基于改進型Bug算法的林間移動平臺避障方法研究

蔡存成，姚立健，曾松偉，柴善鵬，王露露

(浙江農(nóng)林大學(xué) a工程學(xué)院，b信息工程學(xué)院，浙江 杭州 311300)

林產(chǎn)品與生產(chǎn)物資的運輸是林業(yè)生產(chǎn)的重要環(huán)節(jié)，目前傳統(tǒng)機械化運輸常采用軌道[1-2]、索道[3]和運輸車[4]等方式，為適應(yīng)高效作業(yè)的需求，自動化[5]、智能化[6]運輸設(shè)備越來越受到研究人員的重視，自動導(dǎo)航技術(shù)對提高林間生產(chǎn)運輸?shù)男屎桶踩跃哂兄匾饬x[7]。由于林木生長位置無序，在制定導(dǎo)航路徑時無法提前避開，因此避障成為解決林間自動導(dǎo)航問題的關(guān)鍵。

根據(jù)避障路徑的規(guī)劃方式，可將常用避障算法分為全局路徑規(guī)劃和局部路徑規(guī)劃[8]。全局路徑規(guī)劃算法中，機器人根據(jù)環(huán)境先驗信息自主規(guī)劃全部路徑，但林間環(huán)境存在不確定性，無法提前獲取準(zhǔn)確的障礙物信息；局部路徑規(guī)劃算法有人工勢場法[9]、啟發(fā)式算法[10]和應(yīng)激式算法[11-12]等，其中前2種算法分別存在局部最優(yōu)解和計算死循環(huán)等問題，故路徑規(guī)劃容易失敗。在應(yīng)激式算法中，Lumelsky等[13]提出的爬蟲(Bug)算法適用于未知環(huán)境，計算少且避障時效高，因而獲得了較多關(guān)注；黃培奎等[14]提出了圓弧Bug算法和折線Bug算法，并分別進行半實物仿真試驗驗證了2種Bug算法的可行性；彭艷等[15]基于多爬蟲(Multi-Bug)機制尋求避障路徑，利用格柵法進行環(huán)境建模，并與多種算法做仿真試驗對比，得出Bug算法路徑更短、效率更高等結(jié)論；康亮等[16]將Bug算法與滾動窗口算法相結(jié)合，利用三次螺旋線對避障路徑進行光滑化處理，得到機器人易于追蹤的路徑。上述Bug算法均在軟件仿真中實現(xiàn)，由于該算法默認(rèn)機器人是一個質(zhì)點且具備全方位無死角探測能力，使其較難應(yīng)用于實際[17]，因此較多學(xué)者進行了改進：代峰燕等[18]通過六邊形拓補法和坐標(biāo)建模法改進Bug路徑規(guī)劃算法，使油罐清洗機器人能在有障礙物的工況下降低清洗重疊率；江濟良等[19]運用神經(jīng)行為學(xué)原理改進Bug算法，依靠機器人生物觸角非360°探測環(huán)境，實時激勵并觸發(fā)相應(yīng)行為，能使機器人避障轉(zhuǎn)向少、距離短；趙祚喜等[20]基于機器人非360°探測改進Bug算法，將分段直線與速度空間結(jié)合，得到繞行障礙物邊緣的圓滑路徑，并應(yīng)用于實車進行試驗。以上改進多基于超聲傳感器非360°探測，且實現(xiàn)成本較低，但均未對如何跟蹤障礙物邊緣進行專門討論。良好的“邊緣跟蹤”能力可有效縮小避障范圍，適用于狹窄的林間環(huán)境，但如何精準(zhǔn)地進行“邊緣跟蹤”是一個難點[21]。模糊控制設(shè)計簡捷、應(yīng)用方便，常被用于避障控制中：Hacene等[22]利用5個超聲波傳感器采集機器人周圍的環(huán)境信息，并采用模糊控制實現(xiàn)了移動機器人的避障，其中“墻體跟隨”功能使機器人能夠沿行墻體，但對非墻體障礙物跟隨性較差；譚蓮子等[23]利用多傳感器融合技術(shù)，通過超聲波、紅外等傳感器共同獲取障礙物信息，使用模糊控制方法實現(xiàn)了輪式機器人的避障；金兆遠等[24]將二分法和模糊控制相結(jié)合，使用6個超聲波傳感器組成超聲波陣列，可獲得較小的探測盲區(qū)，最終使機器人能夠根據(jù)周圍環(huán)境選擇最佳避障路徑進行避障。上述模糊控制均能較好地控制機器人避障，但忽視了輸入變量權(quán)重對控制精度的影響，同時對避障路徑的冗余問題也未進行深入討論，因此仍有必要進一步研究與改進。

基于以上原因，本研究采用基于Bug原理的避障方法，使用純追蹤算法以實現(xiàn)精準(zhǔn)的全局路徑跟蹤，在避障初期自動判斷最佳避障時機并使用最大轉(zhuǎn)向角度，然后采用自適應(yīng)調(diào)節(jié)的模糊控制器控制平臺繞障，以減少避障路徑冗余，以期為提高林間移動平臺避障效率提供參考。

1 林間移動平臺硬件及控制系統(tǒng)

如圖1所示，林間移動平臺采用純電動后驅(qū)前轉(zhuǎn)向四輪機構(gòu)，由48 V、20 A·h鋰電池供電。平臺大小(長×寬×高)為130 cm×70 cm×125 cm，軸距和輪徑分別為85和32 cm。由L298N驅(qū)動器推動電動推桿(BMXL150，48 mm/s，250 N)實現(xiàn)前輪轉(zhuǎn)向，最大轉(zhuǎn)向角為40°，最小轉(zhuǎn)向半徑1.24 m。驅(qū)動器AQMD6020BLS驅(qū)動后輪直流電機，并通過減速器、差速器傳動實現(xiàn)平臺行駛。平臺四周安裝有4個KS102和2個KS109超聲波傳感器，用來探測平臺與障礙物之間的距離，量程分別為13～796和0～1 126 cm，精度分別為1和0.1 cm，波束角分別為50°和10°，收發(fā)頻率同為50 Hz。

1.天線；2.KS102超聲波傳感器；3.KS109超聲波傳感器；4.電動推桿；5.鋰電池；6.推桿電機驅(qū)動器；7.GPS信號接收機；8.直流電機驅(qū)動器；9.主控制器；10.后輪直流電機1.Antenna;2.KS102 ultrasonic sensor;3.KS109 ultrasonic sensorr;4.Electric push rod;5.Lithium battery;6.Electric push rod driver;7.GPS signal receiver;8.DC motor driver;9.Main controller;10.DC motor圖1 林間移動平臺的結(jié)構(gòu)Fig.1 Structure of forest mobile platform

圖2中，林間移動平臺使用Trimble BD982接收GPS(global position system)信號。主控制器(STM32 F767IGT6)讀取各傳感器信號，處理形成平臺的位置、航向信息及其與障礙物的距離信息，并通過自動導(dǎo)航模型計算出前輪期望轉(zhuǎn)向角，完成路徑追蹤和避障。前后輪均設(shè)有光電增量式編碼器(MK6012-G-400BN-T526)，用以檢測前輪實際轉(zhuǎn)角和后輪實際轉(zhuǎn)速，以實現(xiàn)對試驗平臺運動狀態(tài)的精準(zhǔn)閉環(huán)控制。

(x,y)為移動標(biāo)簽坐標(biāo)，m；θ為航向偏差，(°)；PWM為脈寬調(diào)制；U為電控制電壓，V；PCM為脈沖編碼調(diào)制；α為前輪轉(zhuǎn)向角，(°)；v為后輪速度，m/s；ls為超聲波傳感器探測到的障礙物距離，cm(x,y) is coordinate of moving tag,m;θ is heading deviation,(°);PWM is pulse width modulation;U is electric control voltage,V;PCM is pulse code modulation;α is front wheel steering angle,(°);v is rear wheel speed,m/s;ls is obstacle distance detected by ultrasonic sensor,cm圖2 林間移動平臺的控制系統(tǒng)框圖Fig.2 Control system of forest mobile platform

2 改進型林間移動平臺的避障方法

2.1 Bug避障原理及改進

Bug算法的原理是：機器人在追蹤當(dāng)前路徑的同時通過傳感器探測外部環(huán)境，若發(fā)現(xiàn)有障礙物，則沿障礙物邊緣行駛，繞越障礙物后繼續(xù)向終點前進。本研究的改進Bug算法如圖3所示，將追蹤全程劃分為路徑追蹤、避行和繞行3個階段，分別優(yōu)化避行和繞行階段的控制方法，以解決傳統(tǒng)Bug算法難以實際運用的問題。

圖3 林間移動平臺的導(dǎo)航及避障流程Fig.3 Navigation and obstacle avoidance process of forest mobile platform

2.2 超聲波傳感器的布置

根據(jù)Bug算法的思想，將6個超聲波傳感器S1～S6分布于車身四周，用來模擬爬蟲的觸角，各傳感器的安裝位置及其探測區(qū)域如圖4所示。

S1～S6為超聲波傳感器；A1～A6為探測區(qū)域；A1-2表示A1與A2重疊區(qū)域，A2-5、A1-6同理；陰影部分為盲區(qū)S1-S6 are ultrasonic sensors;A1-A6 are detection areas;A1-2 indicates overlapping area between A1 and A2,and A2-5 and A1-6 are the same.Shaded area is the blind area圖4 超聲波傳感器的分布及其探測區(qū)域Fig.4 Distribution and detection area of ultrasonic sensor

各超聲波傳感器的具體分工為：S1、S2(探測距離13～200 cm)分別位于平臺正前方，與平臺前端能否安全避開障礙物密切相關(guān)，為獲得更大的共同探測范圍和更小的盲區(qū)，采用兩波束的外緣平行的安裝方式。S3、S4(0～80 cm)的波束角中心線與車身側(cè)面垂直，主要負責(zé)偵測繞行障礙物時平臺與障礙物的距離信息。S5、S6(13～330 cm)波束角的一邊與車身側(cè)面重合，負責(zé)監(jiān)視車身兩側(cè)其余區(qū)域，以實現(xiàn)對車身周圍的全覆蓋探測。

2.3 避障策略

在圖4的A1、A2區(qū)域中，由于單傳感器無法對障礙物進行精確定位且這2個區(qū)域與探測盲區(qū)所在位置十分靠近，較危險，若障礙物出現(xiàn)在該區(qū)域內(nèi)則停車。當(dāng)障礙物出現(xiàn)在A1-2區(qū)域時，若平臺直行則一定會發(fā)生碰撞，因此必須采取避行措施。當(dāng)障礙物位于A3、A4區(qū)域時，使用模糊控制器嚴(yán)格控制該區(qū)域車-障距離，使平臺沿障礙物邊緣精準(zhǔn)移動。A5、A6區(qū)域不包含與A3、A4重疊的部分，當(dāng)障礙物出現(xiàn)在移動平臺的側(cè)面時，平臺前輪轉(zhuǎn)向角保持0°行駛，直至探測不到障礙物后再進行追蹤路徑。

對各區(qū)域影響避障決策優(yōu)先級進行規(guī)定，即規(guī)定優(yōu)先級次序為A1、A2>A3、A4>A1-2>A5、A6>A2-5、A1-6。若移動平臺的左右兩側(cè)同時存在障礙物，則平臺保持直行；若A1-2與兩側(cè)同時存在障礙物，則平臺無法避開，應(yīng)停車，其余情況都可根據(jù)優(yōu)先級完成避障。

當(dāng)所有區(qū)域都無障礙物影響行駛時，平臺采用文獻[25]的純追蹤導(dǎo)航模型進行路徑追蹤。

2.4 避行階段最大轉(zhuǎn)向角策略

2.4.1 避障轉(zhuǎn)向角計算 如圖5所示，當(dāng)安裝在車頭的傳感器S1和S2探測到障礙物P點時，平臺右輪至少要以αmin的角度向左轉(zhuǎn)向，平臺的右前端點C才能“剛好”避開P點。根據(jù)幾何知識，可求得αmin的計算公式為：

(1)

式中：K=(LBP+LCP+LBC)(LBP+LCP-LBC)×(LBP-LCP+LBC)(LCP-LBP+LBC)，LBP、LCP分別為S1、S2探測的障礙物距離，LBC、LCM、LMN為移動平臺自身固定尺寸，可測量獲取。為使式(1)進行有效計算并得到符合上述幾何規(guī)則的轉(zhuǎn)向角，必須保證以LBP、LCP為半徑的弧線能在A1-2區(qū)域內(nèi)相交，即滿足：

(2)

圖5 林間移動平臺最大前輪轉(zhuǎn)角的計算示意圖Fig.5 Calculation of the maximum front wheel angle of forest mobile platform

2.4.2 轉(zhuǎn)向響應(yīng)速度測定 由于推桿固有速度限制及轉(zhuǎn)向時地面對輪胎的阻力等因素，會造成前輪轉(zhuǎn)向響應(yīng)延遲，該延遲會影響避障的安全性和效率，因此需通過載荷試驗掌握前輪實際的轉(zhuǎn)向速度，為后期彌補措施做準(zhǔn)備。通過給0.5 m/s恒速移動的平臺施加100 kg載荷進行轉(zhuǎn)向延時試驗，結(jié)果如圖6所示。

圖6 林間移動平臺前輪轉(zhuǎn)向延時的測定Fig.6 Measurement of front wheel steering delay of forest mobile platform

由圖6可知，實際轉(zhuǎn)向角在一定時間后才到達期望轉(zhuǎn)向角，并在期望轉(zhuǎn)向角附近波動，該波動是推桿內(nèi)閉環(huán)控制調(diào)節(jié)的結(jié)果，該行駛速度對行駛穩(wěn)定性的影響可忽略不計。根據(jù)每次轉(zhuǎn)向過程中實際轉(zhuǎn)向角到達期望轉(zhuǎn)向角的時間差和所轉(zhuǎn)過的角度差，得到前輪每轉(zhuǎn)1°所需的平均時間為0.045 s。通過該轉(zhuǎn)向速度可根據(jù)車速和所需轉(zhuǎn)向的角度，得到轉(zhuǎn)向期間移動平臺的理論移動距離，其中最大移動距離為90 cm。

2.4.3 最大轉(zhuǎn)向角轉(zhuǎn)向時機的確定 根據(jù)式(1)、(2)，計算障礙物在移動平臺正前方A1-2區(qū)域中任一位置時所需的最小轉(zhuǎn)向角。以傳感器S1、S2的距離信息為橫、縱坐標(biāo)軸，以對應(yīng)的最小轉(zhuǎn)向角為坐標(biāo)值，建立如圖7所示前輪轉(zhuǎn)向角索引圖。圖7中轉(zhuǎn)向角正負號根據(jù)“左轉(zhuǎn)為正，右轉(zhuǎn)為負”的原則確定。由圖7可知，在圖的右上角區(qū)域，即障礙物與平臺距離較遠時，所需的轉(zhuǎn)向角較小，反之則較大。

為減少避障過程中的路徑冗余，提高避障效率，移動平臺需在盡可能靠近障礙物時，以最大轉(zhuǎn)向角轉(zhuǎn)向。根據(jù)式(1)可以得到轉(zhuǎn)向角達到最大值時S1和S2的多組距離組合，將這些組合反映在圖7中，會形成2條相交的曲線?？紤]到平臺轉(zhuǎn)向的延遲，實際轉(zhuǎn)向時機應(yīng)該“提前”，即這2條曲線應(yīng)向右上角移動90 cm，此時2條曲線會被拉長。如圖8所示，2條綠色曲線將轉(zhuǎn)向角索引圖分為藍、紅兩部分，當(dāng)車-障距離位于藍色區(qū)域時，平臺保持路徑追蹤行駛;當(dāng)車-障距離一旦到達綠色曲線處，立刻使用最大轉(zhuǎn)向角避障；紅色部分為危險轉(zhuǎn)向區(qū)域，當(dāng)車-障距離在該區(qū)域內(nèi)時，平臺會因轉(zhuǎn)向延時而不能及時避開障礙物，因此需停車。

圖7 林間移動平臺轉(zhuǎn)向角索引圖Fig.7 Index map of steering angle of forest mobile platform

2.5 繞行階段自調(diào)節(jié)模糊控制

當(dāng)平臺沿障礙物邊緣行駛時，為兼顧平臺與障礙物以盡可能小的距離“緊貼”同時又避免相撞，特設(shè)計一種帶自調(diào)節(jié)函數(shù)的模糊控制器。通過構(gòu)建車-障距離(lz)與預(yù)設(shè)繞行距離(繞行時平臺與障礙物的理想距離)的偏差、車-障距離變化率和前輪轉(zhuǎn)向角之間的對應(yīng)關(guān)系，利用函數(shù)動態(tài)調(diào)節(jié)輸入?yún)?shù)權(quán)重，以提高繞行效率，減少繞行路徑。

2.5.1 模糊控制器的輸入及輸出 根據(jù)多次試驗的經(jīng)驗，繞行時移動平臺與障礙物的距離為50 cm左右最合適，因此預(yù)設(shè)繞行距離為50 cm。由于傳感器S3、S4存在10°波束角，因此反饋相同探測距離的障礙物時，實際距離會有一定的偏差，當(dāng)探測距離為50 cm時，車-障實際距離變化范圍為-0.8～0.8 cm，該探測誤差為繞行距離的1.6%，對繞行過程的影響較小，因此可將傳感器反饋的距離作為實際車-障距離使用。繞行時定義車-障距離大于50 cm為正，反之為負。

Δlz=lz-50。

(3)

車-障距離相對變化率ηz：為

(4)

式中：ηz的正負分別表示移動平臺遠離或靠近障礙物，數(shù)值越大反映lz變化速度越快。

將Δlz、ηz作為模糊控制器的輸入，前輪轉(zhuǎn)向角α作為輸出，分別將三者模糊化，模糊等級均為{NB、NM、NS、ZO、PS、PM、PB}，Δlz、ηz、α的基本論域分別為[-30 cm，30 cm]、[-120%，120%]、[-40°，40°]。本研究使用Mamdani型模糊推理規(guī)則，將輸入輸出變量分別在[-6，+6]區(qū)間內(nèi)歸一化處理，得到Δlz與ηz的量化因子分別為kΔ/z=0.2、kηz=0.05，α的比例因子kα=6.67。

2.5.2 模糊控制器的自調(diào)節(jié)函數(shù)解析式 繞行模糊控制器的自調(diào)節(jié)函數(shù)解析式為：

Az=，n∈[0,1]。

(5)

式中：Az為前輪轉(zhuǎn)向角模糊變量；<·>表示取整運算；n為自調(diào)整函數(shù)；ΔLz為車-障距離與繞行距離偏差的模糊變量；Hz為車-障距離相對變化率的模糊變量。

控制器工作的基本原則為：當(dāng)平臺繞行時，若車-障距離過近或過遠，則增加距離權(quán)重，使其更快速地收斂至繞行距離；若車-障距離變化率過快，則增加距離變化率權(quán)重，使平臺高效繞行的同時行駛更穩(wěn)定，避免因障礙物外形變化過快導(dǎo)致脫離繞行或者發(fā)生碰撞。相較于普通模糊控制規(guī)則，該控制原理更加靈活，同時更適應(yīng)繞行需求，提升繞行精度。根據(jù)上述原則，建立自調(diào)整函數(shù)如下：

(6)

式中：k為比例系數(shù)；W為最大偏差范圍，取值為30；p為函數(shù)冪次。

如圖9所示，當(dāng)p<1時，函數(shù)n的值遞增較快，車-障距離因素在控制決策中權(quán)重占比較大；當(dāng)p>1時，車-障距離變化率權(quán)重變大，因此該權(quán)重隨著p值的增加而增強。

圖9 模糊控制器自調(diào)節(jié)函數(shù)的變化Fig.9 Change of self-adjusting function of fuzzy controller

由于林間移動平臺在林間行駛時，多為靜態(tài)障礙物且障礙物邊緣變化幅度較小，因此車-障距離變化率相對平緩，故應(yīng)重視距離值大小，增加其比重。通過Matlab R2014a仿真，自調(diào)節(jié)函數(shù)的參數(shù)為:k=1.2，p=0.8。

3 試驗驗證及分析

3.1 試驗設(shè)計

為驗證上述避障方法的有效性，于2020年5月在浙江農(nóng)林大學(xué)林學(xué)實驗基地對林間移動平臺進行導(dǎo)航避障試驗，試驗場地(長×寬)為12 m×3 m的林間泥地。由于移動平臺在林間進行路徑追蹤時，較難避開林間樹木和堆疊物等物體，因此本試驗設(shè)計大、小2種障礙物。大障礙物為3 m×0.3 m×1.2 m(長×寬×高)的紙箱，小障礙物為直徑約0.5 m的樹木，障礙物均位于期望路徑中央，距離導(dǎo)航起點4 m，跟蹤路徑全程12 m，車速0.5 m/s。

對試驗中的數(shù)據(jù)進行如下定義：平均繞行偏差為移動平臺位置與預(yù)設(shè)繞行距離偏差的均值，可反映繞行過程的偏差大小，表明算法控制的準(zhǔn)確程度；繞行偏差范圍為平臺與預(yù)設(shè)繞行距離偏差的最小值和最大值，該范圍對行駛的穩(wěn)定性、控制的準(zhǔn)確度均有一定參考意義；繞行標(biāo)準(zhǔn)差為繞行偏差的標(biāo)準(zhǔn)差，該值可反映繞行過程中行駛的穩(wěn)定性，在狹隘的林間環(huán)境中穩(wěn)定行駛可提高避障安全性和避障效率；試驗總路程為移動平臺從起點到終點所行駛的路程總和，理論總路程為與實際試驗相同情況下理論上使用上述算法所需的總路程，將2種路程進行對比可為路徑冗余、系統(tǒng)控制精確程度提供參考。

避障軌跡及其試驗數(shù)據(jù)如圖10、11及表2所示。為更好地顯示避障效果，圖10(a)和11(a)中的虛線矩形為平臺輪廓的移動軌跡。

3.2 試驗結(jié)果與分析

從圖10(a)和圖11(a)可見，在2種障礙物避障試驗中，全程各階段路徑銜接流暢，繞行軌跡平滑且與障礙物無碰撞，避障成功。結(jié)合圖10(b)和圖11(b)可知，繞障過程中轉(zhuǎn)向角均有明顯調(diào)節(jié)，繞障軌跡均與其對應(yīng)障礙物邊緣相似，無軌跡突變和偏離，說明通過自調(diào)節(jié)模糊控制的方法可解決“邊緣跟蹤”的問題，同時實現(xiàn)了將改進型Bug算法應(yīng)用于實際中。

從圖10(b)和圖11(b)可知，當(dāng)期望轉(zhuǎn)向角首次變?yōu)樽畲笾禃r即開始避障，此時S1和S2探測到大、小障礙物的距離分別為98.0，103.0和96.0，84.0 cm，并據(jù)此算得提前避障距離分別為93.9和81.7 cm，將2組探測距離對應(yīng)在圖8中剛好位于綠色部分，因此提前轉(zhuǎn)向的時機判斷正確；避行全程無碰撞和停車等情況發(fā)生，說明避障轉(zhuǎn)向角控制索引圖設(shè)計合理，可解決轉(zhuǎn)向響應(yīng)延遲影響避障安全的問題。

圖10 林間移動平臺小障礙物避障試驗結(jié)果Fig.10 Obstacle avoidance test result of small obstacles on mobile platform in forest

圖11 林間移動平臺大障礙物避障試驗結(jié)果Fig.11 Obstacle avoidance test result of large obstacles on mobile platform in forest

由表1可知，大、小障礙物繞行偏差范圍分別為0.1～29.2和0.7～23.4 cm，由于林間泥地存在坑洼、石塊等因素，會導(dǎo)致平臺行駛時發(fā)生側(cè)滑，造成偏差范圍偏大。平均繞行偏差分別為-7.9和-15.2 cm，該偏差分別為車寬的11.3%和21.7%，小障礙物試驗繞行偏差相對較大是因為障礙物半徑較小，移動平臺還未來得及調(diào)整就已結(jié)束繞障過程。2種試驗的繞行標(biāo)準(zhǔn)差分別為7.5和12.4 cm，表明避障過程行駛穩(wěn)定、控制精確，符合林間環(huán)境的避障要求。

由表1可知，大、小障礙物避障試驗的總路程分別為1 315.5和1 223.1 cm，理論計算得到的避障路程分別為1 307.1和1 228.2 cm，差值分別為8.4和5.1 cm，試驗實際值與理論值的差值分別占理論值的0.64%和0.42%，說明使用改進的Bug算法對平臺控制精確且避障路徑冗余小，保證了運輸?shù)母咝?，適用于林間環(huán)境的導(dǎo)航行駛。

表1 林間移動平臺不同障礙物避障試驗結(jié)果的統(tǒng)計Table 1 Statistics of obstacle avoidance test of different obstacles on forest mobile platform

4 結(jié) 論

1)用GPS定位系統(tǒng)獲取移動平臺的位置信息，在林間進行避障試驗，通過改進傳統(tǒng)Bug算法，將其導(dǎo)航及避障過程分為路徑追蹤、避行和繞行3個階段，路徑追蹤階段使用純追蹤算法；在避行階段結(jié)合轉(zhuǎn)向所需的時間，確定提前轉(zhuǎn)向的位置，使用最大轉(zhuǎn)向角的方式避開障礙物；在繞行階段通過設(shè)計帶自調(diào)節(jié)函數(shù)的模糊控制器，控制平臺對障礙物進行“邊緣跟蹤”，從而實現(xiàn)將Bug算法應(yīng)用于林間移動平臺避障。

2)在大、小障礙物實際避障試驗中，提前避障時機判斷恰當(dāng)，控制精確；平均繞行偏差分別為7.9和15.2 cm，繞行偏差最大值分別為29.2和23.4 cm，繞行標(biāo)準(zhǔn)差分別為12.4和7.5 cm，表明避障過程中移動平臺行駛穩(wěn)定；大、小障礙物避障試驗總路程與理論總路程的差值占理論值的比例均小于1%，說明避障控制較精確，避障路徑冗余較少。

3)林間環(huán)境較為復(fù)雜，平臺行駛會受路面?zhèn)然纫蛩赜绊?，從而?dǎo)致避障過程中繞行偏差變大，后期可對行走機構(gòu)進行相應(yīng)改進，以更加適應(yīng)林間地面環(huán)境。