一、方法講解：
本項目分為三個部分：機器人周圍一定范圍內基於RRT的全局檢測，
根據上一步檢測的未知區域點執行sklearn.cluster.MeanShift聚類，獲取聚類中心；
根據聚類中心計算各點增益，取最大增益點為目標，調用move_base規划路徑和控制機器人行走。
二、各部分詳解：
2.1 基於RRT的全局檢測：檢測未知區域點並發布
以機器人為中心，激光采樣范圍為半徑的正方形區域內，采用RRT算法計算未知區域點：如果RRT計算的某點在要計算的地圖范圍內，並且該點在地圖內的狀態為空閑區域點，則將該點加入RRT樹；如果該點在地圖的狀態為未知狀態區域，則該點不加入RRT樹，並將該點發布出去；
2.2 根據上一步檢測的未知區域點執行sklearn.cluster.MeanShift聚類，獲取聚類中心：
該部分訂閱全局檢測的未知區域點，並利用MeanShift算法獲取聚類中心；
2.3 根據聚類中心計算各點增益，取最大增益點為目標，調用move_base規划路徑和控制行走。
根據設定的信息半徑，和上一步的聚類中心，結合聚類中心離機器人的距離，計算各個聚類中心的信息增益，然后取信息增益最大的點作為目標點，調用move_base來向該點移動；新的聚類中心和增益不停被計算，因此在運動過程中目標點可能會改變，或者因為移動地圖中原來的目標點變為空閑區域，則新的目標點會被計算。
三、效果展示：
建圖算法采用gmapping，激光角度220度.，激光范圍14米。
藍色線：全局RRT樹；
綠色點：地圖狀態未知區域點
綠色線：move_base全局規划
紫色線：機器人移動軌跡。
例一：
例二、
仿真環境下：左下角、底部及右下角圖建歪了。
仿真模型大小：70米*64米
