基于栅格地图的环境建模在清扫机器人路径规划中的应用

周欣沅 张玲 马永帅

【摘  要】论文采用栅格法建立环境地图模型，利用沿边走的路径规划算法进行室内清洁机器人无障碍与避障路径规划仿真试验。结果表明，在静态环境中，扫地机器人可以根据内螺旋式路径规划方法完成清扫任务，面积覆盖率高，重复率低，且能成功避开所设置的障碍物和边界，进行自动定位和转向。该方法与随机式路径规划方法相比效果很好。

【Abstract】The paper uses the grid method to establish the environment map model， and uses the side-walking path planning algorithm to carry out the simulation test of the obstacle-free and obstacle-avoidance path planning of the indoor cleaning robot. The results show that in the static environment， the cleaning robot can complete the cleaning task according to the internal spiral path planning method， with high area coverage rate and low repetition rate， and can successfully avoid the obstacles placed and boundaries， and carry out automatic positioning and steering. Compared with the random path planning method， the effect of this method is very good.

【關键词】清扫机器人;栅格法;环境建模

【Keywords】cleaning robot; grid method; environment modeling

【中图分类号】TP242;TP212                                             【文献标志码】A                                                 【文章编号】1673-1069（2021）07-0183-02

1 引言

随着科技发展，机器人技术趋于成熟。如何才能使扫地机器人真正做到高效率、高智能、低成本的清扫工作是目前研究的重点，其中工作环境的模型选择及路径规划是实现工作区域全覆盖这一目标的难点[1]。为此，环境栅格地图构建与路径规划算法是实现此目标的两项关键技术。本文使用栅格法对地图环境进行环境建模，采取沿边行走内螺旋式路径规划算法进行路径规划与仿真实验。

2 环境建模方法

环境建模方法是将机器人工作的虚拟现实环境转化成能自身准确识别环境信息的过程。目前，环境建模方法主要有：拓扑法、几何法和栅格法。拓扑法大大减少了几何路径特征规划的基本工作量和复杂度，实现了从高维向低维的转化。难点体现在如何定义拓扑节点[2]。几何法是将传感器采集到的环境信息转化为常见的物理几何特征，并表示出来。优点是精确度高、结构性紧凑、容易准确地判断位置信息和识别目标;缺点是提取几何特征时需要足够多的传感器数据。栅格法是将机器人工作空间信息路径环境利用相同的尺寸和大小的栅格进行综合分割，然后通过记录自身所在位置的路径环境空间信息，完成整个路径环境规划构建。相比而言，栅格法更能精准地表达出地理信息。利用栅格法进行环境建模时，栅格地图的尺寸要考虑以下4点：①房间清扫面积及障碍物数量;②根据路径规划方法制定具体路径和栅格地图大小;③环境地图中栅格尺寸大小;④计算机的运算能力和反应能力。本文使用栅格法对地图环境进行建模，将房间看作规则的矩形，扫地机器人的大小作为基本清扫单位，根据需要清扫的范围把房间划分成若干个不相同、不重叠的单元格。每一个单元格代表一个自由区或障碍区，在自由区内机器人是可以自由活动的，在障碍区内机器人不能通过。如图1所示，白色栅格表示自由区域，黑色栅格表示障碍物。

3 路径规划算法与衡量指标

3.1 基于环境模型的路径规划方法

扫地机器人的路径规划是依据感知到的周围环境信息设定的路径规划算法，规划出一条能实现对工作区域最大覆盖率且与周围环境不会产生任何碰撞的清扫路径[3]。路径规划方法大致可以分2类：无环境分析模型的路径规划方法和基于环境模型的路径规划方法。无环境模型的路径规划方法是将随机工作方式与局部遍历规划结合的方式，前提是要有充足的时间和耐心，这样扫地机器人的规划路径才能全面覆盖所工作的区域，但是此方式工作效率较低。基于环境模型的路径规划方法是依据环境信息按照一定的方法来建立环境模型，再按照确定的路径规划算法寻找最优或近似最优路径，这种方式可确保具有最大的覆盖率和最小的重复率。缺点是定位和环境建模的技术还不够成熟[4]。

在实际的清扫环境中，肯定有障碍物的存在。本文主要研究扫地机器人基于环境模型的路径规划方法，通过采用沿边行走的内螺旋式路径规划算法来实现避障，机器人沿着墙壁或者障碍物的边界进行移动。在避障过程中，可能遇到以下4种情况：①障碍物形状大都不规则，全部按照矩形处理，即采用包络法做不规则障碍物的矩形界线;②沿墙放置及墙壁上的障碍物通常被视为墙壁，扫地机器人在工作时沿着障碍物的边缘行走;③非靠墙设置的障碍物绕开即可;④扫地机器人行走过程中不断地进行角度、速度、方向的调整。每工作完一圈，都经历4种不同的方向（上、下、左、右）。

在避障路径规划中，机器人需要在工作时对障碍物进行检测并对数据进行处理。其中，边界可视为障碍物。行走前，机器人向右搜索有没有障碍物，若存在则按照沿边走的内螺旋式路径规划算法沿着障碍物边缘进行避障，重新选择运动方向，若障碍物不存在，则按照原方向继续行走。

3.2 路径规划衡量指标

3.2.1 覆盖率

由式（2）可知，当总面积S一定时，Sp越小，重复率p的数值越小，重复覆盖率越小，扫地机器人的路径规划越合理。

3.2.3 时效性

时效性t是指机器人全部清扫完所需打扫的面积时所用的最短时间，t的值越低，越反映机器人路径规划的合理性。

3.2.4 能量消耗率

能量消耗率η是指清洁任务完成时电池耗电量的比值。

考虑到本文的试验条件，本文仅采用覆盖率和重复率来衡量路径规划算法。

4 实验分析

4.1 路径规划仿真

在静态环境中，本文使用MATLAB软件，在22×18的栅格区域内，将它们建立在由一个传统的矩形栅格所直接构建的二维矩形平面中，采用随机路径规划与沿边走的内螺旋式路径规划进行仿真实验，实验结果如图2和图3所示。将机器人所走过的路径都标记为红色，把障碍物标记为黑色，环境建模时由于机器人体积问題无法直接进入的地方直接规划为障碍物。

4.2 结果分析

由图2可知，扫地机器人是按照随机式路径规划算法执行清扫任务，清扫面积覆盖率为10.4%，重复率为80.6%，而且在工作过程中规划的路线随机，不能自动定位和转向，效果不佳。由图3可知，扫地机器人按照沿边行走内螺旋式路径规划算法执行清扫任务，清扫面积覆盖率为99.3%，重复率为1.1%，并且在工作过程中能自动避开边界，自动定位和转向，效果好。

5 结论

本文采用栅格法建立了环境地图栅格模型，利用沿边行走的内螺旋路径规划算法，对室内地面进行避障路径规划与仿真试验。结果表明，在静态环境中扫地机器人沿内螺旋式路径规划方法进行清扫，面积覆盖率高，重复率较低，同时，能够避开障碍物和边界，有序进行自动定位和转向，比随机式路径规划方法清扫效率高。

【参考文献】

【1】吕后勇.室内机器人全覆盖路径规划方法研究[D].咸阳：西北农林科技大学，2016.

【2】于红斌，李孝安.基于栅格法的机器人快速路径规划[J].微电子学与计算机，2005（6）：98-100.

【3】梁喜凤.室内地面清洁机器人路径规划[J].中国计量学院学报，2006（1）：64-68.

【4】穆莉莉，祁娜娜，汪浅予，等.基于多传感器融合的扫地机器人路径规划设计[J].东莞理工学院学报，2020，27（5）：117-121.

【5】徐胜华，宋树祥，佘果.一种扫地机器人路径规划的改进算法[J].测控技术，2017，36（2）：120-123+127.