基于三次B样条的移动机器人实时轨迹规划研究CSCD

基于B样条曲线生成的轨迹曲线具有几何不变性和连续性等优点,被广泛应用于数控机床设备或机器人的轨迹规划算法中,然而传统的轨迹规划基本上是在离线的情况下进行的,即所有的型值点已知,或者控制点已知,然而这种方法很难运用到移动机器人的轨迹规划中,此外如果简单地将B样条轨迹规划方法应用于移动机器人的轨迹规划,即通过给定控制点,进行插补生成一条新的轨迹曲线,但是这种方法通常不会经过所有的控制点,这样会导致实际运行路径与规划的路径有偏差,提出了一种基于三次B样条的移动机器人实时轨迹规划算法,在移动机器人的运动过程中能够实时生成插补点,不需要预先输入所有轨迹点(型值点),并利用反求控制点算法保证机器人能够经过所有的(型值点),从而保证机器人既能经过所有预先规定的点又能保证机器人运行的连续性和平稳性,通过仿真验证了其有效性。     

改进动态窗口法的阿克曼移动机器人局部路径规划器

局部路径规划是移动机器人的一项关键技术,它的品质密切关系到整个机器人系统的性能。动态窗口法是一种在机器人的速度空间内进行运动规划的自主避障算法。将该算法与阿克曼机器人相结合,提出了一个包含轨迹曲率相似度评价因子的阿克曼移动机器人局部路径规划算法。最后,在机器人操作系统(Robot Operating System,ROS)上对该新算法进行了"S"型路径导航仿真实验。实验结果表明,该算法能在已知栅格地图内实现阿克曼机器人的自主避障功能。     

基于贝塞尔曲线的机器人非时间轨迹跟踪方法

在复杂环境的轨迹跟踪过程中,针对移动机器人不确定时延导致控制品质下降问题,提出基于五次贝塞尔(Quintic Bezier)曲线的移动机器人非时间参考轨迹跟踪控制方法。首先,利用Quintic Bezier曲线对规划路径点进行平滑,并根据连续约束进行优化,完成多段Quintic Bezier曲线的光顺拼接,获得平滑且连续的轨迹;而后以Quintic Bezier曲线参数u作为中间映射量,构建路径长度与轨迹坐标间的状态映射模型,设计移动机器人非时间运动参考量;在此基础上,根据移动机器人运动学模型,提出一种奇异点旋转映射技术,消除奇异点对轨迹跟踪控制品质的影响。实验结果说明,所用方法能提高规划路径的平滑性与连续性,增强移动机器人不确定时延跟踪控制的鲁棒性,避免了奇异点的影响。     

移动机器人的最优轨迹跟踪控制研究

针对移动机器人在复杂环境下的路径规划与轨迹跟踪控制,提出了一种最优轨迹跟踪控制方法。首先,通过理论分析给出了移动机器人的运动学模型和对避障问题的描述,推导出了位置与姿态方程以及目标函数表达式;其次,介绍了萤火虫算法的寻优机制,并采用广义方向学习策略来改进原算法的性能;同时,引入NUBRS曲线来光滑处理局部路径,缩短总路径长度;进而,将移动机器人系统分成位置与姿态两个控制环,分别设计PD控制律来实现其稳定的轨迹跟踪控制;最后,通过仿真与实验验证了所提方法的有效性,结果表明:(1)改进后的萤火虫算法能够为移动机器人规划出一条避障且可行走的轨迹;(2)基于PD控制策略,移动机器人能够有效地实现轨迹跟踪。     

移动机器人路径跟踪控制方法研究

基于两轮差动驱动的移动机器人,设计了一种路径跟踪控制系统。系统采用临时路径生成方法,通过规划移动机器人跟踪上期望路径前的轨迹,消除初始位置误差和方向误差,解决了移动机器人直接跟踪期望路径时控制量可能过载的问题,使机器人光滑趋近到期望路径。控制器的设计采用模糊控制器。试验验证了系统的有效性。     

基于三次B样条的移动机器人实时轨迹规划研究

基于B样条曲线生成的轨迹曲线具有几何不变性和连续性等优点,被广泛应用于数控机床设备或机器人的轨迹规划算法中,然而传统的轨迹规划基本上是在离线的情况下进行的,即所有的型值点已知,或者控制点已知,然而这种方法很难运用到移动机器人的轨迹规划中,此外如果简单地将B样条轨迹规划方法应用于移动机器人的轨迹规划,即通过给定控制点,进行插补生成一条新的轨迹曲线,但是这种方法通常不会经过所有的控制点,这样会导致实际运行路径与规划的路径有偏差,提出了一种基于三次B样条的移动机器人实时轨迹规划算法,在移动机器人的运动过程中能够实时生成插补点,不需要预先输入所有轨迹点(型值点),并利用反求控制点算法保证机器人能够经过所有的(型值点),从而保证机器人既能经过所有预先规定的点又能保证机器人运行的连续性和平稳性,通过仿真验证了其有效性。     

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.     

机器人自适应路径规划算法研究

针对蚁群算法在机器人路径规划中对费洛蒙浓度依赖过大、容易出现复杂环境下避障碍失败及路径规划误差偏大的缺点,提出了一种基于自适应性小脑控制为核心的类免疫路径优化算法。结合自适应模糊集合以及小脑模型,借助移动机器人几何架构推导运动学模型,结合类免疫算法,运用Kinect体态传感器来判断障碍物,制定避障策略并优化路径。最后,通过圆形轨迹仿真及实验证明,文中所论证的算法在路径规划方面具有更好的运动精度。     

基于工业控制计算机的移动机器人控制系统设计

为复杂运动控制算法建立实验平台,以工业控制计算机为核心,设计了一种基于工业控制计算机的移动机器人控制系统,介绍了该控制系统的机械结构、硬件组成和软件系统的构成,对控制系统硬件部分进行了详细分析和设计,详细介绍了控制系统的动力系统、感知系统和中央控制系统的构成及布局。针对所构建的机器人系统,能够实现基于人工势场的机器人路径轨迹规划等算法验证,能够用于多传感器信息融合算法测试、路径轨迹规划策略测试、图像检测识别相关算法测试等。     

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。     

基于运动约束的移动机器人路径规划

针对A^*算法路径规划中存在的转折冗余、安全性低、不符合移动机器人非完整约束模型等问题，提出一种基于运动约束的路径规划算法。首先，通过挪移处理使A^*算法规划的路径点适度远离障碍物。然后，剔除无障碍路径点间节点，获取路径必经转折点。最后考虑机器人运动约束，以转折点位姿为局部目标，引导混合A^*二次规划路径。实验结果表明，改进算法比传统A^*算法提高了65%的安全距离，无冗余转向，路径具有位姿连续性，可以保证机器人的平稳、高效、安全的移动。     

一种移动机器人的路径规划算法研究

针对移动机器人路径规划过程中存在易陷入局部最优、规划质量差和规划效率低等问题,提出一种结合入侵杂草算法和NURBS算法的混合路径规划方法。首先,根据路径规划要求建立目标函数,并将规划问题转化为函数最小值求解问题。然后,利用目标函数来指导入侵杂草算法寻找安全可行的路径点,接着将NURBS算法作为局部路径优化算子光滑处理路径,缩短路径长度。最后,在仿真环境下进行对比分析。结果表明,该方法相比于传统的入侵杂草算法在路径质量和效率上均有所提高,对实际移动机器人路径规划研究具有较高指导作用。     

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。     

自主移动机器人的轨迹误差补偿方法

自主移动机器人现有轨迹控制器结构复杂且控制不稳定,本文设计出一种结构简洁且快速收敛的线性化轨迹误差补偿方法。首先将自主移动机器人在全局坐标系下X和Y方向的轨迹误差转换到局部坐标系下,然后得到切向误差、法向误差以及角度误差,最终设计线性化轨迹误差补偿方法,计算出两个驱动轮的运动补偿量。基于李雅普诺夫稳定判据,在该控制模型下整个线性化系统是渐进稳定且收敛的。实际试验测试证实基于所提出的轨迹误差补偿方法,自主移动机器人的运动精度能稳定控制在±5 mm之内。     

基于改进势场蚁群算法的移动机器人全局路径规划

针对势场蚁群算法路径转折点数量过多、收敛速度过快、容易陷入局部最优等问题,提出了基于势场跳点的蚁群算法.该算法融合了蚁群算法和跳点搜索算法的搜索策略,使规划出的路径更加平滑;引入了势场合力递减系数,减少了势场蚁群算法因势场而陷入的局部最优问题;引入了简化的跳点搜索算法对初始化信息素进行更新,提高了算法前期的搜索效率.为验证该算法的有效性,使用不同规格的栅格地图进行了仿真试验,仿真结果表明,相比于势场蚁群算法,该算法能够有效减少收敛迭代次数,其收敛搜索时间更短,且最终搜索到的路径更优.最后将该算法应用到实际的基于ROS的移动机器人导航试验中,试验结果表明,该算法能有效解决移动机器人全局路径规划问题,且能明显提升机器人全局路径规划的效率.     

室内移动机器人路径规划算法

路径规划是移动机器人导航技术中的核心问题。在以往的研究中,机器人被视为一个点并且优化的目标为使路径最短,这种建模方法得到的路径往往不具有良好的可执行性。讨论了一种考虑路径平滑度和路径安全度的规划算法,并通过带惩罚函数的粒子群算法对其进行求解。最后在MATLAB中通过仿真试验验证了算法的有效性。     

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。     

非连续路段下移动机器人的轨迹跟踪

针对轮式移动机器人在非连续路段下的轨迹跟踪问题,对移动机器人数学模型和道路模型的建立、轨迹信息的获取以及控制器的设计进行了研究。首先分析了移动机器人的运动学方程及对摄像机的标定,通过建立移动机器人的直线轨迹跟踪模型,并用二值化方法对非连续路段进行了图像处理,提取了图像中非连续路段信息,实现了移动机器人在轨迹跟踪过程中运动的可靠性;然后基于Lyapunov函数设计了渐进稳定的轨迹跟踪控制器,使移动机器人能够在连续路段和非连续路段跟踪确定路径;最后通过Matlab进行了仿真。仿真结果表明,所设计的控制器和算法能使移动机器人的跟踪误差快速收敛于零,轨迹跟踪效果良好,适用于移动机器人对非连续路段的轨迹跟踪控制。     

基于径向基神经网络图像识别的移动机器人控制系统仿真

为实现人机交互的移动机器人轨迹控制,研究了基于径向基神经网络图像识别的移动机器人控制系统,设计了基于神经网络的图像采集和识别处理模块,处理了移动机器人路径控制的关键问题。通过建立手写字体数字(基于神经网络)的图像采集和识别处理模块,搭建移动机器人轨迹控制数学模型,最终在该模型基础上设计了该类机器人基于图像识别结果的路径控制算法。利用仿真软件MATLAB的robot tool工具箱,进行了移动机器人控制轨迹控制的仿真。仿真结果证明,路径控制方案可以很好的让移动机器人完成预定的路径跟踪。从而从理论上解决了基于视觉的移动机器人轨迹控制问题的难题,并为实现基于视觉的移动机器人轨迹控制提供了理论依据。     

基于ROS平台机器人导航避障系统设计与开发

基于ROS工业机器人开源平台,应用C++语言进行了移动机器人导航避障系统的设计与开发。选用激光雷达作为位置传感器,融合视觉里程计、轮式里程计和IMU里程计三大里程计数据,采用传统定位与SLAM算法创建地图,应用AMCL算法准确确定移动机器人位置;对移动机器人使用A~*算法进行全局路径规划、DWA算法进行局部路径规划,并且使用模糊BUG2算法作为核心算法实现局部避障器融入ROS规划系统中,应用C++语言开发程序,在移动机器人Robotino在地图上的两个点进行导航和避障测试。结果表明,只要合理设置机器人和障碍物之间相对运动速度,机器人可以规划出一条躲避缓慢移动障碍物、全局较优路径。