未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法.该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数.引入虚拟障碍和直接填充算法,解决了u型障碍区域的连续遍历问题.最后通过仿真实验表明了该方法在未知复杂环境下的有效性.     

在未知环境下完全遍历算法——等单元分解法

本文提出移动机器人的一种新的遍历算法:等单元分解算法,该算法适应于复杂的未知环境。首先,对环境栅格建模,每个栅格中心即为代表该栅格的特征点(基点);并对环境矩形建模。接着建立一条能遍历所有基点的路径,每搜索到某一基点就遍历对应的矩形区域,最终完成环境遍历。最后,通过仿真证明该算法的有效性。     

未知环境下移动机器人地图构建仿真研究

未知环境的地图构建是移动机器人研究领域的一个研究热点.为了研究在未知环境下移动机器人地图构建,基于微软机器人开发工作室(MRDS),对虚拟环境中移动机器人进行了仿真建模,通过激光测距仪获取未知环境信息,应用迭代最近点(ICP)算法处理未知环境信息实现了移动机器人对未知环境地图构建.对移动机器人地图构建仿真实验结果表明,文中的方法能够有效地实现未知环境地图构建,可为移动机器人运动提供导向作用,具有一定的理论和现实意义.     

基于复合控制算法的移动机器人沿墙导航研究

室内复杂环境下,由于超声波传感器测量精度不高、数量有限,导致移动机器人沿墙导航效果不佳,现有的控制算法实现较为复杂。为此,提出一种基于复合控制算法的沿墙导航策略,通过PID控制算法和Bang-Bang控制算法切换,控制移动机器人进行沿墙导航并最终实现室内环境的边缘检测。实际运行实验验证了该方法的可行性和鲁棒性。     

受限移动机器人构建地图的最优探测法

对复杂未知环境构建地图是移动机器人面临的一大问题.通常忽略未知环境的几何特征,将其抽象成未知无向连通图,机器人只沿着图的边进行搜索,并将走过每条边的成本看成是1.机器人构建地图的成本用走过的总边数来表示.对于一个完全未知的环境,从一点S出发,限制移动机器人最远能走r(如燃料问题及安全线或通信线等)步(边数)的范围内,基于深度受限剪枝生成子树的方法,结合广度优先搜索和受限的深度优先搜索染色策略,给出了对未知环境构建完整地图的有效算法,该算法的成本为|E|+O|V|,这是目前最优结果.     

基于呼吸声音的用户运动状态离线识别算法

针对当前可穿戴设备缺少了针对用户自身运动状态的分析,设计了由声音采集模块、骨传导声音播放模块和STM32处理器等模块所组成的声音采集耳机设备,并提出了一种基于呼吸声音的用户运动状态离线识别算法(OLRA)。该算法通过初始化、分帧、能量检测、小波包去噪、特征参数提取、改进K-means聚类、神经网络建模、识别、本地样本更新等步骤实现慢走、慢跑、快跑和环境声音四种状态的离线识别。实验结果表明:OLRA算法可提高不同用户运动状态的正确识别率,降低了错误接受率。     

基于障碍预估与概率方向权值的移动机器人动态路径规划

主要研究了移动机器人在未知动态环境中的路径规划问题.提出一种将障碍预估与概率方向权值相结合的动态路径规划新方法.该方法将卡尔曼滤波引入到规划算法中,使得对障碍物运动状态的实时有效预估成为可能.同时,为实现移动机器人的实时路径规划,提出一种新的概率方向权值方法,基于周期规划将障碍物与目标信息进行融合,能够有效处理室内环境下对于障碍物的速度和运动轨迹均未知的动态路径规划问题.仿真结果以及基于SmartROB2移动机器人平台所进行的实验结果验证了该方法的有效性和实用性.     

基于模糊神经网络算法的智能轮椅沿墙走行为研究

为了解决移动机器人在户外自主导航移动过程中的局部路径规划问题,提出了一种更为实用的模糊神经网络算法来进行局部路径规划。利用多个声纳和一个摄像头来采集外部环境信息,使智能轮椅在移动过程中可以得到较全面的外部环境信息,使用模糊神经网络算法来对得到的环境信息进行融合,应用的神经网络模型为Takagi-Sugeno(T-S)型,通过融合的结果来控制轮椅的沿墙走行为。通过计算机仿真和实验,验证了该方法的可行性和有效性,轮椅沿墙行走的路径得到了优化。     

基于多超声波传感器的移动机器人目标识别

移动机器人在不确定环境中的目标识别技术是自主导航及复杂任务分解的一瞎丶际?本文利用自行铑设计的多超声波传感器探测系统感知外界环境,提出了基于目标原型的目标识别和对感兴趣目标的主动探测方法.根据多超声波传感器的TOF(Time-of-Flight)信息,利用Dempster-Shfer证据理论,实现了移动机器人对室内特征环境的准确识别.测试结果及分析验证了该方法的可行性和识别准确性.并且该方法适用于室内机器人运动中的实时探测.     

直线拟合算法在移动机器人轨迹记录中的研究与应用

移动机器人在进行未知环境探索时,需要记录保存其行驶轨迹,以便进行定位、路径规划、地图更新等处理。本文给出一个直线拟合的优化算法,对移动机器人采集的原始坐标信息进行分析,可去除大量冗余信息,得到准确、精简、必要的运动轨迹信息。该算法在移动机器人轨迹记录中得到了有效应用,节省了存储空间,且满足移动机器人的实时性。仿真及实际测试均显示,该直线拟合优化算法是快速、高效的。     

移动机器人超宽带与视觉惯性里程计组合的室内定位算法

对于移动机器人在室内环境的定位任务,新兴的基于视觉惯性里程计（VIO）的辅助定位技术受光线条件限制大,无法在黑暗环境中工作,且超宽带（UWB）定位易受非视距（NLOS）误差影响。针对以上问题,提出一种UWB与VIO组合的室内移动机器人定位算法。首先,采用立体视觉多状态约束下的Kalman滤波器（S-MSCKF）算法/双边双向测距（DS-TWR）算法和三边定位法,分别得到VIO输出的位置信息/UWB解算的定位信息;然后,建立位置测量系统的运动方程与观测方程;最后,通过误差状态扩展卡尔曼滤波（ES-EKF）算法来进行数据融合,得到机器人的最优位置估计。使用搭建的移动定位平台在不同的室内环境下对组合定位方算法进行验证。实验结果表明在有障碍物的室内环境下,与单一UWB定位方法相比,所提算法的总体定位的最大误差减小了约4.4%,均方误差减小了约6.3%;与VIO定位方法相比,所提算法的总体定位的最大误差减小了约31.5%,均方误差减小了约60.3%。可见所提算法可为室内环境下的移动机器人提供实时、精确且鲁棒的定位结果。     

Concurrent Map Building and Behavior Learning for Navigation in Unknown Environments

In this paper, we report a robust and low-cost navigation algorithm for an unknown environment based on integration of a grid-based map building algorithm with behavior learning. The study focuses on mobile robots that utilize ultrasonic sensors as their prime interface with the outside world. The proposed algorithm takes into account environmental information to augment the readings from the low angular accuracy sonar measurements for behavior learning. The environmental information is obtained by an online grid-based map learning design that is concurrently operating with the behavior learning algorithm. The proposed algorithm is implemented and tested on an in-house-built mobile robot, and its performance is verified through online navigation in an indoor environment.     

Robust DOA estimation and target docking for mobile robots

Direction of arrival (DOA) guided automated target acquisition and docking system is proposed for mobile robots employing the dual-directional antenna system. The dual-directional antenna estimates the DOA of the signal of interest using the ratio of the signal strengths between two adjacent antennas. In practice, DOA estimation poses a significant technical challenge, since the RF signal is easily distorted by the environmental conditions. Therefore, the robot often loses its way in an electromagnetically disturbed environment. To cope with this problem, a robust DOA estimation algorithm is developed based on Kalman filtering. This algorithm allows the robot to reduce the potential error in the estimated DOA, and adjust the robot’s heading to the target transponder without needing to know the positions of current and previous measurements in a global coordinate system. The simulation and experiment results clearly demonstrate that the mobile robot equipped with the developed system is able to dock to a target transponder in an indoor environment partially occupied by obstacles.     

移动机器人行为参数的PSO多目标优化

根据移动机器人的导航任务,提出基于粒子群优化(PSO)算法的行为参数多目标分层优化方法。将导航方向与导航速度相关的参数按优先级进行PSO算法分层选取,使机器人在路径近似最优的基础上实现导航时间最少。仿真结果表明,该方法可以提高导航效率,实现导航决策的逐步求精,从而改善机器人在未知环境下的自主导航性能。     

未知环境中移动机器人柔性行为决策的调节发育学习

未知环境中移动机器人柔性的行为决策是完成各种任务的前提.目前的机器人行为决策方法在面对动态变化的环境时柔性较差,机器人难以获得持续稳定的学习能力.本文作者曾尝试通过集成小脑监督学习和基底神经节的强化学习来实现移动机器人动态环境下的柔性行为决策,但所提算法适应动态环境的能力有限.在前期工作基础上,本文设计了更有生物学意义的好奇度指标代替原来的警觉度指标,通过模拟蓝斑活动在基音模式和阶段模式之间的动态切换,实现移动机器人环境探索–利用的动态自适应调节.同时,设计随外部环境变化的自适应调节因子,实现移动机器人动态环境中基于小脑监督学习和基底神经节强化学习的柔性行为决策,使机器人可以获得持续稳定的学习能力.动态环境和实际环境中的实验结果验证了本文所提算法的有效性.     

移动机器人运动规划中的深度强化学习方法

随着移动机器人作业环境复杂度的提高、随机性的增强、信息量的减少,移动机器人的运动规划能力受到了严峻的挑战.研究移动机器人高效自主的运动规划理论与方法,使其在长期任务中始终保持良好的复杂环境适应能力,对保障工作安全和提升任务效率具有重要意义.对此,从移动机器人运动规划典型应用出发,重点综述了更加适应于机器人动态复杂环境的运动规划方法——深度强化学习方法.分别从基于价值、基于策略和基于行动者-评论家三类强化学习运动规划方法入手,深入分析深度强化学习规划方法的特点和实际应用场景,对比了它们的优势和不足.进而对此类算法的改进和优化方向进行分类归纳,提出了目前深度强化学习运动规划方法所面临的挑战和亟待解决的问题,并展望了未来的发展方向,为机器人智能化的发展提供参考.     

基于随机行走的群机器人二维地图构建

机器人在未知环境自主探索时,需要快速准确地获取环境地图信息。针对高效探索和未知环境的地图构建问题,将随机行走算法应用于群机器人的探索中,机器人模拟布朗运动,对搜索区域建图。然后,改进了布朗运动算法,通过设置机器人随机行走时的最大旋转角度,来避免机器人重复性地搜索一个区域,使机器人在相同时间内探索更多的区域,提高机器人的搜索效率。最后,通过搭载激光雷达的多个移动机器人进行了仿真实验,实验分析了最大转角增量、机器人数量以及机器人运动步数对搜索区域的影响。     

基于迁移学习的移动机器人单帧图像坡度检测算法

针对未知环境下移动机器人平稳上坡控制对坡度感知精度的要求,本文提出了一种基于迁移学习的移动机器人单帧图像坡度检测算法。利用室内图像标准数据集训练深度卷积神经场?全连接超像素池化网络(deep convolutional neural field-fully connected superpixel pooling network, DCNF-FCSP)并获得室内单帧图像深度估计网络模型;将DCNF-FCSP模型中前5个图像特征提取层的网络参数迁移至室外图像深度估计网络中;固定室外图像深度估计网络中图像特征提取部分的网络参数,利用室外图像数据集对剩余5层的网络参数进行训练,从而得到室外单帧图像深度估计网络;将其应用在移动机器人坡度检测中,根据单帧斜坡图像估计出斜坡角度。标准数据集和实际场景的深度估计和坡度检测实验表明:本文所提出的基于迁移学习的移动机器人单帧图像坡度检测算法能够仅根据移动机器人车载相机采集的单帧斜坡RGB图像就可估计出精确的斜坡角度,满足移动机器人在未知环境中对坡度感知精度的要求。     

基于行为优先与模糊控制的移动机器人导航

由于动态未知环境下自主移动机器人的导航具有较大困难,为实现自主机器人在动态未知环境下的无碰撞运行,文中将行为优先级控制与模糊逻辑控制相结合,提出4种基本行为控制策略:目标寻找、避障、跟踪和解锁.针对'U'型和'V'型障碍物运行解锁问题,提出了行走路径记忆方法,并通过构建虚拟墙来避免机器人再次走入此类区域.仿真实验表明,所提出的控制策略可有效地运用于复杂和未知环境下自主移动机器人的导航,且具有较好的鲁棒性和适应性.