基于融合边界信息的机器人路径选择方法研究

研究了机器人融合多元视觉边界信息检测障碍并选择可行路径实现导航的方法。针对检测到的视觉环境信息,研究了多元边界表示与提取算法,通过融合处理得到了实际环境中前进方向上的径向障碍分布(ROP),研究了相关的路径规划算法。对如何提高边界提取算法效率以及在机器人尺寸和实时速度约束条件下的规划等问题提出改进算法,实现了非结构化环境下机器人的局部导航控制。实际机器人在不同环境下的实验,验证了所研究算法的有效性。     

复杂环境下解决势场法局部极小问题的路径规划方法

多年来势场法路径规划的局部极小问题就一直被广泛关注,针对人工势场法所固有的缺陷提出了一种改进的移动机器人路径规划方法.方法利用膨胀与腐蚀算法对机器人的工作空间进行预处理,来优化工作环境,并使用改进的势场法进行机器人导航,以改善其运动轨迹;另外通过设置子目标点使陷入局部极小的机器人快速"逃离"极小状态.仿真结果表明本文算法在复杂环境下解决机器人路径规划的局部极小问题是有效的.     

基于ROS的移动机器人自主建图与路径规划

为了提高机器人的自主导航性能,设计了基于ROS的移动机器人自主建图与路径规划系统.通过2D激光雷达获取周围环境信息,利用姿态传感器(IMU)获取机器人的姿态和加速度信息,利用Gmapping算法实现机器人的自主定位与建图,利用基于头尾双向搜索的A~*算法进行全局路径规划,采用DWA算法完成局部避障工作.结果表明,所提算法可使机器人完成构建地图以及自主导航任务,提高导航系统的自主性能以及工作效率.     

基于改进人工鱼群算法的蠕虫机器人路径规划

针对人工鱼群算法在机器人路径规划中存在路径长、精度不高、易陷入局部最优等问题,提出了一种改进的人工鱼群算法,旨在提高算法效率及精度。首先,在算法觅食行为中加入寻优循环,减少算法在路径规划中选取位置点的随机性,使机器人能够更快地走向目标点;其次,融合禁忌搜索算法,通过引入禁忌表来记录算法陷入局部最优的路径,使算法在选取新位置点时能够避开局部最优区域,避免算法在局部过度循环,同时对规划出的路径进行优化处理,删去重复栅格点之间的路径,保证路径中没有重复的栅格点;最后,将改进后的人工鱼群算法应用在一种新型的三维栅格地图中。实验结果表明：相较于其他对比算法,在地图1、2、3中改进人工鱼群算法所取得的平均路径长度分别减少了10%、15%、30%,在复杂地图中路径规划的成功率提高了75%。     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

Xtion深度摄像头在移动机器人导航中的应用

为了提高机器人在室内移动过程中的感知能力,在移动机器人的导航系统中引入Xtion三维深度摄像头作为传感单元,以数据融合单元和路径规划单元为核心,设计了具有机载Xtion摄像头的移动机器人导航系统.系统采用IMU(Inertial measurement unit)和增量式光电编码器作为视觉导航的补偿传感器来弥补Xtion深度摄像头在80cm以内位置感应能力的不足,并采用一种机器人位移、偏移度数据融合算法,对Xtion生成的位移、偏移度数据进行修正.最后利用A*路径规划算法进行机器人的路径规划,在导航系统的作用下,实现机器人从起始位置到设定的目标位置的无碰撞运动.实验结果表明:在机器人导航中,Xtion深度摄像头与补偿传感器融合,比仅使用IMU和光电编码器的方法在导航中能提供更准确的位置感知数据和行进航迹,可以更好地帮助移动机器人完成自主导航.     

护士助手机器人在结构化环境中的导航系统研究

介绍了护士助手机器人在医院环境中进行护理任务时实现自主导航定位,找到目标房间的方法.本方法采用拓扑地图定义结构化环境,使用绝对和相对组合定位方案进行护士助手机器人的空间定位,其中绝对定位采用的是RFID路标定位法,而相对定位采用的是航位推算法.采用局部栅格地图进行局部路径规划,使护士助手机器人在局部区域找到最适合的运动路径.实验表明采用这些方法护士助手机器人可以在一定程度上实现避障及找到并进入目标房间.     

世界坐标系下非完整轮式移动机器人转弯轨迹的时域非微分描述方程

为了解决机器人路径规划模块在为非完整轮式移动机器人规划路径时,若要实现规划轨迹平滑且完全满足机器人的运动学约束,则需要精确的机器人工作环境的地图信息,从而大幅度地增加了路径规划算法的计算量的问题,首先利用较为粗略的环境地图信息规划路径,再将机器人转弯部分的路径进行函数插值,使整个路径规划满足机器人运动学约束且计算量增加较少.现有的机器人轨迹描述方程不能满足对机器人转弯轨迹进行精确插值的需要,因此提出分别利用曲线拟合法和泰勒插值法来构建非完整轮式移动机器人转弯轨迹的时域非微分描述方程.实验结果显示,所述机器人轨迹非微分时域描述方程可以用于对机器人路径规划的插值,降低了算法的计算量.     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

基于全局视觉的足球机器人路径规划方法

基于机器人小车运动到定点常用的Turn-Run-Turn啪控制方法,根据机器人小车的物理特性,设计了一种新的切线路径规划方法.该方法把小车在运动过程中受到的物理特性限制抽象为障碍物,加入到环境中,使得算法简单,计算量小,对机器人初始条件没有限制.仿真实验表明,机器人小车能在较高速度下有效避开障碍并按需要的姿态到达目标.     

基于神经网络的移动机器人路径规划

针对移动机器人在部分环境信息已知情况下的路径规划问题,运用神经网络动态路径最优算法,研究了基于传感器信息的在线路径规划方法.基于扩展卡尔曼滤波的定位方法融合了多个与机器人状态及环境相关的信息,提高了定位精度.首先建立动态的工作空间信息,基于神经网络的路径规划算法完成机器人的路径规划,根据路径点集运动趋向来调节小车移动,完成了导航的任务.对算法的性能和效率进行了分析,实验表明该方法在障碍物的信息未知的情况下,执行速度快.     

差速轮式移动机器人的定位导航算法

针对差速轮式移动机器人定位及导航算法中从圆弧路径切换到直线路径时车体晃动问题进行研究,提出了一种新的路径规划方法。首先介绍差速轮式移动机器人的定位算法和导航算法（直线导航、圆弧导航）,然后分析从圆弧路径切换到直线路径时存在的问题及产生的原因并提出了一种新的路径规划方法,最后建立Simulink模型进行仿真。仿真结果表明新的路径规划方法取得了良好的效果。     

基于Dijkstra算法的货运索道路径规划方法

为解决路径规划算法缺失、路径规划周期长、劳动强度大等货运索道路径规划难题,基于Dijkstra算法对索道路径规划问题进行了环境建模,并结合地形曲线、索道架设限制条件、路径规划目标函数等提出货运索道路径规划的邻接矩阵构建方法;结合货运索道的路径规划特点,对Dijkstra算法的搜索方向进行优化,有效降低了路径搜索的计算量。提出基于Dijkstra算法的货运索道路径规划方法。对十万个二维地形曲线进行路径搜索,本研究算法搜索出的符合索道架设要求的路径数量比已有算法(地形搜索法、干涉点搜索法和地形自适应法3种)搜索出的符合索道架设要求的路径数量提高了17.9%,且能够根据目标函数规划出最优路径,大幅度减少货运索道路径规划工作的时间和工作量,有效地降低索道架设和运输的成本。     

家庭陪护机器人自主充电系统研究与设计

针对家庭陪护机器人电池容量有限,工作环不连续的问题,设计一种基于机器人操作系统(robot operating system, ROS)的家庭陪护机器人自主充电分级对接系统。采用卡尔曼滤波算法将编码器数据和惯性测量单元(inertial measurement unit, IMU)数据进行融合,同时结合激光雷达数据并基于Rao-Blackwellized粒子滤波即时定位与构图(simultaneous localization and mapping, SLAM)算法构建环境二维栅格地图;采用A^*算法和动态窗口(dynamic window approach, DWA)算法进行全局路径规划和局部路径规划,使机器人行驶至充电站附近或所在房间;采用基于双重优先级的红外导航对接算法引导机器人驶向充电站,完成与充电站的精确对接。试验结果表明,该系统有效地解决了传统方法中充电距离有限的问题,并且具有较高的对接效率、成功率、准确度和环境普适性,完全满足家庭陪护机器人的充电需求,具有较好的应用价值。     

移动机器人路径规划定量研究

移动机器人工作环境的定量建模是移动机器人路径规划定量分析的基础，采用自由空间法，建立移动机器人工作环境的二维带权网络拓扑模型，模型中的长度矩阵描述工作环境的路径实际长度，宽度矩阵描述工作环境的路径实际宽度。在Dijkstra路径搜索算法中，引入路径宽度与机器人本体大小的比较以及规划后路径宽度的改变来解决移动机器人路径规划的定量问题，同时对Dijkstra搜索算法在效率上进行了改进。该算法的实验仿真表明，提出的路径规划方法是正确和有效的。     

基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

基于图像预处理和语义分割的电力巡检机器人视觉导航方法

由于光照和恶劣天气的影响,传统图像处理方法用于巡检机器人视觉导航方面的识别效率不高,为此,提出一种基于图像预处理和语义分割的电力巡检机器人视觉导航方法。首先,提出基于自适应伽马校正方法的图像增强方法,解决强光、弱光和光照不均对图像的影响,针对曝光情况采用LSTM预测模型自适应调整摄像头角度消除曝光,提升图像良好曝光度;然后,采用改进DenseNet网络对导航路径进行语义分割,提取路径目标区域,通过目标区域像素值的分布拟合机器人的前进路线并计算出偏移量,提供机器人调整行驶姿态的关键参数并利用模板匹配判断导航路径中的走向、定位与分叉标志。实验结果表明,该算法能有效解决由光照和恶劣天气所导致的识别精度低的问题,提高复杂环境下巡检机器人导航定位的精准度。     

基于深度自动编码器与Q学习的移动机器人路径规划方法

针对移动机器人在静态未知环境中的路径规划问题,提出了一种将深度自动编码器( deep auto-encoder)与Q学习算法相结合的路径规划方法,即DAE-Q路径规划方法。利用深度自动编码器处理原始图像数据可得到移动机器人所处环境的特征信息;Q学习算法根据环境信息选择机器人要执行的动作,机器人移动到新的位置,改变其所处环境。机器人通过与环境的交互,实现自主学习。深度自动编码器与Q学习算法相结合,使系统可以处理原始图像数据并自主提取图像特征,提高了系统的自主性;同时,采用改进后的Q学习算法提高了系统收敛速度,缩短了学习时间。仿真实验验证了此方法的有效性。     

基于人工智能算法的采摘机器人最优路径规划研究

在复杂多变的工作环境,特别是在多丘陵等特殊地理位置,快速选择最优路径,避开障碍物,完成作业,需要进行采摘机器人的路径规划.基于改进蚁群算法对拣选机器人路径进行规划,搜索效率较低,存在早熟收敛的可能,基于此,提出基于人工智能算法的采摘机器人最优路径规划方法.构建环境模型,为减少初始寻路时间,提高搜索速度,增强全局优化能力...     

基于Dijkstra算法的足球机器人的一种路径规划方法

Dijkstra算法是典型的最短路算法,用于计算一个节点到其他所有节点的最短路径,主要特点是以起始点为中心向外层层扩展,直至扩展到终点为止.将该算法应用于足球机器人的路径规划和避障控制中,足球机器人在识别环境的前提下,能够及时判断出最短路径.该算法已经应用于实际的机器人控制中,取得了良好的应用效果.