机器人工作空间求解的蒙特卡洛法改进

对机器人工作空间求解的蒙特卡洛法的基本原理、算法流程、适用范围等进行了研究，分析了蒙特卡洛法中随机点分布的不均匀性以及内部随机点和边界随机点的不同作用，并总结了立体工作空间随机点分层处理时引起的误差情况。针对传统算法边界处随机点分布不理想的问题，强调边界点的重要性，根据关节空间到工作空间映射的连续性，在先期搜索到的边界点的小邻域内重新生成随机点，从而有效改善了边界处随机点的分布状况，提高了边界点的精确度。针对立体工作空间随机点分层处理带来的误差，采用二次分层的方法，通过减小统计层厚度提高边界点的统计精度。大量的试验证明了算法的有效性。