近几年，扫地机器人技术发展迅速，扫地机器人在保证有良好清洁效果的同时，将追求更加智能、高效[1]. 扫地机器人的路径规划是一种环境区域内的全覆盖路径规划，路径规划是扫地机器人的关键技术之一[2]. 常用的路径规划方法主要有栅格法、Dijkstra算法、启发式搜索算法、神经网络算法、混沌遗传算法等[3]. 清扫机器人通常使用栅格法，行走路线有内外螺旋方式运行、田埂式运行等. 在实际应用中，由于存在各种约束，单纯使用田埂式运行存在着路径重复率高或有死角存在等问题[4]. 本文对传统栅格法进行了改进，提出了一种田埂式运行与A*算法相结合的方法，使扫地机器人路径重复率降低，从而实现全覆盖.

1　A*算法原理

A*算法是典型的启发式搜索算法，该方法能对空间的每一个区域进行评定，根据评定的系数得到最好的位置，再从这个位置进行搜索直到找到目标.

扫地机器人需要在最短的时间到达预定的位置以提高效率，所以路径必须是最短. 因此本文加入了限制条件，能更有效地找出当前空间的最短路径.

首先以机器人的大小把空间划分为矩形栅格[5]，如图1所示，然后将这个排列有序的栅格简化成一个二维数组，数组的每个元素就是网络中的方块，栅格定义为可通过或者是不可通过.

图1　基本栅格图

如图2所示，以机器人为中心，前后左右4个方向开始搜索，到距离目标点最近的相邻栅格，连续下去得出到达目的地的路径.

机器人起始位置如图18（a）所示. 启动扫地机器人，向左运行，如图18（b）所示. 遇到墙面时如图18（c）所示. 把墙面的栅格标记，此时利用田埂式算法计算得出机器人周围最近的空栅格，下方是墙体，因此机器人向上方运行，到上方一列中最近的栅格. 为保证是弓字形方式清扫，机器人转180°，如图18（d）所示，然后再开始新一列的清扫.

A*算法的估价函数表示为：f（n）＝g（n）＋h（n）. f（n）就是估价函数，g（n）的值就是从机器人当前所在栅格到目标点之间距离的栅格数. h（n）的值是在当前栅格上机器人可通行的可能性. 因为在实际运动过程中会有墙、凳子、桌子等作为障碍物. 在设计规则的时候，空间信息越多约束条件也就越多，这样排除掉没用的节点也会更多，规则越符合设计的要求，估价函数就越好[6].

G的值就是从机器人当前所在栅格到目标点之间的栅格数. H的值是在当前栅格上机器人可通行的可能性. 方格的F值F＝G＋H.

令当栅格为没有经过时G＝1，当栅格为障碍时G＝100，当栅格已经来过一次或以上时G＝10，避免重扫的情况发生. 令移动一个栅格的移动耗费为1，即H＝1，F的值是G和H的和[7]. 如图3所示是搜索的结果，G和H的值都计算得出后写在4个方向的栅格内.

在机器人实际调试之前，首先采用Labview进行仿真实验，以减少一些不必要的错误，给机器人实际调试做准备.

图4是800 ℃下，C钢渣和S钢渣摩擦系数随时间变化的曲线。从曲线可以看出，C钢渣的摩擦系数为0.26～0.43，平均摩擦系数为0.343，具有较低的摩擦系数；S钢渣的摩擦系数为0.22～0.47，平均摩擦系数为0.312。从曲线来看，C钢渣的摩擦系数较为稳定，在0.35附近浮动，S钢渣的摩擦系数波动较大。C钢渣和S钢渣均呈现出良好的抗磨损性能，是因为钢渣硬度高、含铁量多[19]。

然后加上田埂式算法测试整体效果. 如图17（a）所示，当模拟运行一小部分时，左上角显示的起点坐标是（0，1），可以看到值为3的格子是模拟的机器人，开始以弓字形方向侵占地图，并且时刻记录田埂算法的数据，存在maps数组中. 如图17（b）所示，机器人运行到最下方，发现下方都是墙，利用A*搜寻在maps数组中离当前位置最近的0点清扫，如图17（c）所示. 此时又发现墙壁，于是循环之前的步骤，去到最近的0点，持续清扫，如图17（d）所示. 继续执行以上循环的步骤，如图17（e）所示. 直到最后，如图17（f）所示，把所有的0都填补完成，100%完成清扫 [9].

图2　机器人移动方向

图3　路径规划开启

图4　路径规划中遇到墙体

图5　产生路径

图6　实际路径

2　田埂式算法的原理

首先对机器人所在位置的直线栅格先走一遍，当遇到障碍时以90°向固定的方向转动，进入到下一列直线中，然后再次同方向转动90°，继续直线方式行走，按照此规律反复运行，一直到覆盖整个清扫区域为止. 但扫地机器人在实际的运动中，会遇到各种障碍，该方法不能做到全覆盖，如图7所示，被障碍挡住的部分就没有清扫，虽然可以采用横纵切换的清扫方式，但效率很低[8].

本文将田埂法做了改进，加入优先级. 首先，机器人每走完一条直线，设为x轴，也就是遇到障碍时，记录x－1和x＋1，机器人没去过的栅格，利用A*计算出距离此时最近的栅格，然后走过去，再按照顺序清扫，以此类推，如图8所示，这样避免了田埂式基本运行方式所带来的遗漏问题.

图7　无田埂式算法效果

图8　有田埂式算法效果

3　路径规划程序的实现

本文把A*算法和田埂式算法整合，在机器人执行过程中A*起到规划路径的作用，而田埂式算法起到寻找房间没扫或者漏扫的区域. 如图9所示，首先，机器人按照直线行走，当遇到障碍时，启动田埂式算法，找出机器人左边和右边所没有去过的栅格，并且记录在maps数组中. 然后启动A*算法，得到在maps中离当前机器人所在位置最近的栅格，并且利用A*算法到达这个位置并且开启新一轮的运行，直到maps数组中没有栅格为止，此时整个房间清扫完毕.

3.1　A*算法程序的实现

矩阵map[xx][yy]用来存放地图中每块栅格的G值. 再以当前机器人所在中心查询每个方向的G值和距离目标点的H值. 然后把两个值进行相加得到最终的F值. 最后判断哪个F值等于min值，那么这个方向就是机器人将要移动的最近的方向. 最后需要把走过的栅格的G值加上一个权重，以免下次重复移动到这一块.

定义x1为当前机器人所在列的起始格，xx为当前机器人所在列的结束格，maps矩阵中存放机器人当前列的之前一列和之后一列，如图11中的x－1和x＋1列中相同行所没有去过且除去障碍物的栅格.

于第21周末，3%戊巴比妥钠麻醉小鼠后，进行心脏采血，使用酶比色法检测血脂，按照试剂盒说明书进行操作。然后打开小鼠胸廓充分显露心脏，将主动脉分离出来，取胸主动脉固定于4%的多聚甲醛中，取小鼠主动脉血管，乙醇脱水及二甲苯透明后石蜡包埋切片，常规脱腊脱水后进行HE染色，光镜下进行病理学观察。免疫组织化学法测定β-cateninn，以标本出现棕黄色为阳性显色；OlympusBX-51光学显微镜400 倍观察切片，应用Image Pro Plus 6.0图像分析系统进行光密度分析，每张切片分析5个连续的视野， 取其均值为该标本测量结果。

图9　机器人整体运行流程图

3.2　田埂式算法程序的实现

如图10所示，开始运行时，读取机器人当前栅格的前后左右4个栅格的G值，紧接着计算H值，然后把G和H值相加，得到总的F值，然后比较在4个方向的F值，选取F值最小的路径，并且把当前栅格的G值加10，表明机器人来过，以避免重复清扫.

机器人在x列上运行，起点位置的行值为y1，终点位置的行值为yy，这样机器人所走的格式为6格，然后程序逐行循环6次，搜索出在X－1列和X＋1列上机器人所没有去过的栅格，也就是没有扫过的地方. 图11中在X－1列上有两格黑色的栅格模拟已扫过的地方，需要过滤掉，然后把其余空的栅格坐标存入到maps数组中.

图12所示是执行田埂式算法的流程图，程序开始运行时，判断开始行是否小于或者等于终止行，如果不是就返回开始步，反之把初值为0的i加1，然后判断i是否小于50，如果是，就把数组中没用的数据清除，存入当前y＋1轴上没有清扫过的坐标于maps数组中，接着继续将i值加1，直到i＞50的时候，就跳进下一个循环中，进行同样的操作把y－1轴上没有清扫过的坐标存入maps数组中，直到这个i也大于50后整个程序就进入下一个循环，重复以上的操作.

本研究表明，AP患者男女性别比呈逐年升高趋势，与徐永成和许岸高[3] 研究结果相近。其结果表明2006-2011年间的患者男女性别比为1.43，高于2001-2005年间的0.76。本组患者的男女性别比近15年达到2.449～2.862，大于山东省其他地区[4]的1.375。之所以出现男女性别比逐渐升高，其原因可能有[ 5-8]：(1)男性的月饮酒率和24 h饮酒率明显高于女性。(2)男性高脂血症患病率逐年升高。周欢和戴婉如[9]研究发现青、中年男性血脂水平及高血脂检出率明显较女性高。这可能与男性工作压力大、社交较广、高脂高热量饮食、烟酒刺激等不良因素有关。

图10　A*算法流程

图11　机器人栅格图

图12　田埂式算法流程

4　调试

4.1　扫地机器人

扫地机器人（图13）以自身的直径旋转，相对于方形来说就没有多余的部分会撞到周围的障碍. 机器人可行的结构和合理的传感器，才能使算法达到最佳的效果.

如图14所示，机器人的轮子是可伸缩的结构，防止遇到高起的障碍时整个底盘搁浅在障碍物上. 如图15所示，机器人边上装有碰撞条，用于判断当前是否碰到障碍物.

4.2　Labview仿真调试

如图4所示，右边一个栅格到达目的地需要机器人移动两个格子，H值是2. 其他栅格以此类推. 每个格子的F值由G值和H值相加得到. F值最小的，则为下一个运动位置. 当机器人碰到障碍物后，G值变为100，此时F值很大，机器人不选择此栅格，选择下面或者上面的栅格，此时出现优先级的问题，是优先向上还是向下，本文将优先级设置为向下，有利于机器人的规则行走.

图13　扫地机器人

图14　机器人轮子

图15　碰撞条触发

首先，利用Labview实现最简单的A*算法，从一个点到另一个点的测试，如图16所示，起点坐标是（0，0），G＝255的格子代表墙，0就是可以到达的区域，3是机器人已经走过的区域，由图17可见，机器人顺利避开了障碍，走出了该区域.

重复这个过程，直到机器人到达目的地停止搜索，如图5所示. 机器人只要按之前得出来的节点按顺序行走，直到到达最终目的地，机器人实际的移动位置如图6所示.

[1]徐国保，尹怡欣，周美娟. 智能移动机器人技术现状及展望[J]. 机器人技术与应用，2007（2）：29－34.

图16　A*算法基础模拟

图17　A*算法模拟过程

4.3　实际运行调试

三是大力支持易地扶贫搬迁后续扶持工作。各市县要根据工作需要，从自治区切块下达的财政专项扶贫资金中，安排一定的资金用于易地扶贫搬迁人口的产业发展和就业创业等后续扶持工作，确保贫困群众搬得出、稳得住、能就业、有收入。

机器人需要到障碍的右边清扫，开启A*算法，以最近的路线绕过障碍，如图19（a）所示. 向下运行两个栅格，再向右运行两个栅格，如图19（b）和图19（c）所示. 绕过障碍，机器人继续向上运行一个栅格，到达目的地，如图19（d）所示，即没清扫的区域.

图18　机器人弓字形运行图

通过对具体数据的对比分析发现（见表1），在简单的场景中田埂式算法相较于A*算法的运行时间少，但在复杂的环境中A*算法相比田埂式算法具有优势，经过改进后，运行时间与清扫效率明显提高.

首先，由检察日报在2016年11月23日报道的标题为“动物园猛兽伤人：如何避免悲剧重演”一文关于北京八达岭野生动物园老虎致害案中，动物园采取的保护措施有：

图19　机器人运行A*算法

表1　算法性能分析表

序号　田埂式算法　A*算法　改进后的算法时间/s清扫率/% 时间/s清扫率/% 时间/s清扫率/%20组（简单）　90　90　96　92　93　98 20组（复杂）　106　86　101　89　98　95 50组（简单）　92　91　97　92　94　97 50组（复杂）　108　87　105　90　102　94

5　总结

本文分析了A*算法和田埂式算法，结合各自的特点，提出了一种新的路径规划方法， 将A*算法和田埂式算法整合到扫地机器人的路径规划中. 在实际的清扫测试中，机器人能沿着规划路径避开障碍物，不重复清扫，证明了该方法的可行性.

参考文献：

3.3 保肢失败的经验教训 目前普遍使用的MESS评分系统将评分大于7分作为截肢的指征[6]。战杰等[7]分析59例(61肢)保肢治疗效果后认为，MESS评分7～9分的严重创伤肢体也可试行保肢，保肢成功率达68.3%。国外学者认为严重肢体损伤选择保肢还是截肢，不能完全依赖评分系统，应综合考虑创伤、患者及医师3个方面因素，避免盲目保肢[8]。

[2]戴博，肖晓明，蔡自兴. 移动机器人路径规划技术的研究现状与展望[J]. 控制工程，2005，12（3）： 198－202.

[3]谭宝成，王培. A*路径规划算法的改进及实现[J]. 西安工业大学学报，2012，32（4）：325－329.

[4]夏梁盛，严卫生. 基于栅格法的移动机器人运动规划研究[J]. 计算机仿真，2012（12）：229－233.

其中，B为（2）式定义的复杂网络的模块度矩阵，X∈Rn，由定理1知，从任意初值出发，方程（3）的解都会收敛到模块度矩阵B的最大特征值对应的特征向量。结合Newman的特征值特征向量算法，就可以根据方程（3）的解中元素的符号将复杂网络中的社团结构提取出来。

犹代庖。《庄子·逍遥游》：“庖人虽不治庖，尸祝不越樽俎而代之矣。”庖人，掌庖厨；尸祝，掌祭祀时执祭板对神主而祝；各有职责。如庖人不尽其职，尸祝亦不代之宰烹。后因称越权办事或代作别人的事情为庖代、代庖。 参见“代庖”。 〔2〕1345

“The man came up to me in the street,” the boy said, “He asked me if I liked ice cream. I told him I did. Then he told me to come into the restaurant at 14 o’clock and sit down at his table. He said he’d give me some.”

[5]王红卫，马勇，谢勇. 基于平滑A*算法的移动机器人路径规划[J]. 同济大学学报（自然科学版），2010，38（11）：1647－1650.

[6]王殿君. 基于改进A*算法的室内移动机器人路径规划[J]. 清华大学学报（自然科学版），2012，52（8）：1085－1089.

[7]KALA R， SHUKLA A， Tiwari R. Fusion of probabilistic A* algorithm and fuzzy inference system for robotic path planning[J]. Artificial Intelligence Review，2010，33（4）：307－327.

[8]傅思程，陈中柘，向羽.清扫机器人的新型田埂式路径规划方法[J].电子技术与软件工程，2016， 10（26）：145－146.

下去一副办事的样子，进出一副忙碌的样子，归途一副疲惫的样子，办公一副投入的样子，学习一副认真的样子，开会一副严肃的样子，讲话一副激动的样子，外表一副朴素的样子，对上一副忠诚的样子，对下一副关怀的样子，总结一副圆满的样子，检讨一副无辜的样子！

[9]黄 静，陈汉伟.移动机器人全局路径规划算法的研究[J].仪表技术与传感器，2014（12）：80－83.