基于改进RRT与A_算法的温室巡检机器人路径规划研究.pdfVIP

摘要

温室生产是我国当前广泛应用的一种农业生产方式，其环境通常覆盖面积较大，

人工监管难以高效地实现环境信息采集、设备监管以及事故处理。随着电子信息技术

的不断发展，温室生产正逐步向自动化和智能化方向迈进，利用巡检机器人替代人工

进行作业，能够有效降低人工成本、确保监管效率。对此，本文针对温室环境设计了

一款能够自主导航避障、实时监测环境信息的巡检机器人。同时机器人路径规划算法

也是影响机器人巡检效率和可靠性的重要因素，传统路径规划算法在实际应用中存在

路径不光滑、搜索效率低等问题,因此对机器人路径规划算法进行研究也是必不可少

的。本文的主要研究内容如下：

（1）针对温室环境这类特定环境，采用阿克曼模型作为小车的底盘结构，确保

了温室巡检机器人移动的灵活性。并根据温室巡检机器人的作业需求，从通信模块、

传感器模块、驱动模块以及控制模块等多方面考虑，进行相应的选型、设计和搭建，

开发了一套温室巡检机器人。

（2）为解决RRT算法随机性强、采样点分散导致算法运行效率欠佳的问题，本

文提出了动态目标偏向策略和区域采样策略，通过限制RRT探索树拓展方向和采样

范围，避免进行无意义的节点探索，减少了冗余节点的生成。同时，为了进一步加快

算法收敛速度，提出了自适应步长策略，RRT树会根据周围的环境复杂度自动调节拓

展步长，确保算法的适应性和拓展效率。

（3）针对RRT算法生成的路径长度欠优的问题，本文提出了一种具有二阶段的

全局路径规划算法RRT-A*算法。该算法以RRT算法所规划的初路径为基础，在第一

阶段采取区域修正策略，找出存在多冗余节点的栅格区域作为待修正区域，之后再通

过A*算法重新规划该区域内的路径，从而优化了局部的路径。算法第二阶段，则是

对优化后的路径进行剪枝优化，减少了拐点数，进一步缩短了路径长度，提高了路径

质量。

（4）通过Matlab仿真平台搭建环境，验证了融合算法RRT-A*算法的可行性和

有效性。之后将算法移植到ROS系统，通过Gazebo和Rviz仿真平台搭建更为真实

的环境，对算法的可靠性进行更为深入的验证。最后，将算法应用到搭建的温室巡检

机器人上并在真实环境中进行测试，验证该算法的实用性。实验结果表明，温室巡检

机器人能够完成环境信息采集，实现自主导航避障的功能，且有着良好的路径规划效

率，能够满足实际场景的应用，具有一定的参考价值。

关键词：温室巡检机器人；路径规划；RRT算法；A*算法；ROS操作系统

I

万方数据

Abstract

GreenhouseproductionisawidelyusedagriculturalmethodinChina,typically

involvinglarge-scaleenvironmentswheremanualsupervisionstrugglestoefficientlyhandle

environmentaldatacollection,equipmentmanagement,andincidentresponse.Withthe

continuousdevelopmentofelectronicinformationtechnology,greenhouseproductionis

graduallyevolvingtowardautomationandintelligence.Deployinginspectionrobotsto

replacemanualoper