针对当前矿用机器人巡检路径规划方法效率低、巡检用时长、能耗相对较高等不足，利用蚁群算法（ACO）对巡检机器人路径规划方法。经分析巡检机器人作业原理，使用SLAM方案来完成机器人行进中的同步定位与井下环境构图，构建了基于改进ACO算法的路径寻优模型，并在Ubuntu+ROS系统下进行仿真实验。结果表明，SLAM构图结果与实验环境较为一致，精确度高且误差较小；改进的ACO算法规划用时短，巡检路径拐点较少，能够有效降低巡检过程中的使用能耗。
科研之友
微信
新浪微博
Facebook
分享链接
