基于matlab的智能机器人路径规划仿真,基于Matlab和V-REP的移动机器人路径规划仿真平台...

. 11 .科技经济信息化 科技经济导刊 2019，27(05) Technology and Economic Guide 移动机器人路径规划指的是在一个具有障碍物的环境中寻找一条从起始状态到目标状态的无碰撞最优路径或近似最优路径。通常，移动机器人路径规划算法的验证方法是通过 Matlab 构建一个虚拟仿真环境，障碍物使用一些简单图形构造，移动机器人一般使用一个拥有一定尺寸的点来表示。虽然 MATLAB 在算法开发、数据可视化、数据分析以及数值计算方面是非常强大的，但使用Matlab构建的仿真环境与真实的物理环境差别很大。虚拟机器人实验平台(V-REP)是一个集成了多种物理引擎的机器人3D集成开发环境，能够模拟真实物理环境，是较为理想的移动机器人路径规划仿真工具，但是其默认的开发语言是 Lua 脚本语言，在算法快速开发与数据分析方面没有Matlab 出色。结合 Matlab 在算法快速开发与数据分析方面的优势和V-REP在物理环境仿真方面的优势，开发了基于Matlab 和V-REP的移动机器人路径规划仿真平台，并对移动机器人路径规划算法进行了仿真实验。 1 Matlab 与 V-REP 的交互 V-REP 虽然其默认的内置开发脚本语言为 Lua，但是提供了远程客户端应用编程接口，并且支持 C/C++、Python、Java、Matlab 等编程语言。本文使用的 V-REP 版本为 V-REP PRO EDU V3.5.0 rev4，使用Matlab 2015a作为V-REP的远程客户端，并通过 M 脚本语言实现 Matlab 与 V-REP 的交互。 V-REP 提供了 116 个远程 API 函数，可供 Matlab 从外部与V-REP交互，用户可以在M脚本中调用这个116个远程API函数即可实现与V-REP中的机器人及传感器的交互。在M脚本中调用 simxGetObjectHandle 函数可获取 V-REP 中机器人、视觉传感器、机器人左右轮的句柄，调用 simxGetObjectPosition 函数和simxGetObjectOrientation函数可以获取机器人的位置和姿态，调用simxSetJointTargetVelocity函数可以设置机器人左右两轮的转速。 2 基于随机路标图的路径规划 采用随机路标图法(PRM)进行全局路径规划。PRM算法的基本原理是用一个随机的网络来表示机器人运行的自由空间，然后在随机网络中利用搜索算法为机器人搜索一条可行的路径，PRM 算法分为两个阶段：学习阶段：该阶段主要任务是在给定地图的自由空间里随机撒点，构建一个路径网络图；查询阶段：该阶段主要任务是在给定初始位姿点和目标位姿点的条件下，在构建的路径网络图中搜索一条连接初始位姿点和目标位姿点的路径。 3 实验实验对象为双轮差分驱动机器人Pioneer P3DX，其位于 V-REP 模型浏览器的 robots\mobile 中。将 Pioneer P3DX 添加到新场景中后，将场景层次视图中机器人内置的子脚本内容清空，在其中添加 simRemoteApi.start(19999) 语句。 3.1 环境构建 移动机器人位于5 m×5 m的平面地板上，地板上障碍物可使用V-REP模型浏览器中基础设施中的墙壁构建，本文选用 20 cm 高的墙体构建障碍物环境如图 1 所示。 图 1 机器人所处环境 3.2 全局图像预处理 为了实现全局路径规划，需要将V-REP中构建的环境信息发送到 Matlab 进行处理。为此，在移动机器人所处平面的中心点上方添加一个全