基于场景匹配的移动机器人避障

研究环境未知情况下移动机器人的避障问题，提出一种基于模糊场景匹配的移动机器人避障方法．该方法对多种传感器的信息进行融合，生成当前环境的场景并与场景库中的场景进行匹配，利用匹配结果并通过模糊控制器得到机器人的运动参数，对机器人的避障进行控制,实验结果表明了该方法的正确性和有效性。     

移动机器人未知环境避障研究

针对移动机器人的避障问题,以AS-R移动机器人为实验平台,提出了一种改进人工势场和模糊逻辑相结合的路径规划方法.对于未知障碍物环境采用人工势场法进行实时路径规划,对于动态近距离动态障碍物采用模糊逻辑方法引导机器人做出避障行为.为了有效将2种方法结合,根据传感器信息对于人工势场方法引入转角的信任度,机器人运行方向由上述2...     

基于模糊控制的移动机器人避障研究

针对移动机器人在未知环境中的不确定性,利用Matlab构建了多传感器仿真试验移动平台,在Simulink中搭建移动机器人运动学模型,利用多传感器采集环境中的障碍物信息与目标物的方位角,设计了具有避障功能的模糊控制算法.通过模糊控制器控制移动机器人的左右轮速度实现机器人的转弯以及直走,根据机器人实时的角度反馈信息不断修正机器人的位姿以精确避障.仿真实验验证了该方法的可行性及有效性.     

未知环境下基于Elman网络力控制的移动机器人避障研究

避障控制一直是移动机器人路径规划的难点.提出了一种未知环境下基于神经网络的机器人动态避障方法,同时把混合力/位置控制结构应用到移动机器人的避障控制中.力控制算法是通过在移动机器人和障碍物之间形成虚拟力场,并对其整定,以使它们两者之间能保持期望距离.由于移动机器人的动力学模型和障碍物的不确定性也会对避障控制的性能造成影响,因此采用Elman神经网络来补偿不确定性,同时整定移动机器人和障碍物之间的精确距离.仿真实验表明该动态避障算法是有效的.     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

进化操作行为学习模型及在移动机器人避障上的应用

针对移动机器人避障上存在的自适应能力较差的问题,结合遗传算法(GA)的进化思想,以自适应启发评价(AHC)学习和操作条件反射(OC)理论为基础,提出了一种基于进化操作行为学习模型(EOBLM)的移动机器人学习避障行为的方法。该方法是一种改进的AHC学习模式,评价单元采用多层前向神经网络来实现,利用TD算法和梯度下降法进行权值更新,这一阶段学习用来生成取向性信息,作为内在动机决定进化的方向;动作选择单元主要用来优化操作行为以实现状态到动作的最佳映射。优化过程分两个阶段来完成,第一阶段通过操作条件反射学习算法得到的信息熵作为个体适应度,执行GA学习算法搜索最优个体;第二阶段由OC学习算法选择最优个体内的最优操作行为,并得到新的信息熵值。通过移动机器人避障仿真实验,结果表明所设计的EOBLM能使机器人通过不断与外界未知环境进行交互主动学会避障的能力,与传统的AHC方法相比其自学习自适应的能力得到加强。     

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.     

基于S3C44B0X的移动机器人的应用研究

本文以S3C44B0X为控制中心,设计了移动机器人的硬件平台,并给出了软件设计策略,实现室内未知环境的移动机器人的导航,采用多传感器感知外界环境的障碍信息,结合光电编码器和电子罗盘获取机器人当前的位置,运用嵌入式实时多任务操作系统μC/OS-II设计机器人多任务运行策略。实验表明,该移动机器人能够实现避障功能并能达到目标点。     

超声波在移动机器人导航中的应用

采用新型的超声波传感器,设计并开发基于ARM9与嵌入式linux为平台的轮式移动机器人平台的下的未知环境的避障导航系统.本文重点介绍该超声波传感器的实现原理以及在机器人平台中的整个软件实现流程以及控制机器人行走的实现方法.     

基于行为的移动机器人避障系统的设计

随着机器人应用范围的不断扩展,机器人所面临的工作环境也越来越复杂,多数是未知的、动态的和非结构化的。通过对基于行为的机器人控制技术的研究,提出了一种实用的自主移动机器人智能避障控制方案,阐述了其具体实现技术;将基于行为的控制技术融合进模糊控制的思想中,使移动机器人的行为通过运用模糊控制和基于优先度的行为决策来实现。试验证明了这一方法的有效性和实时性。     

基于深度学习的巡检机器人避障轨迹自动控制系统设计

为了提高巡检机器人在复杂环境下的避障能力,使机器人能够安全地完成巡检任务,设计基于深度学习的巡检机器人避障轨迹自动控制系统。设计由CCD传感器、信号处理芯片等设备组成的工业智能视觉CCD相机,基于FPGA和USB2.0的视频采集卡传输采集数据,完成硬件部分的设计。在软件设计中,对采集的图像实施目标分割、双目目标匹配等预处理,通过对摄像头实施双目视觉标定获取障碍物空间位置三维信息,基于深度学习中的CRNN设计机器人自主避障规划网络模型,并设计模糊轨迹控制器,实现避障中的轨迹自动控制。系统测试结果表明,设计系统最终成功避开了三个动态障碍物,最大轨迹控制误差的最大值为1.45°,最小轨迹控制误差的最大值为0.62°,动态避障巡检速度始终在3.5m/s左右,表现出了精准而稳定的轨迹控制效果。     

基于无线传感器网络的移动机器人智能导航算法

结合了无线传感器技术和群集智能技术两者的优势,提出一种新的基于无线传感器网络的移动机器人智能导航控制算法,并考虑了能量消耗的问题。算法利用基于多传感器信息融合的全局概率地图构建技术、使用群集仿生智能的基于微粒群算法的实时在线路径规划以及避障策略,提高了智能导航的整体性能,满足了在复杂环境和未知障碍物下导航的实时要求。最后设计并构造出了实际的无线传感器网络和实际的机器人系统,验证了算法成功实现机器人导航的有效性和准确性。     

煤矿救援机器人结构设计及分析

针对矿井地貌环境的非结构性和复杂性,为了提高救灾机器人的越障能力和实际救援能力,分析了轮式救援机器人行走系统的力学系统原理,提出了机器人六轮行走机构的设计方案。六轮移动机器人采用电动推杆为升降系统提供动力;采用独立悬挂系统,减小了车身的倾斜和震动;采用集中控制-分布驱动方式,有利于运动机构性能的发挥;能够根据地形特征调整自己的底座结构,有很强的越障能力和对非结构化地形的适应能力。     

基于BP神经网络的移动机器人避障设计及仿真

为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题,提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统;分析了机器人在运动过程中与障碍物的位置关系,使用超声波传感器采集距离信息,进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果表明,该方法可以高效精确地实现移动机器人的自主避障,运行相对稳定、轨迹连续平滑,达到了较为理想的避障效果。验证了方法的可行性和有效性,为移动机器人自主避障提供了一种新的控制方法。     

A PSO-based algorithm designed for a swarm of mobile robots

This paper presents an algorithm called augmented Lagrangian particle swarm optimization with velocity limits (VL-ALPSO). It uses a particle swarm optimization (PSO) based algorithm to optimize the motion planning for swarm mobile robots. Considering problems with engineering constraints and obstacles in the environment, the algorithm combines the method of augmented Lagrangian multipliers and strategies of velocity limits and virtual detectors so as to ensure enforcement of constraints, obstacle avoidance and mutual avoidance. All the strategies together with basic PSO are corresponding to real situations of swarm mobile robots in coordinated movements. This work also builds a swarm motion model based on Euler forward time integration that involves some mechanical properties such as masses, inertias or external forces to the swarm robotic system. Simulations show that the robots moving in the environment display the desired behavior. Each robot has the ability to do target searching, obstacle avoidance, random wonder, acceleration or deceleration and escape entrapment. So, in summary due to the characteristic features of the VL-ALPSO algorithm, after some engineering adaptation, it can work well for the planning of coordinated movements of swarm robotic systems.     

基于视觉感知的智能扫地机器人的垃圾检测与分类

目的 为了提高扫地机器人的自主性和智能化程度，为扫地机器人配备视觉传感器，使其获得视觉感知能力，通过研究有效的垃圾检测分类模型与算法，实现对垃圾的定位与识别，引导扫地机器人对垃圾进行自动识别与按类处理，提高工作的目的性和效率，避免盲动和减少能耗。方法 选择检测速度较快的YOLOv2作为主网络模型，结合密集连接卷积网络，嵌入深层密集模块，对YOLOv2进行改进，提出一种YOLOv2-dense网络，该网络可以充分利用图像的高分辨率特征，实现图像浅层和深层特征的复用与融合。结果 测试结果表明，智能扫地机器人使用本文方法可以有效识别不同形态的常见垃圾类别，在真实场景中，测试识别准确率为84.98%，目标检测速度达到26帧/s。结论 实验结果表明，本文构建的YOLOv2-dense网络模型具有实时检测的速度，并且在处理具有不同背景、光照、视角与分辨率的图片时，表现出较强的适应和识别性能。在机器人移动过程中，可以保证以较高的准确率识别出垃圾的种类，整体性能优于原YOLOv2模型。     

基于模糊Elman网络算法的移动机器人路径规划分析

为了调正移动机器人避障线路,建立了基于模糊Elman网络算法的移动机器人路径规划模型,并应用进行Matlab仿真分析。利用现有障碍物的距离信息来实现机器人步长的实施可控制与调节,防止移动机器人在做出准确避障行为之后因为没有设定合适的步长而导致撞上障碍物,以0.5作为机器人的最初运动步长。仿真结果表明,采用模糊Elman网络可以获得比其它两种方法更优的路径规划效果,同时对障碍物进行高效避让,由此实现最优的路径规划。采用模糊Elman网络来构建得到的路径规划算法能够满足规划任务的要求,同时还能够根据机器人处于不同工作空间中的情况进行灵活调整。     

人群环境中基于深度强化学习的移动机器人避障算法

为了控制移动机器人在人群密集的复杂环境中高效友好地完成避障任务,本文提出了一种人群环境中基于深度强化学习的移动机器人避障算法。首先,针对深度强化学习算法中值函数网络学习能力不足的情况,基于行人交互（crowd interaction）对值函数网络做了改进,通过行人角度网格（angel pedestrian grid）对行人之间的交互信息进行提取,并通过注意力机制（attention mechanism）提取单个行人的时序特征,学习得到当前状态与历史轨迹状态的相对重要性以及对机器人避障策略的联合影响,为之后多层感知机的学习提供先验知识;其次,依据行人空间行为（human spatial behavior）设计强化学习的奖励函数,并对机器人角度变化过大的状态进行惩罚,实现了舒适避障的要求;最后,通过仿真实验验证了人群环境中基于深度强化学习的移动机器人避障算法在人群密集的复杂环境中的可行性与有效性。     

移动机器人避障行为酶数值膜控制器

为了兼顾膜控制器控制下的移动机器人行走速度和避障效果,提出了一种基于酶数值膜系统的自适应巡航速度避障控制方法.该方法采用酶数值膜系统结构,利用膜之间的信息交流,实现多个膜融合多个传感器的距离信息,根据融合距离信息自适应调节巡航速度,使移动机器人能够有效的避开障碍物,同时兼顾无障碍物时移动机器人行走速度.基于移动机器人Pioneer3-DX的仿真和实物实验表明：该方法设计的酶数值膜控制器可行且避障控制效果更优.     

A framework for the collective movement of mobile robots based on distributed decisions

A novel framework for the control of the collective movement of mobile robots is presented and analyzed in this article. It allows a group of robots to move as a unique entity performing the following functions: obstacle avoidance at group level, speed control and modification of the inter-robot distance. Its flocking controller is distributed among the robots, allowing them to move in the desired common direction and maintain a desired inter-robot distance. The framework is made up of different modules that modify the behavior of the group thus allowing different functions. They are based on consensus algorithms that allow the robots to agree on different parameters, taking into account which robot has more relevant information. New modules can be easily designed and incorporated into the framework in order to augment its capabilities. It can be easily implemented on any mobile robot capable of measuring the relative positions of neighboring robots and communicating with them. It has been successfully tested using 8 real robots and in simulation with up to 40 robots, demonstrating experimentally its scalability with an increasing number of robots.