Алгоритм планирования пути на основе параметров трапеции для исследования мобильных роботов
Боковая панель статьи
Основное содержимое статьи
Аннотация
Исследование незнакомой среды с помощью мобильного робота во время процессов SLAM представляет собой фундаментальную задачу. В этом исследовании представлена расширенная итерация алгоритма Rmap путем модификации его подмодуля Exploration. Хотя предыдущий алгоритм Rmap эффективно снижает накладные расходы на сеточную карту, его модуль исследования требует больших затрат из-за алгоритма следования прямоугольнику. Чтобы преодолеть это ограничение, введен новый алгоритм автономного планирования пути мобильных роботов в неизвестных условиях. Новый алгоритм использует концепцию парных границ для облегчения эффективной навигации и расширения области исследования робота. В каждом раунде исследования мобильный робот использует диапазон своих датчиков для определения границ. Периодически регулируя диапазон датчика, алгоритм генерирует пары внутренних границ. Рассчитывается длина каждой границы и соответствующей пары, что позволяет новому алгоритму выбрать целевую точку для навигации робота. Результаты экспериментов демонстрируют эффективность и применимость нового алгоритма с точки зрения времени исследования и расстояния. По сравнению с предыдущими алгоритмами новый алгоритм обеспечивает значительные улучшения. Расстояние пути, необходимое для завершения всего исследования, уменьшается на 15–69 %, а затраты времени уменьшаются на 12–86 %. Эти результаты подчеркивают эффективность предлагаемого алгоритма в оптимизации процесса исследования мобильных роботов в неизвестных средах.
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Chunhui Z.; Green R.; Vision-based auton-omous navigation in indoor environments. 2010 25th International Conference of Im-age and Vision Computing New Zealand, 2010, pp. 1-7, doi: 10.1109/IVCNZ.2010.6148876.
Sariff, N.; Buniyamin, N.; An Overview of Autonomous Mobile Robot Path Planning Algorithms. 2006 4th Student Conference on Research and Development, 2006, pp. 183-188, doi: 10.1109/SCORED.2006.4339335.
Sariff, N.; Buniyamin, N. Ant colony system for robot path planning in global static envi-ronment. In Proceedings of the 9th WSEAS International Conference on System Sci-ence and Simulation in Engineering (ICOSSSE’10), Takizawa, Japan, 4–6 Octo-ber 2010; pp. 192–197.
Buriboev A.; MuminovA.; H.J. Oh, J.D. Lee, Y.A. Kwon, H.S. Jeon, Internal and external frontier-based algorithm for autonomous mobile robot exploration in unknown envi-ronment. Electronics Letters. Wiley. 23 Sep-tember 2021 https://doi.org/10.1049/ell2.12316
Stout, M.S.; Brisson, G. F.; Di Bernardo, E.; Pirjanian, P.; Goel, D.; Case, J.P.; Dooley, M. Methods and Systems for Complete Coverage of a Surface by an Autonomous Robot. U.S. Patent No. 9,026,302, 5 May 2015.
Montiel, O.; Sepúlveda, R.; Orozco-Rosas, U. Optimal path planning generation for mobile robots using parallel evolutionary ar-tificial potential field. J. Intell. Robot. Syst. 2015, 79, 237–257.
Šeda, M. Roadmap methods vs. cell de-composition in robot motion planning. In Proceedings of the 6th WSEAS International Conference on Signal Processing, Robotics and Automation, Corfu Island, Greece, 16-19 February 2017; World Scientific and En-gineering Academy and Society (WSEAS): Stevens Point, WI, USA, 2017; pp. 127-132.
Luo, C.; Gao, J.; Li, X.; Mo, H.; Jiang, Q. Sensor-based autonomous robot navigation under unknown environments with grid map representation. In Proceedings of the 2014 IEEE Symposium on Swarm Intelligence (SIS), Orlando, FL, USA, 9–12 December 2014; pp. 1-7.
Boucher, S. Obstacle Detection and Avoid-ance Using Turtlebot Platform and Xbox Kinect; Department of Computer Science, Rochester Institute of Technology: Roches-ter, NY, USA, 2012; p. 56.
Mac, T.T.; Copot, C.; Tran, D.T.; De Keyser, R. Heuristic approaches in robot path plan-ning: A survey. Robot. Auton. Syst. 2016, 86, 13–28.
Bruce, J.; Veloso, M.M. Real-time random-ized path planning for robot navigation. In Proceedings of the RoboCup 2002, Fukuo-ka, Japan, 19–25 June 2002; Springer: Ber-lin / Heidelberg, Germany.
Jadidi, M.G.; Miro, J.V.; Dissanayake, G. Gaussian processes autonomous mapping and exploration for range-sensing mobile robots. Autonom. Robot. 2018, 42, 273-290
Liu S, Li S, Pang L, Hu J, Chen H, Zhang X. Autonomous Exploration and Map Con-struction of a Mobile Robot Based on the TGHM Algorithm. Sensors (Basel). 2020 Jan 15; 20 (2): 490. doi: 10.3390 / s20020490. PMID: 31952240; PMCID: PMC7013441.
Zhang, J.; Wang, W.; Qi, X.; Liao, Z. Social and Robust Navigation for Indoor Robots Based on Object Semantic Grid and Topo-logical Map. Appl. Sci. 2020, 10, 8991.https: //doi.org/10.3390/app10248991
Tunggal, Tatiya Padang, et al. Pursuit algo-rithm for robot trash can based on fuzzy-cell decomposition. Int J Electr Comput Eng, 6 (6) (2016), pp. 2863-2869, 10.11591/ijece. v6i6.10766
C. Wang, W. Chi, Y. Sun, and M. Q. -. Meng, "Autonomous Robotic Exploration by In-cremental Road Map Construction," in IEEE Transactions on Automation Science and Engineering, vol. 16, no. 4, pp. 1720-1731, Oct. 2019, doi: 10.1109/TASE.2019.2894748.
H. Cheng, H. Chen, and Y. Liu, "Topological Indoor Localization and Navigation for Au-tonomous Mobile Robot," in IEEE Transac-tions on Automation Science and Engineer-ing, vol. 12, no. 2, pp. 729-738, April 2015, doi: 10.1109/TASE.2014.2351814.
P.G.C.N. Senarathne, Danwei Wang, In-cremental algorithms for Safe and Reacha-ble Frontier Detection for robot exploration, Robotics and Autonomous Systems, Vol-ume 72, 2015, Pages 189-206, ISSN 0921-8890, https://doi.org/10.1016/j.robot.2015.05.009.
Batsaikhan Dugarjav, Soon-Geul Lee, Donghan Kim, Jong Hyeong Kim, Nak Young Chong, Scan matching online cell decomposition for coverage path planning in an unknown environment. Int J Precis Eng Manuf, 14 (9) (2013), pp. 1551-1558
Lu, L.; Redondo, C.; Campoy, P. Optimal Frontier-Based Autonomous Exploration in Unconstructed Environment Using RGB-D Sensor. Sensors 2020, 20, 6507.https: //doi.org/10.3390/s20226507
Jiang, L.; Zhao, P.; Dong, W.; Li, J.; Ai, M.; Wu, X.; Hu, Q. An Eight-Direction Scanning Detection Algorithm for the Mapping Robot Pathfinding in Unknown Indoor Environ-ment. Sensors 2018, 18, 4254. https://doi.org/10.3390/s18124254
Lee, C. W.; Lee, J. D.; Ahn, J.; Oh, H.J.; Park, J.K.; Jeon, H.S. A Low Overhead Mapping Scheme for Exploration and Representation in the Unknown Area. Appl. Sci. 2019, 9, 3089.https: //doi.org/10.3390/app9153089
Gomez, C.; Hernandez, A.C.; Barber, R. Topological Frontier-Based Exploration and Map-Building Using Semantic Information. Sensors 2019, 19, 4595. https: //doi.org/10.3390/s19204595