温室环境下移动机器人复合栅格地图构建提升路径规划性能

本文研究针对温室环境中的移动机器人路径规划问题，提出了一个创新的方法——复合栅格地图构建。温室环境具有特殊性，机器人仅依靠自身携带的传感器可能无法获取完整的环境信息，比如温度和湿度，这可能导致路径规划的不准确。因此，研究人员利用无线传感器网络作为外部信息源，定期收集对机器人行动有直接影响的温度和湿度数据。 传感器网络负责实时监测这些参数，当监测到的温度或湿度数据变化率达到预设的阈值（如±10%），机器人会通过阈值分割技术将这些数据转化为温度栅格地图和湿度栅格地图。这些栅格地图是以网格形式表示环境变量的空间分布，便于机器人理解和规划路径。 接着，将温度和湿度栅格地图与已知的室内障碍物栅格地图融合，形成动态更新的复合栅格地图。这样，机器人在规划路径时不仅考虑了自身的传感器数据，还考虑到了外部环境因素，提高了规划的精度和可靠性。 在实验测试中，使用传统的A*算法进行路径规划，基于复合栅格地图的方案显示出显著的优势：成功率提升了2.5倍，完成时间仅比基于普通栅格地图的方案增加了1.05倍。这意味着复合栅格地图不仅提高了规划的成功率，而且保持了良好的实时性能，满足了温室环境中的移动机器人对快速响应和准确导航的需求。 本文的研究人员来自常州大学的城市轨道交通学院和机器人研究所，他们在无线传感器网络、移动机器人、智能自动化等领域有着丰富的经验和深入研究，包括史兵副教授、段锁林教授、李菊副教授以及两位硕士研究生王朋和朱益飞。 这篇论文提供了一种有效的解决方案，通过结合外部传感器和复合栅格地图技术，解决了温室环境中移动机器人路径规划面临的挑战，对于优化机器人在复杂环境下的自主导航具有重要的理论和实践意义。