复杂环境下清洁作业的机器人全覆盖路径规划与局部路径跟踪控制

《IEEE Access》：Robotic Full-Coverage Path Planning and Local Path Tracking Control for Cleaning in Complex Environments

　　**摘要：** 针对清洁机器人在存在静态障碍物的复杂环境中进行全覆盖路径规划（CCPP）时，因保守避障策略导致的路径碎片化、频繁转向和漏扫等问题，本文提出了一种将全局覆盖规划与局部跟踪控制集成于统一架构中的协同导航框架。在全局规划层面，基于仿生神经网络（BINN），引入了区域分解与合并、最优覆盖方向选择与维护、障碍穿越策略以及改进的死区逃逸机制等方法以提升覆盖质量。具体而言，区域分解与合并结合最优方向选择机制，确保在每个子区域内沿最优方向进行规则的覆盖。此外，通过依赖局部层的自主避障能力，障碍穿越策略有意忽略小型障碍物，以避免避障机动对神经网络活动造成的干扰，从而避免后续出现蜿蜒路径和频繁转向，进一步提升整体运行效率。在局部规划层面，开发了一种双层控制器架构。融合模型预测控制（MPC）与动态窗口法（DWA）的局部路径控制器实现了高精度路径跟踪与碰撞检测。当检测到碰撞风险时，局部路径重规划器对全局路径片段进行重新优化，以实现最小幅度的沿边缘避障并快速返回全局路径，从而避免因过度绕行而导致的漏扫和重复覆盖。在庭院环境中进行的仿真与实际实验表明，全局规划中的冗余覆盖率降至7.01%，在总路径长度和累积转向角方面均优于传统方法。……展开更多