《表1 初始目标点坐标顺序和目标点顺序》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于单目视觉的轮式机器人目标定位及路径规划初探》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于在项目中所需要的目标点没有达到类似TSP问题数量级的规模，为了测试算法的准确性和稳定性，我们选择手动输入几个数据，用以模拟小车通过视觉获取的目的地坐标。算法执行之前会以城市数量为基数乘以8作为SOM神经网络结构中的神经元个数进行添加。在模型训练次数上，一般来说，迭代上限越高，得到最终结果越准确。刚开始测试时，为了测试算法的准确性，把迭代上限设置成10万次，但是算法并没有完成该迭代次数，因为其中存在一个衰减变量，每次迭代都会更新衰减变量，如果判定衰减变量小于阈值，证明隐藏层神经元已经完成计算，再迭代下去的意义不大，可以得到最终的输出。表1中左边为初始目标点坐标顺序，其中有9个点，1个点生成了72个神经元结构，迭代了14 253次，巡回9个点可能的最佳路线为（1，2，3，5，9，8，4，6，7），其总长度为87.666，在算法中加入时间函数，用以打印算法执行时间，实际测试运行时间为88 304m s。表1中右边为算法执行后目标点顺序。图5为算法计算的目标点巡回最短路线图[2]。