基于RRT的机器人自主探索建图

一、方法讲解：

    本项目分为三个部分：机器人周围一定范围内基于RRT的全局检测，

                                       根据上一步检测的未知区域点执行sklearn.cluster.MeanShift聚类，获取聚类中心；

                                       根据聚类中心计算各点增益，取最大增益点为目标，调用move_base规划路径和控制机器人行走。

           

二、各部分详解：

         2.1 基于RRT的全局检测：检测未知区域点并发布

                   以机器人为中心，激光采样范围为半径的正方形区域内，采用RRT算法计算未知区域点：如果RRT计算的某点在要计算的地图范围内，并且该点在地图内的状态为空闲区域点，则将该点加入RRT树；如果该点在地图的状态为未知状态区域，则该点不加入RRT树，并将该点发布出去；

        2.2 根据上一步检测的未知区域点执行sklearn.cluster.MeanShift聚类，获取聚类中心：

                该部分订阅全局检测的未知区域点，并利用MeanShift算法获取聚类中心；

       2.3 根据聚类中心计算各点增益，取最大增益点为目标，调用move_base规划路径和控制行走。

              根据设定的信息半径，和上一步的聚类中心，结合聚类中心离机器人的距离，计算各个聚类中心的信息增益，然后取信息增益最大的点作为目标点，调用move_base来向该点移动；新的聚类中心和增益不停被计算，因此在运动过程中目标点可能会改变，或者因为移动地图中原来的目标点变为空闲区域，则新的目标点会被计算。

   

三、效果展示：

       建图算法采用gmapping，激光角度220度.，激光范围14米。

       蓝色线：全局RRT树；

       绿色点：地图状态未知区域点

       绿色线：move_base全局规划

       紫色线：机器人移动轨迹。

例一：

 

 

 例二、

 

仿真环境下：左下角、底部及右下角图建歪了。

仿真模型大小：70米*64米

 

转载于:https://www.cnblogs.com/serser/p/8136073.html