论文部分内容阅读
NAO机器人是一款多用途仿人机器人,它凭借着出色的外形以及先进的人机交互体系慢慢走进了人们的日常生活之中,但是如果希望NAO机器人在家中能够像人类一样自由的行动,完全听从人类的指令完成各类任务,则需要机器人能够像人类一样看见周围的环境,并根据环境的变化合理安排自己的行走路线,到达目标地点再完成后续任务。本文结合NAO机器人的行走特点及自身所配置的传感器类型,为NAO机器人系统的设置一套行之有效的路径规划策略,以保证NAO机器人能够在复杂的环境中自由的行走。在路径规划中最核心的内容无疑是路径规划算法,本文所采用的路径规划算法为蚁群算法,该算法在针对复杂环境条件下寻找路径有着先天的优势,该算法不需要设置过多的参数,计算时间较短,规划出的路径质量较为理想;蚁群算法也有不少的缺点,蚁群算法在寻找路径时容易陷入局部最优,无法得出全局最优解,以及蚁群算法陷入U型陷阱时不能自动摆脱等。本文通过对蚁群算法启发函数的改进使蚁群算法效率大大提高,并引入蚂蚁夭折机制使算法摆脱U型陷阱的问题,通过对算法中蚂蚁转移时加入对目标节点的通视判断使算法迅速收敛且规划出的路径更加适应于NAO机器人前进。本文的核心内容是对NAO机器人整体路径规划的设计。基于NAO机器人的路径规划主要流程是:首先通过加装的Xtion设备获得机器人周边的复杂环境,并通过Octomap算法生成栅格地图作为机器人路径规划的先验地图,并为机器人设置一个目标位置,机器人的初始位置由Octomap算法自动给出;调用蚁群算法为NAO机器人做整体路径规划并命令机器人行走,在行走的同时NAO机器人胸前的声呐装置开启并实时监测机器人前方情况,若遇到动态障碍物则机器人停止并根据预案选择相应的处理方法并继续前进,直到抵达目标位置NAO机器人停止。在NAO机器人动态路径规划方面,预案的设计尤为重要,本文提出了一种较为简单实用的方法,在经过试验后验证该方法可行并且响应速度较快,能够应对较为复杂的环境。在动态避障中,若机器人遇到障碍物,则机器人停止前进并通过Xtion更新地图信息并重新规划路径,机器人停止三秒重新检测前方障碍物情况,若障碍物离开,则机器人按照原路径继续前进;若障碍物还在原位置影响机器人前进,则机器人按照重新规划的路径避开该障碍物向目标位置前进。本文通过布置实景环境对上述规划方案进行了测试,效果较为理想,机器人能够按照规划流程完成指定动作,并到达目标位置。但是方案中也有许多可以继续改进的地方(蚁群算法深度优化、引入深度学习等),相信通过继续改进后NAO机器人会更加人性化更加自由的陪伴我们。