Autolabor AGV路径规划系统设计开题报告

1. 研究目的与意义

本文的研究对象是autolabor agv。

自动导引车(automated guided vehicle，agv)是移动机器人的一种。广义看，所有地面轮式移动机器人都属于自动导引车。狭义看，agv的概念范畴主要包括自主驾驶汽车和小型轮式移动机器人，这两者有着相似的运动方式，但是研究目的、技术领域以及应用场合、背景等都有所不同。

agv的种类很多，按工作环境可分为室内agv、室外agv；按运动机构可分为：独轮机器人、多轮机器人和各种具有辅助运动机构的机器人；按控制体系结构可分为：功能式结构机器人、行为式结构机器人和混合式结构机器人；按功能和用途可分为：医疗机器人、军用机器人、助残机器人，清洁机器人等。

2. 研究内容和预期目标

本课题从路径规划研究现状、路径规划模块设计以及特定形状障碍区的路径规划三个层次来研究路径规划问题。

本课题将介绍各主流算法，并进行仿真测试与实物验证，例如：由a*算法演变进化而来的jps算法的实现原理，其在a*算法的基础上保留基本框架，提出“两个定义，三个规则”，有效去除了无意义节点对计算量与内存的占用，并举例叙述jps算法的寻路过程，同时提出了基于剪枝优化的改进jps算法，优化jps算法中对中间拐点的存储计算，进一步避免冗余节点拓展运算；针对缺少中间拐点造成的路径不完整的情况，提出寻路后补齐路径中删去的中间拐点的策略，补齐完整的路径，并以实例说明改进后jps算法优于jps算法，成功减少了扩展节点过程对无意义节点的计算量及内存消耗，提升了寻路算法的效率。验证改进amcl定位算法与改进jps算法的有效性。

预期目标：构建agv的路径规划系统，使得agv可完成自动巡检、定点采集、自动避障、自动返航等任务。

3. 研究的方法与步骤

查阅参考文献和书籍，分析比较各个算法的优缺点和实用程度，于理论层面总结特定情景中适合找寻最优路径的算法。

针对路径规划算法进行研究和分析，结合实际情况，首先分析传统的最短路径算法思想，其次在传统路径规划算法的基础上，在计算机程序中进行agv路径规划的仿真实验，对实验数据进行分析处理，总结每种算法在实际模型中的具体实现，并根据其思想，在一定程度上对算法进行改进。最后根据不同算法的特点，针对不同大小复杂程度不同的中小规模的环境，完善路径规划算法，提高agv的环境适应性。

设计仿真实验，从网络上获取开源环境，在autolabor simulation（款基于roskinetic 的轻量级开源机器模拟器）等仿真程序中运行agv，通过激光雷达构建栅格地图，为视觉提供位姿信息，视觉传感器采集信息，提取特征点，分类构建特征词袋库。利用栅格地图与词袋信息，实验agv在不同位置下的初定位效果，并与传统 amcl 定位算法相比较。构建不同规格地图，验证改进后算法相较于传统算法的优越性。

4. 参考文献

[1]黄程侃. 基于视觉的激光slam agv初定位与路径规划研究[d].浙江工业大学,2020

[2]赵文瑜.移动机器人slam与路径规划研究[d].华北科技学院,2020

[3]杨雪梦,姚敏茹,曹凯.移动机器人slam关键问题和解决方法综述[j].计算机系统应用,2018,27(07):1-10.

5. 计划与进度安排

2022-3-5～2022-3-11 查阅资料，分析实施方案；

2022-3-12～2022-3-31 完成各项模块设计；

2022-4-1～2022-5-15开始实物制作并进行各项实验；