基于拓扑地图的移动机器人室内环境高效自主探索算法

为了减少移动机器人在自主探索过程中反复到达已知区域的次数，从而提高自主探索效率，提出一种高效率自主探索算法TMRRT(topological map based rapidly exploring random tree)。首先，将变生长率的局部与全局快速扩展随机树（RRT）作为探测器来发现地图的边界，并对前沿点进行聚类；同时，将最佳探测点存储下来作为拓扑地图，避免机器人反复到达已探索区域。最后，在不同环境下进行仿真并在实际环境中进行验证。实验结果显示，本文的探索算法相对于RRT算法平均探索时长减小了7.5%以上、平均路径长度减小了19.8%以上，相对于FA(frontier-based approach)自主探索算法平均探索时长减小了15.7%以上、平均路径长度减小了34.3%以上。结果表明，该算法可以有效提高机器人自主探索的效率，在实际环境中具有可行性。