技術(shù)特征：

1.一種基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，基于rrt算法對所述未知區(qū)域進行識別得到邊界點，包括：

3.根據(jù)權(quán)利要求2所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，通過計算兩點之間的歐幾里得距離和動態(tài)調(diào)整步長以適應(yīng)不同區(qū)域的探索需求，預(yù)設(shè)已知向量和向量并計算歐幾里得距離的表達式為：

4.根據(jù)權(quán)利要求3所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，對探索到的邊界點進行管理，包括：

5.根據(jù)權(quán)利要求1所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，采用kmeans算法對所述邊界點進行聚類處理，包括：

6.根據(jù)權(quán)利要求1所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，基于teb路徑規(guī)劃算法引導(dǎo)所述機器人到達所述目標點，還包括：

7.根據(jù)權(quán)利要求6所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，teb算法的第一個約束目標函數(shù)為跟隨路徑和避障約束，避障約束包括跟隨已知的全局規(guī)劃路和避障，構(gòu)型序列與全局路徑點序列或障礙物的最近距離為，跟隨路徑目標以構(gòu)型距全局路徑的允許最大距離作為約束，避障目標以構(gòu)型距障礙物的允許最小距離作為約束；

8.根據(jù)權(quán)利要求7所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，teb算法的第二個約束目標函數(shù)為速度和加速度約束，機器人運動的平均線速度和角速度可通過相鄰的、和時間間隔計算得到：

9.根據(jù)權(quán)利要求7所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，teb算法的第三個約束目標函數(shù)為運動學(xué)約束，機器人以若干弧段組成平滑的軌跡運動，初始與運動方向、的夾角應(yīng)與結(jié)束構(gòu)型對應(yīng)的夾角相等，若為機器人在第i段弧段相對于世界坐標系的絕對姿態(tài)，則：

10.根據(jù)權(quán)利要求7所述的基于自適應(yīng)kmeans算法的機器人未知環(huán)境探索方法，其特征在于，teb算法的第四個約束目標函數(shù)為最快路徑約束，用最小化時間間隔序列的二次方表示：

技術(shù)總結(jié)
本發(fā)明公開了一種基于自適應(yīng)KMeans算法的機器人未知環(huán)境探索方法，通過獲取機器人在未知環(huán)境中移動的未知區(qū)域，并基于RRT算法對所述未知區(qū)域進行識別得到邊界點，采用KMeans算法對所述邊界點進行聚類處理，并基于信息增量算法對聚類處理后的邊界點進行計算以確定目標點，基于TEB路徑規(guī)劃算法引導(dǎo)所述機器人到達所述目標點，并采用Gmapping算法進行地圖構(gòu)建以完成機器人未知環(huán)境探索，可以根據(jù)地圖采集到的邊界點動態(tài)調(diào)整聚類中心的數(shù)量，根據(jù)數(shù)據(jù)的特性和分布情況，智能地決定最佳的聚類中心數(shù)目，從而提高聚類的效果和精確度，基于KMeans聚類算法對邊界點進行聚類，并通過信息增量算法對目標點進行優(yōu)化，以提高聚類的準確性和效率。

技術(shù)研發(fā)人員：馮晟,應(yīng)森昂,吳敦,何月彪,費佳寧,俞嘉煒,余冬華,李虎雄,胡珂立,趙利平,章生冬,蔡雪瀅,周彬超,賈文濤
受保護的技術(shù)使用者：紹興文理學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19