【全覆盖路径规划CCPP】A_star算法移动机器人全覆盖路径规划【含Matlab源码 3392期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、A_star算法移动机器人全覆盖路径规划简介

1 什么是全覆盖路径规划
（1）遍历工作区域内的所有面积
（2）移动过程中要避开障碍物
（3）保证覆盖率，避免重复路径

2 实用案例
扫地机器人，割草机器人，排雷机器人，农田作业等。

3 农田作业机器人
如何获取地图
农田作业机器人和室内作业机器人的区别是，农田作业的面积是很大的，并且周边没有围墙，树木之类的，因此无法像扫地机器人那样通过SLAM建立农田的地图，农田的优势就是，环境比较单一，障碍物比较少或者无障碍物，这对于规划来说也是比较友善的，因此为了获取农田的地块，一般是采用GPS打点的形式，也就是拿着RTK模块，去农田边上走一圈，就可以获取得到农田在地球表面的坐标了。

如何规划出全覆盖的路径
规划全覆盖路径，和一般的路径规划是不一样的，全覆盖规划不是点到点的规划，所以一般的图搜索算法例如A star, RRT等，都是用不上的。

在探讨如何规划全覆盖的作业路径之前，首先了解下，农业机器人在农田内是如何工作的，以及其工作的内容有哪些。举个例子，比如，深松，靶地，起垄，旋耕等，这些都是农机比较常见的作业，他们都有一些共同的特点，主要的路径都是直线+掉头+直线+掉头的形式。所以对于这种形式的全覆盖规划，使用高中学的几何知识就可以完成了，首先选择一个方向，然后找一条与该方向平行的直线，从地图的一边尽头往另一边平移，直线与边界的交点就是直线路线的两个端点，专业一点的话，这种直线段被称为垄，如下图1所示，直线段都称为垄， 掉头的地方，直接将直线段的端点相连接即可。这是简单的的全覆盖规划方法了，还有一些比较复杂的地图，比如图2，图3。

从一下图中可以看到，掉头区域出现很多尖角，对于阿克曼形式的移动机器人来说，这是比较致命的，农业拖拉机多数也是阿克曼形式的底盘，转弯是有最大转弯角度约束的，这种尖角形式的轨迹是不适合拖拉机正常跟随的，因此还需要对下面的path作进一步的轨迹优化，是的path每一个点的曲率都满足车辆动力学要求。

⛄二、部分源代码

%% Generate Map
clear;
close all;
map_size = 20; %地图边界大小
obs_num = 6; %障碍物个数
obstacles = map(map_size, obs_num,2); %障碍物设置
%% Generate Path
[points, path] = binn(map_size, obstacles);
[Nice_path,path_length,turn_number] = point_parameter(path,points,map_size);
%% Draw Grid Moving Animation
% draw_rec_animation(path);
% draw_path_animation(path);
draw_path(path);

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]田疆,李二超.用于无人机三维航迹规划改进连接型快速扩展随机树算法[J].航空工程进展. 2018,9(04)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合