基于RRT*算法的移动机器人安全光滑路径生成

在多障碍物复杂工厂环境中,针对快速探索随机树算法(RRT*)生成的路径存在冗余点、贴近障碍物且存在锯齿状转折的问题,改进得到了安全 光滑RRT*（Safe Smooth RRT*）路径规划算法。首先,引入目标偏置策略;其次,该算法利用融合目标点引力思想的新节点扩展方式以及改进的近邻点度量策略以减少树的盲目扩展,提高生长的目标性;随后,引入节点安全约束,将安全节点加入树中;改进路径简化方法,剔除冗余点的同时兼顾了安全性;最后通过B样条局部平滑来改善路径的平滑性。在MATLAB仿真实验中分别与标准RRT*算法、自适应目标偏向性RRT算法和改进RRT算法相比,在平均路径长度方面最大下降了7.1%,在平均有效节点数方面最大下降了64.1%,且所得路径始终与障碍物保持一定的安全距离,结果表明改进算法有效提升了路径的光滑性和安全性。     

基于改进JPS的移动机器人路径规划算法

在移动机器人的路径规划技术中，跳点搜索算法（JPS）因具备简单、快速、易实现的特性而被广泛使用。然而，传统的JPS算法由于启发式函数搜寻效率低导致其搜索的节点数量冗余，而且难以有效兼顾规划路径的安全性。针对该问题，本文提出了一种改进的JPS算法。该方法设计了一种由对角线距离和方向信息结合的启发式函数用于提高寻路效率，并且进一步对规划路径进行平滑处理以有效兼顾规划路径的安全可靠性。移动机器人在复杂障碍物环境下的路径规划仿真实验表明，相较于JPS算法，本文改进后的JPS算法平均规划时间减少了13.4%，平均路径长度减少了3.1%，平均危险点数量降低了83.3%。     

基于概率A*的智能车路径规划算法

为保证智能车辆能够按照规划的路径安全行驶,且满足车辆动力学特性,针对混合A*算法中没有引导性策略所产生较多不必要的搜索问题,提出概率A*算法先得到搜索粗路径,提高在随后搜索过程中搜索效率。然后利用概率A*算法得到的路径点引导节点走向,避免节点向障碍物等搜寻。最后对节点的代价函数进行优化。仿真实验结果表明,与混合A*算法相比,本文所提出的算法平均减少搜索时间10.8%,且得到的路径相对规整平滑。该算法可以在较短时间内为智能车辆规划一条安全可行平滑的路径。     

基于 ROS与融合算法的室内无人机路径规划研究

针对四旋翼无人机在室内环境下路径规划效率低、缺乏实用性等问题,提出一种基于融合改进算法的路径规划方法。 首先引入室内混合约束,使用动态加权对传统 A* 算法的评价函数进行重构;其次根据不同地图区域方位角自适应调整邻域 搜索方式;然后考虑无人机实际尺寸影响,设定安全半径,并用Floyd算法对路径做拐点冗余处理;最后融合改进 A* 算法与 改进 DWA 算法,实现了四旋翼无人机的室内自主路径规划和避障。MATLAB 不同仿真环境下的结果表明,改进后算法搜索 节点数和转弯角度分别平均减少63.1%和58.9%,保证全局路径最优的同时,提升了搜索效率与路径安全性。经 ROS 操作 系统的实验结果验证,融合算法在避障效果与运动平稳性等方面具备明显优势,可应用于室内复杂场景下无人机的路 径规划。     

基于引力场引导的RRT-connect路径规划算法

针对双向快速扩展随机树(RRT-connect)算法在路径规划过程中耗时长、节点采样随机性大的缺点,提出了基于引力场引导的RRT-connect算法.该算法在路径起点和终点之间设置了第3节点作为新扩展节点,使其在3个节点交替扩展随机树,同时在各节点上分别叠加一个引力场引导节点的产生方向,以降低无效空间的搜索范围.算法在少障碍物、多障碍物以及存在狭窄通道3种场景中进行了仿真实验研究,结果表明改进算法平均迭代次数相比于基础算法降低了47.1％,平均路径规划时间降低了43.4％.证明了改进算法相比于RRT-connect算法能够有效减少规划耗时,具有更高的规划效率.     

基于改进A*算法的无人机路径规划研究

针对传统A*算法在无人机路径规划时效率低下、路径点存在大量冗余，且路径转折较多的缺点，提出一种基于双向机制的改进A*算法。首先引入双向搜索机制，分别以对向搜索的起点作为终点，然后判断终点位于起点的象限进行双定向搜索，从而提高搜索效率。最后引入路径平滑策略，将双定向搜索获取的初始路径进行平滑处理，减少冗余路径点和转折点。通过MATLAB平台对传统A*算法和改进A*算法进行对比实验，实验结果表明，相比于传统A*算法，提出的改进A*算法，路径规划时间平均减少了61.61%，路径点平均减少了83.09%，路径转折点平均减少了46.97%，能够有效提高无人机工作效率，生成平滑路径。     

基于改进A∗算法的仓库物料车路径规划

生产实践证明,高效率的企业生产离不开生产物流的支持.仓库内的物料配送是生产物流系统的重要组成 部分,由于仓库内部复杂的障碍环境,往往难以合理规划其配送路线.如果能够合理规划仓库内的配送路线,就可以 提高配送环节的效率,有助于提高生产效率.以改进的A?算法在仓库物料配送路径规划中的应用为研究对象,首先 分析仓库物料配送路径规划的环境,其次采用栅格法模拟仓库下的环境,完成对障碍物环境下的配送仿真实验.分析 A?算法的搜索原理,并通过融合改进的A?算法与动态窗口(Dynamicwindowapproach,DWA)算法,设计融合算 法,改进后的融合算法将具有更优秀的路径规划能力,在仓库复杂环境下物料配送的路径规划更合理.MATLAB ２０１８b仿真环境下的对比实验表明,融合算法能有效减小搜索范围,提升搜索效率,同时也能合理规避静态障碍物和 动态障碍物,从而获得更优秀的路径规划效果.     

多层优化蚁群算法的移动机器人路径规划研究

针对地图环境建模以及蚁群算法存在的问题,提出了一种移动机器人路径规划的多层优化方法.首先对U型陷阱栅格区域进行凸化处理,避免前期搜索混乱;设计新的状态转移规则,解决常规蚁群规划的路径过于紧贴障碍物的问题;改进距离启发式函数,有效提高算法收敛速度;设计平滑启发函数,增加蚂蚁局部探索时直行的机率,提升初始路径平滑性;提出按路程长度和平滑程度分配信息素的更新原则,利用优质蚂蚁进行全局信息素更新,进一步提高算法收敛速度;利用最大最小蚂蚁策略,防止蚁群陷入局部最优;通过二次路径优化策略,去除多余冗余点,进一步提升路径平滑性.仿真及实验结果表明,该方法能为移动机器人规划出一条安全且综合性能较好的路径,为路径规划的求解提供了一种切实可行的方法.     

复杂环境下的改进 RRT 算法路径规划

针对快速扩展随机树算法(rapidly-exploring trees, RRT)在一些复杂环境中存在搜索效率低、收敛速度慢、生成的路径冗余节点多等问题,提出一种改进的RRT算法。首先引入自适应目标概率策略,实时调整对目标点的采样概率;其次引入节点转向策略,提高单次采样的成功率;最后对生成的路径进行冗余节点裁剪,使路径更符合实际应用需求。在MATLAB中进行仿真实验,并与RRT算法、RRTGoalBias算法进行对比。实验结果表明,改进算法在多种不同环境下具有较好的适应性,在寻路时间、采样次数和采样成功率3个方面均有较大提升,最终平均路径长路降低了21.1%,平均节点数降低了75.3%,证明了改进算法的优越性和实用性。     

融合A*和DWA算法的移动机器人路径规划方法

本研究旨在解决自主移动机器人在点到点路径规划中面临的搜索效率低下、易陷入局部最优解以及对未知动静态障碍物处理不够实时的问题。为此,将改进A*算法与改进 DWA进行了有效融合。在改进的A*算法中,我们引入了基于障碍率的权重因子和双向优化策略,以提升搜索效率并生成更加平滑的路径。同时,改进的DWA算法融入了两种新的障碍物评价函数,并通过调整权重系数有效地避免了局部最优解问题。通过将改进的DWA算法与改进的A*算法结合,实现了对未知动静态障碍物的高效实时避障。仿真实验结果显示,提出的改进A算法与传统A算法以及文献［23］的改进算法相比,在四种环境下的表现表明：路径转弯次数分别平均减少了30.14%和18.16%,搜索空间分别减少了35.09%和15.21%,规划时间分别降低了82.36%和38.26%。进一步地,结合改进的DWA算法后,路径规划时间、路径长度和平均运动速度相比融合传统DWA算法和文献［23］的融合算法分别平均减少了37.46%和9.82%,减少了4.59%和3.63%,提高了53.49%和7.09%。     

基于运动预测与改进APF的无人机路径规划方法

动态路径规划是保障无人机在复杂干扰环境下飞行安全的关键要素。针对动态路径规划中存在的迭代次数高、收敛速度慢以及动态障碍物避障问题,提出了一种基于障碍物运动预测与改进APF的无人机动态路径规划方法。首先,针对动态障碍物,设计了基于激光雷达的目标检测算法和基于卡尔曼滤波的运动预测算法估计动态障碍物信息,并提出速度方向相似性检测方法进行局部位置脱离决策。其次,针对静态障碍物,引入模拟退火法扰动当前状态,并结合基于目标点的邻域优化函数进行动态路径规划。仿真结果表明,本文算法在应对静态障碍物时可缩短69%动态避障时间,应对动态障碍物时可缩短了19.7%的避障距离与23.6%的任务耗时,提高了无人机任务执行的安全性和效率。     

融合 A∗ 蚁群和动态窗口法的机器人路径规划

针对蚁群算法在全局路径规划时无目的搜索、收敛慢和规划的路径不平滑等问题,本文提出了一种融合 A ∗ 蚁群和动 态窗口法(dynamic window algorithm, DWA)的平滑路径规划方法。 首先,对于传统蚁群算法,利用改进 A ∗ 算法非均匀分配初始 信息素,解决算法初期搜索无目的问题;给出算法自定义的移动步长和搜索方式,提高路径寻优效率;修改转移概率函数中的启 发函数值并增加障碍物影响因子,在避免死锁现象的同时加快收敛速度;采用二次路径优化策略,使得路径更短更平滑;其次在 动态窗口法的评价函数中引入动态避障评价子函数,提高路径的安全性。 仿真实验结果表明,改进 A ∗ 蚁群算法较传统蚁群算 法可减少 8. 75%的路径长度和 59%的转折点数,融合优化动态窗口法后,移动机器人既能保证在静态环境下规划出全局最优 的路径,又能实现动态环境下的路径规划,有效躲避环境中出现的动态障碍物。     

基于物联网的无人机智能巡线路径规划方法

为在输电线路环境不确定因素较多的情况下,确保智能巡线路径规划效果,提高障碍物勘测安全性及目标搜索准确率,提出基于物联网的无人机智能巡线路径规划方法。基于物联网平台特点,结合输电线路周围环境特征,利用视距测量方法测试安全距离;采用加权距离公式,计算地面对飞行点间距离差,锁定地面差值与飞行距离差值间的加权关系,保证无人机稳定飞行;通过拉格朗日插值法计算输电线路周围节点,对噪声数据进行粗差剔除,补偿差值向量;采用强化学习算法中启发式回报函数,计算样本障碍物间路径,划分最优航线行驶路径,规划无人机智能巡线路径。实验结果表明：所提方法的无人机与障碍物之间的距离差值均未小于200 m,目标搜索个数可达33,数据剔除率高达98%,其智能巡线路径规划和数据粗差剔除效果较好,能够有效提高障碍物勘测安全性和目标搜索准确率。     

CA模型下的改进D*路径规划算法

为保证室内机器人以低成本在一条无碰有效的路径上移动,提出了基于CA模型的改进D*路径规划算法。结合元胞自动机理论,引入扩展Moore型邻居结构,降低机器人角度变化的最小增量,并为障碍物周围元胞设置碰撞系数,离障碍物越近的元胞被选中的概率越低。采用多个地图针对不同情况进行仿真实验。实验结果表明,在一般环境下,该算法与D*算法相比,转角数目减少36.36%,算法运行时间缩短31.25%,且规划出的路径与障碍物保持安全距离,同时避免了路径穿越障碍物,具有很高的可行性。     

基于混合算法的电力杆塔巡检实时航迹规划

传统的电力杆塔拍摄视点顺序固定,多旋翼无人机巡检距离并非最优;同时,随着维度增加,航迹规划算法空间复杂度呈指数增长,不能满足实时规划航迹的需求。针对以上问题,提出一种基于蚁群和A*混合算法（ACO-A*）的电力杆塔巡检三维航迹规划方法。该方法分为全局规划和局部规划,全局规划利用改进蚁群算法找到覆盖所有视点的较优路径,并通过算法判断路径是否经过障碍物,再运用A*算法局部规划。仿真结果表明：ACO-A*算法规划的航迹长度比《架空输电线路无人机巡检影像拍摄指导手册》规定的巡检航迹降低了16.85%;ACO-A*算法路径规划时间比A*算法降低了99.68%。因此本方法既节约了巡检能耗,又提高了航迹规划的效率。     

基于改进APF-RRT的机械臂避障路径规划

为提高机械臂在复杂环境下的避障路径规划效率,提出一种适用于椭球障碍物的改进人工势场-快速搜索随机树（Artifical Potential Field-Rapidly exploring Random Tree,APF-RRT）算法。首先,使用椭球体包围盒包络障碍物,对椭球体的碰撞检测进行分析;其次,为了加快路径探索速度,引入随机点效应与随机点选择机制对RRT算法进行改进,机械臂采用改进后的RRT与人工势场法的混合方法进行路径规划;最后,对规划好的路径进行冗余点删除,并使用四次B-样条曲线对路径进行平滑,提升路径的质量。实验结果表明,相较于经典算法,该算法能够快速完成避障路径规划且规划路径更短。     

基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。     

融合 LSTM 和改进 A∗ 算法的火灾逃生路径规划方法

本文针对高温环境下传感器节点存在误报、漏报、工作状态异常等问题,提出了融合长短时记忆网络模型( long short term memory,LSTM)和改进 A ∗ 算法的火灾逃生路径规划研究方法。 根据 LSTM 自适应学习火灾实时态势信息,建立异常节点 数据预测模型,实现异常节点的温度、一氧化碳浓度等威胁态势的预测;基于室内火灾实时态势信息,搭建火势威胁态势蔓延模 型,利用改进的 A ∗ 算法动态规划逃生路径,获取异常情况下火灾最佳安全逃生路径。 结果表明,该方法在不同火灾时期均能 规划出最佳安全逃生路径,为人员的撤退争取宝贵的时间,具有实际应用价值。     

路径相似度因子在DV-Hop改进中的应用

经典DV-Hop方法在非均匀分布网络中存在节点间距离估计误差较大以及节点定位精度低的问题。引入节点间多跳最短路径相似度因子的计算规则,用于在距离估计步骤中修正节点的每跳平均距离值,并在位置计算步骤中选择参与定位计算的信标节点;使用改进的模拟退火(SA)算法对节点初始位置进行优化。仿真表明,所述改进策略在随机生成的网络拓扑结构条件下,相对于经典DV-Hop算法平均可降低约20%的定位误差,相对于既有的先进改进方法平均可降低约4%的定位误差,表现出良好的定位性能。     

改进型A*算法的可重构机器人路径规划研究

路径规划是保证可重构机器人快速完成任务的关键技术之一。为提高可重构机器人的行驶效率，缩短行驶路径，首先，提出一种基于Bresenham直线算法思想的改进型A*路径规划算法，实现可重构机器人路径点数消减、拐点消除，提高路径平滑度。在此基础上，考虑可重构机器人本身体积以及机器人可重构的特性，建立可重构机器人构型库，讨论了可重构机器人体积与周围障碍物的关系，减少机器人行走过程中与障碍物的碰撞几率。利用MATLAB仿真平台对改进型A*路径规划算法进行仿真实验，验证了算法的有效性，可应用于复杂环境的机器人路径规划；分析了机器人重构后路径规划问题，利用可重构特性可缩短机器人运行路程，体现了可重构机器人的优越性。