一种基于RRT算法的SLAM小车地下矿山路径规划策略

基于地下矿山环境复杂、危险性高，传统的人工操作和导航方式存在诸多限制的问题，本发明提出了一种基于rrt算法的slam小车在地下矿山的路径规划的策略，旨在提高地下矿山的生产效率、降低人工成本、保障矿工安全，并推动自主导航技术在工业应用领域的研究和发展，同时也为路径规划研究领域的拓展提供了新的思路和实践案例。

背景技术：

1、地下矿山作为重要的资源开发领域，对于人类经济和社会发展具有重要意义。然而，地下矿山环境复杂、危险性高，传统的人工操作和导航方式存在诸多限制和安全隐患。因此，研究和开发自主导航技术对于提高地下矿山的生产效率、降低人工成本、保障矿工安全具有重要意义。

2、同时，随着机器人技术、传感器技术和slam(simultaneous localization andmapping)技术的不断发展，自主导航技术在地下矿山中得到了广泛应用的可能性。slam技术可以通过自主构建地图和同时估计自身位置，实现地下矿山环境的感知和自主导航。而rrt(rapidly-exploring random trees)算法作为一种高效的路径规划算法，可以应用于自主导航中的路径规划问题。因此，基于rrt算法的slam小车地下矿山规划研究具有重要的理论和应用价值。与传统给定不同的目标点，小车向目标点的方向移动的算法不同，本发明的提出可以根据给定范围，只需设置初始点，小车可实现自动避障导航。本发明通过采用自主导航技术，可以实现地下矿山设备和机器人的自主协同工作，避免了人工导航和操作的限制，提高了生产效率和作业质量。因为传统的地下矿山操作需要大量的人工参与，存在人力资源短缺、作业环境恶劣等问题。而基于rrt算法的slam小车可以实现自主导航和规划，减少了人工导航的需求，降低了人工成本；地下矿山作业环境复杂且危险，人工导航和操作存在较大的安全风险。基于rrt算法的slam小车可以代替人工进行危险作业，避免了矿工的潜在危险和伤害，提高了作业安全性。

3、本发明采用了基于rrt算法的自主导航技术，在地下矿山环境中进行了应用和验证，为自主导航技术在特殊环境下的研究和应用提供了新的实践案例。基于rrt算法的slam小车在地下矿山中的路径规划问题提供了一种解决方案，并且对于推动自主导航技术在工业应用领域的研究和发展具有积极的推动作用。

技术实现思路

1、本发明基于rrt算法的单机自主建图方法对机器人的功能进行了仿真实验，证明所提策略的有效性。主要流程如下：

2、地图模型：首先需要建立一个地图模型，描述机器人的工作环境。地图模型可以是二维图形，也可以是三维模型。采用栅格地图(occupancy grid map)表示环境，地图分成若干个网格，每个网格代表一个可行驶区域或障碍物。通常情况下，网格的大小可以根据具体应用需求进行设置，根据激光雷达数据对地图进行实时更新。在仿真过程中，需要不断更新地图模型，以确保地图信息是最新的。同时，需要动态调整rrt算法的参数，以确保机器人能够快速、准确地找到最优路径。

3、路径规划：使用rrt算法生成的树，可以规划出从起点到终点的最优路径。rrt算法是一种快速随机树生成算法，用于在复杂环境中寻找从起点到终点的路径。算法通过不断地随机生成节点，并扩展树的分支，每次选择距离目标点最近的树节点作为连接点来寻找最优的路径。如果小车遇到了人字弯，它需要调整它的路径规划策略，小车需要调整它的速度和方向结合rrt算法来生成新的路径，增加路径中的节点或者引入新的路径段来实现，以便通过人字弯。如果小车遇到了搬岔，它需要决定是继续沿着原始路径行驶还是转向新的路径，此时可以使用rrt算法生成新的路径来避开障碍物并继续行驶。如果小车需要倒车，它需要调整它的路径规划策略。小车可以使用rrt算法来生成新的路径，以便倒车到达目标点，小车需要注意避开任何障碍物，并且需要在倒车过程中保持安全。如果倒车是不可避免的，小车可以使用传感器来检测周围的环境，并使用自适应控制技术来自动调整速度和方向，以便实现安全倒车。机器人可以沿着规划的路径前进，并通过传感器获取实际的环境信息，来更新地图模型。为了避免碰撞，每次连接过程中需检查连接线段与障碍物的交点。当树结构达到目标点附近时，将目标点添加到树中，从而生成一条从起点到目标点的路径。为了减少路径长度和机器人的行驶时间，对原始路径进行优化和平滑。采用b-spline曲线或其他平滑方法对原始路径进行插值，消除路径中的急转弯和突变，从而生成平滑且可行驶的路径

4、导航控制：机器人根据规划好的路径，逐个跟踪路径上的目标点。通过比较机器人当前位置与目标点的位置，计算出期望的线速度和角速度，并利用比例积分微分(pid)控制器调整实际速度，使机器人沿着规划路径前进。在机器人导航过程中，可能会遇到动态障碍物。为了实现实时避障，结合激光雷达数据和局部地图，采用动态窗口方法(dynamicwindow approach,dwa)或人工势场法等避障策略，实时调整机器人的运动状态，确保安全行驶。

5、本发明介绍了一种基于rrt算法的turtlebot3单机自主建图方法。该方法通过环境建模、路径规划和导航控制实现了机器人在未知环境中的自主导航。该方法在实时性、稳定性和准确性均能达到预想效果。

技术特征：

1.一种基于rrt算法的slam小车地下矿山路径规划策略。首先需要建立一个地图模型，描述机器人的工作环境。地图模型可以是二维图形，也可以是三维模型。采用栅格地图(occupancy grid map)表示环境，根据激光雷达数据对地图进行实时更新。在仿真过程中，需要不断更新地图模型，以确保地图信息是最新的。同时，需要动态调整rrt算法的参数，以确保机器人能够快速、准确地找到最优路径。

2.路径规划：使用rrt算法生成的树，可以规划出从起点到终点的最优路径。rrt算法是一种快速随机树生成算法，用于在复杂环境中寻找从起点到终点的路径。算法通过不断地随机生成节点，并扩展树的分支，每次选择距离目标点最近的树节点作为连接点来寻找最优的路径。机器人可以沿着规划的路径前进，并通过传感器获取实际的环境信息，来更新地图模型。为了避免碰撞，每次连接过程中需检查连接线段与障碍物的交点。当树结构达到目标点附近时，将目标点添加到树中，从而生成一条从起点到目标点的路径。为了减少路径长度和机器人的行驶时间，对原始路径进行优化和平滑。采用b-spline曲线或其他平滑方法对原始路径进行插值，消除路径中的急转弯和突变，从而生成平滑且可行驶的路径。

3.导航控制：机器人根据权力2规划好的路径，逐个跟踪路径上的目标点。通过比较机器人当前位置与目标点的位置，计算出期望的线速度和角速度，并利用比例积分微分(pid)控制器调整实际速度，使机器人沿着规划路径前进。在机器人导航过程中，可能会遇到动态障碍物。为了实现实时避障，结合激光雷达数据和局部地图，采用动态窗口方法(dynamicwindow approach,dwa)或人工势场法等避障策略，实时调整机器人的运动状态，确保安全行驶。

技术总结
针对地下矿山环境复杂、危险性高，传统的人工操作和导航方式存在诸多限制的问题，本发明提出了一种基于RRT算法的SLAM小车地下矿山路径规划策略。通过SLAM技术和RRT(Rapidly‑exploring Random Trees)算法的结合，可以自主构建地图和估计自身位置的同时，实现地下矿山环境的感知和最优的路径规划，由此实现自主避障导航。本发明旨在提高地下矿山的生产效率、降低人工成本、保障矿工安全，具有重要的理论和应用价值，并推动自主导航技术在工业应用领域的研究和发展。

技术研发人员：王昭鸿,许可,桂德厚,蒲睿熙
受保护的技术使用者：湘潭大学
技术研发日：
技术公布日：2024/1/15