未知环境下机器人避障设计研究

随着信息技术的发展,各个领域越来越需要高性能的自动化系统。机器人技术飞速发展,研究重点已经转向在复杂、未知、不可预测环境中独立工作的自主式智能机器人。介绍了机器人Q学习避障算法的实现方法,并构建了仿真实验平台,模拟了移动机器人在未知环境下自主地、安全地从起始点到达目标点的过程。通过仿真实验验证了Q学习实现机器人在未知环境下的行为选择控制是可行的、有效的,并验证机器人在未知环境下具有良好的越障性能。     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

蝴蝶优化算法的移动机器人全局路径规划研究

针对移动机器人路径规划问题提出了一种改进的蝴蝶优化算法。将蝴蝶优化算法与栅格法相结合,并对两种方法结合后的算法进行了具体说明;引入了禁忌表和回溯法,解决了算法在路径寻优中无后续扩展节点的问题;结合三次B样条曲线将路径规划中的最优节点作为控制点进行平滑输出,使移动机器人实际运动路径更加平滑。通过仿真实验,将改进算法与蚁群算法、遗传算法进行比较,证实了改进算法能够有效解决路径规划问题。将改进算法应用到实际的基于ROS的移动机器人上,实验结果证明了改进算法的有效性和可行性。     

未知环境下的变形移动机器人路径规划

为提高移动机器人在未知环境下的避障能力及导航能力,提出了基于变形以及模糊算法的路径规划方法。变形移动机器人利用超声波传感器对静态未知环境进行检测,得到障碍物以及目标的位置信息,采取适当的变形措施以及在模糊控制的基础上调整自己的运动方向,最终实现避障和最优路径规划。仿真及实物实验结果表明,此方法能使变形机器人与环境实现交互调整,能使机器人通过变形以及避障结合的方式实现有效避障,提高了路径规划的优良性。     

基于感知-行为的移动机器人全区域覆盖路径规划

针对未知环境信息下的移动机器人全局区域覆盖路径规划问题,提出了一种基于感知-行为的路径规划方法。根据移动机器人实时感知的传感器信息,建立机器人全区域覆盖的行为执行表,在机器人全区域覆盖过程中,通过这种感知与行为的关联能够实时有效地驱动机器人实现路径规划。模拟与仿真的结果证明了算法的简单性和实用性。     

基于云计算的果园移动机器人动态路径规划

针对复杂果园环境下的移动机器人路径规划,提出一种基于云计算的混合改进人工鱼群算法.首先云端服务器利用栅格地图对环境进行建模,将Pareto支配关系和A*算法引入人工鱼的设计中,结合自适应的视野范围计算出静态全局最优路径,然后发送至移动机器人完成果园环境的路径规划.最后,针对动态环境中不同障碍物的速度和方向,提出3种避障策略.云计算平台实时跟踪动态环境信息,移动机器人根据需要执行相应策略,最终得到一条从起始点到目标点的无碰最优路径.通过仿真实验验证了该方法的有效性,为求解移动机器人路径规划提供了 一个新途径.     

基于弹簧模型的移动机器人路径规划研究

针对传统人工势场法在路径规划中存在局部极小点问题,提出了一种基于虚拟弹簧模型的移动机器人局部路径规划算法。通过模拟弹性小球在有障碍物的斜坡上滚下过程中的受力情况,规划移动机器人从开始位置到目标点位置的移动过程;建立弹簧力学模型完成机器人的避障行为,并结合使用沿障碍物边缘移动和切换目标点位置两种控制策略,解决局部路径规划算法极易出现的局部极小点问题。仿真试验和实际移动机器人的实验表明,该算法能进行实时避障和路径规划,并确保移动机器人在绝大部分环境中能安全、快速地到达目标点。     

一种未知环境下室内移动机器人路径规划新算法

针对目前室内移动机器人的路径规划算法理论研究为主,实际应用较少的问题,通过建立了移动机器人的运动学模型,采用栅格化建模方法将室内环境进行了分块,再利用先锋机器人P3-DX及其配套的仿真软件MobileSim,设计并且成功应用了一种未知环境下室内移动机器人路径规划的新算法。该算法在结合了机器人宽度信息的基础上,进行了栅格化模型建模,采用"点到点"的路径规划方法。最后在MobilesSim和P3-DX真实机器人上分别进行了仿真和实验验证,研究结果表明,该方法有效,且具有很好的可操作性。     

基于八卦图的移动机器人全局路径规划

针对已知环境信息下的移动机器人全局路径规划问题,提出了一种基于八卦图的波传播路径规划算法。首先将移动机器人运行环境建立极坐标系下的八卦图,然后搜索合理路径,最后通过合理路径评价与优化得到最终规划路径。仿真与实验结果证明了算法的低耗时和实用性。     

粒子群优化算法融合行为动力学的路径规划方法研究

针对未知环境下采用竞争行为动力学协调方法进行移动机器人路径规划时存在机器人运动速度参数确定困难,并且在各基本行为竞争时容易产生行为参数振荡现象而导致规划出来的路径不优化等问题,提出了基于粒子群优化算法融合行为动力学进行路径规划的方法。该方法在行为动力学模型的基础上利用粒子群优化算法(Particle swarm optimization,PSO)对路径规划过程中的基本行为进行融合,代替了竞争行为动力学的行为参数协调,从而使移动机器人能够根据传感器采集的实时环境信息自动获取各个基本行为的权值。通过把该方法与基于竞争动力学行为协调方法的机器人路径规划进行了仿真对比实验,实验结果验证了该方法的可行性和优越性。     

基于智能路径规划算法的移动机器人设计

介绍了一种基于智能路径规划算法的移动机器人。该机器人以TMS320LF2407A作为主控制芯片,控制机器人左右轮电机运转．驱动机器人按照预定路径行走。其设计算法首先采用了改进的栅格和Distbug的组合进行全局和局部路径规划。详细阐述了该算法的基本原理及采用该算法的移动机器人控制系统硬软件设计。最后,介绍了该移动机器人自学习路径跟踪PID算法。实践表明,采用该算法的移动机器人行走速度快,实时性强,稳定性好,控制精度高。     

A new efficient optimal path planner for mobile robot based on Invasive Weed Optimization algorithm

Planning of the shortest/optimal route is essential for efficient operation of autonomous mobile robot or vehicle. In this paper Invasive Weed Optimization (IWO), a new meta-heuristic algorithm, has been implemented for solving the path planning problem of mobile robot in partially or totally unknown environments. This meta-heuristic optimization is based on the colonizing property of weeds. First we have framed an objective function that satisfied the conditions of obstacle avoidance and target seeking behavior of robot in partially or completely unknown environments. Depending upon the value of objective function of each weed in colony, the robot avoids obstacles and proceeds towards destination. The optimal trajectory is generated with this navigational algorithm when robot reaches its destination. The effectiveness, feasibility, and robustness of the proposed algorithm has been demonstrated through series of simulation and experimental results. Finally, it has been found that the developed path planning algorithm can be effectively applied to any kinds of complex situation.     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。     

移动机器人全覆盖路径规划算法研究

针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法。该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作。针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算法寻找逃离死区的最优路径,从而保证机器人实现路径全覆盖,并使覆盖路径的重复率尽可能小。仿真实验中,通过与传统算法比较,验证所提算法能在保证面积覆盖率为100%的同时,降低了死锁次数和轨迹重复率,从而提高了机器人工作效率。     

关于移动机器人路径最优化问题

针对移动机器人路径规划的人工神经网络算法所存在的问题,提出应用局部路径修正和路径“张紧”法加以改进,以便适应多个障碍物的不同要求,在复杂环境下实现规划路最优化,并证验其有效性。实践表明,应用该方法改进的新算法效果十分显著,能够确保路径无碰撞,计算速度远高于原算法,快速得到最优化路径,并使路径长度有一定程度的缩短,在保证路径平滑性和兼顾快速性的前提下,解决了碰撞和路径最短问题,有效地实现了路径规划最优化。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

Autonomous mobile robot navigation system designed in dynamic environment based on transferable belief model

This paper investigates the possibility of using transferable belief model (TBM) as a promising alternative for the problem of path planning of nonholonomic mobile robot equipped with ultrasonic sensors in an unknown dynamic environment, where the workspace is cluttered with static obstacles and moving obstacles. The concept of the transferable belief model is introduced and used to design a fusion of ultrasonic sensor data. A new strategy for path planning of mobile robot is proposed based on transferable belief model. The robot’s path is controlled using proposed navigation strategy that depends on navigation parameters which is modified by TBM pignistic belief value. These parameters are tuned in real time to adjust the path of the robot. A major advantage of the proposed method is that, with detection of the robot’s trapped state by ultrasonic sensor, the navigation law can determine which obstacle is dynamic or static without any previous knowledge, and then select the relevant obstacles for corresponding robot avoidance motion. Simulation is used to illustrate collision detection and path planning.     

Computational path planner for product assembly in complex environments

Assembly path planning is a crucial problem in assembly related design and manufacturing processes. Sampling based motion planning algorithms are used for computational assembly path planning. However, the performance of such algorithms may degrade much in environments with complex product structure, narrow passages or other challenging scenarios. A computational path planner for automatic assembly path planning in complex 3D environments is presented. The global planning process is divided into three phases based on the environment and specific algorithms are proposed and utilized in each phase to solve the challenging issues. A novel ray test based stochastic collision detection method is proposed to evaluate the intersection between two polyhedral objects. This method avoids fake collisions in conventional methods and degrades the geometric constraint when a part has to be removed with surface contact with other parts. A refined history based rapidly-exploring random tree (RRT) algorithm which bias the growth of the tree based on its planning history is proposed and employed in the planning phase where the path is simple but the space is highly constrained. A novel adaptive RRT algorithm is developed for the path planning problem with challenging scenarios and uncertain environment. With extending values assigned on each tree node and extending schemes applied, the tree can adapts its growth to explore complex environments more efficiently. Experiments on the key algorithms are carried out and comparisons are made between the conventional path planning algorithms and the presented ones. The comparing results show that based on the proposed algorithms, the path planner can compute assembly path in challenging complex environments more efficiently and with higher success. This research provides the references to the study of computational assembly path planning under complex environments.     

一种有效的地图创建方法和机器人的路径规划

介绍了一种新的移动机器人基于多边形的地图创建方法(三角形法)和在此基础上的基于遗传算法的移动机器人路径规划算法,并进行了仿真试验。三角形法是在可视图法的基础上,通过删除冗余的地图信息而得到的一种更加精简更能清楚表现障碍物之间关系的地图创建方法。在此基础上实现遗传算法路径规划,通过快速的迭代便能够找到最优的路径。