基于复合探索策略的多机器人未知环境探索算法

为解决多机器人探索算法存在的计算资源大,探索后期效率较低等问题,提出了一种基于复合探索策略的多机器人未知环境探索算法。该算法分为3个模块,首先,利用机器人传感器构建初始地图,并使用基于快速边界和基于RRT(Rapidly-exploring Random Tree)的探索算法来获取边界点;其次,对边界点进行过滤和聚类以减少边界点数量并降低计算量;最后,通过任务分配模块,综合计算相对每个机器人的边界点信息增益、导航成本和定位精度等因素后引导机器人前往未知区域。通过在不同开阔程度的仿真环境下进行对比实验,结果表明,该算法提高了探索效率,并在复杂环境下表现出了更好的探索性能。