障碍物顺利达到终点。完全遍历路劲规划是在一个二维空间中，通过一定的算法，机器人能够遍历所有的区域，并且，遍历的路径也是经过合理优化的。

扫地机器人的路径规划是属于完全遍历路径规划，通常，这种遍历需要满足两个条件，一是遍历性，二是不重复性。遍历性是指机器人的运动路径能够完全覆盖房间的清扫区域，不重复性是指机器人在完成一次遍历的过程中，其运动路径不走重复的路线，以达到清扫高效的目的。在完成一次遍历后，机器人可能会通过重复的路线进入到下一个遍历区。

在机器人路径规划中，常用到一些算法，下面将简单介绍。

1、ABC算法（又称人工蜂群算法）

Artificial Bees Colony（ABC）算法又称为人工蜂群算法，最早为了解决函数优化问题由Basturk等人提出。ABC算法的思想是模拟蜜蜂采蜜过程，把蜜蜂分为三种：分别是采蜜蜂、侦查蜂和观察蜂。整個算法的目标是找到最大花蜜量的地方（称为蜜源）。在该算法中，采蜜蜂的职责是根据之前的蜜源信息寻找新的蜜源，同时，把位置信息与观察蜂分享。观察蜂的职责是在蜂巢中等待采蜜蜂提供蜜源信息，然后寻找新的蜜源。侦查蜂的职责是在蜂巢附件位置随机的寻找蜜源，从而发现一个新的有价值的蜜源。

ABC算法的流程可以大致概括为：

（1）对蜜蜂种群进行初始化xi，i=1，2，…，SN；

（2）对种群中各类蜜蜂的适应值进行设定和规划；

（3）进行第一次循环：cycle=1；

（4）重复以上程序；

（5）侦查蜂根据第二步产生新的解，然后计算出一个适应值；

（6）侦查蜂根据贪心策略选择蜜源；

（7）根据（3）式计算选择蜜源xi的概率pi；

（8）观察蜂根据概率pi选择蜜源xi，根据（2）式在该蜜源附近产生新的蜜源vi，并计算新蜜源vi的适应值；

（9）观察蜂根据贪心算法选择蜜源；

（10）判断是否有放弃的蜜源，如果有随机产生一个并代替它；

（12）循环次数+1

（13）循环直到最大值cycle=MCN；

4、算法可能的改进方式

（1）新蜜源的搜索领域（2）式的改进（如：其他拓扑邻域）

（2）观察蜂选择雇佣蜂的概率（3）式的改进（如：动态的）

在该算法应用到扫地机器人路径规划中，蜜蜂的采蜜行为对应路径优化问题，蜜源位置对应路径的可行解，蜜源的大小收益度对应可行解的质量（路径代价），寻找及采蜜的速度对应路径优化的求解速度，最大收益度对应最小的路径代价。

2、粒子群算法

粒子群算法，英文为particleswarm optimization，简称PSO，它是Kennedy和Eberhart提出，用于对Hepper的模拟鸟群算法进行修正的算法。该算法假设鸟为粒子，粒子能够飞向解空间，在最佳位置降落，得到粒子最优解。

算法模拟场景为：一群鸟在一个未知区域寻找食物，假设食物只有一处，并且初始状态下鸟并不知食物所在。但是鸟知道自己离食物有多远，这种情况下，搜寻食物的最佳策略是什么呢？就是从离食物最近的鸟的周围区域开始搜索。

假设鸟为“粒子”，搜索空间维度为D，并且，粒子通过fitness-function参数确定适应值用于判断当前位置优劣；每个粒子有参数用于记忆所搜寻过的最佳位置；每个粒子有一个速度参数，用于决定飞行的距离和方向，并且该速度可以根据自身和同伴的飞行经验进行调整。

据此，有一下算式：

C1、C2为学习因子或者为加速系数，一般为正的常数2。r1、r2取值在0到1之间，是用于记录区间中均匀分布的伪随机数，Vmax表示粒子的最大速度。

扫地机器人路径规划算法还有多种，因篇幅限制仅对以上两种做简单介绍。

四、扫地机器人在应用中的不足

不管从算法还是结构设计方面，目前的扫地机器人都有可改进的地方，使得其工作效率更高，清扫的更为干净。具体的表现有：1、旋转拖把的设计还不够理想，机器人所过之处并不能一次把所有的垃圾扫入垃圾盒，特別是一些颗粒垃圾。如何设计更为合理的旋转模式和清理模式能够解决此问题，是需要思考和改进的地方。2、拖布的设计还不能清理干净地板的灰层，特别是沾的牢固的粉尘。是否可以考虑类似路面扫地车，先用旋转刷子清理，再用拖布擦拭，使得清理效果更佳。3、路径算法需要进一步优化。机器人在路径规划中，还不能做到完全覆盖，需要多次调整位置和重新启动来弥补。

参考文献：

[1]胡衡. 基于单目视觉的SLAM方法研究[D]. 新疆大学 2015

[2]杨恒. 基于局部特征提取匹配的视觉SLAM闭环检测方法研究[D]. 南华大学 2015

[3]https：//blog.csdn.net/zuochao_2013/article/details/53431767？ref=myread

本文系以下项目的研究成果：

1.2017 年度广西职业教育教学改革研究项目课题《计算机专业<毕业设计>网络课程建设实践与研究》，项目编号：GXGZJG2017B152。

2.2017 年度广西现代远程教育研究中心开放课题《广西开放大学高职移动应用开发专业人才培养方案研究》，项目编号：2017GXOUYB08。

作者简介：李飞，男，1983.10，学历（学位）：本科、硕士学位，专业职称：工程师，研究方向：软件工程、远程教育、成人教育。