基于Android手机的智能轮椅室外导航方法

将Android手机与Google卫星地图结合,可作为便携易用的室外导航控制器.利用Google卫星地图提供的环境数据,提出一种基于Android手机进行智能轮椅室外导航的方法.该方法采用扩展卡尔曼滤波进行信息融合,以提高轮椅位姿估算精度,建立基于行为的动态路径规划算法,实现局部未知环境下的路径规划.通过室外导航实验验证了该方法的有效性.     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

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。     

智能轮椅室内导航路径规划算法

智能轮椅为丧失行走能力的人提高生活质量和生活自由度. 适用于智能轮椅的路径规划问题是其重要的技术之一. 实际环境中行走的难易程度是有区别的, 对此提出一种新的路径规划算法, 即寻找最优路径的导航方法, 对室内环境进行栅格模型建模, 并利用最邻近关系结合改进的A*算法来规划两个位置之间的最优全局路径, 采用虚拟力场算法实现途中的局部路径规划. 此算法只需要采集用户需要到达目的地的信息, 智能轮椅能自动导航到达目的地, 经实验验证, 该算法运用到智能轮椅室内导航系统中路径得到较好的改善并具有反应快、工作稳定可靠、使用灵活方便和扩展性强等优点.     

基于脑机接口与双激光雷达的移动车导航系统

针对脑机接口信噪比低、准确率差和延时长等问题,提出了基于机器智能辅助的室外移动机器人脑机接口导航方法.设计并实现了一个基于脑机接口与双激光雷达的移动车导航系统.该系统首先采用了基于双激光雷达的改进的角度势场法进行局部路径规划,然后结合脑机接口系统获取的导航意图,经过融合决策给出控制命令,驱动一辆经过机械系统改装的电动汽车.实验表明,该系统能根据环境障碍信息和脑机控制意图实现智能避障与人机协同导航,具有更高的准确性、容错性和鲁棒性.     

基于生物认知的移动机器人路径规划方法

针对移动机器人在非结构环境下的导航任务,受哺乳动物空间认知方式的启发,提出一种基于生物认知进行移动机器人路径规划的方法．结合认知地图特性,模拟海马体的情景记忆形成机理,构建封装了场景感知、状态神经元及位姿感知相关信息的情景认知地图,实现了机器人对环境的认知．基于情景认知地图,以最小事件距离为准则,提出事件序列规划算法用于实时导航过程．实验结果表明,该控制算法能使机器人根据不同任务选择最佳规划路径．     

智能轮椅路径规划优化问题的研究

在智能轮椅路径规划问题的研究中,针对智能轮椅在执行任务前,需要根据所经区域内已知的环境,障碍物或者环境条件变化和不确定等信息路径,并根据规划出的路径完成智能轮椅的路径规划。为了使智能轮椅能准确识别起始点到目标点的路径,提出了一种改进的快速扩展随机树(Rapidly-exploring Radom Tree,RRT)的路径规划算法。进行路径规划过程中,采用蜜糖扩散法对智能轮椅运动的环境地图进行预处理,使树的扩展有一个趋于目标点的趋势,大大减少了搜索时间。在路径规划过程中,针对环境条件变化和系统存在不确定性因素,提出了基于滚动窗口的路径规划修正算法。仿真结果表明采用的方法缩减了智能轮椅的路径规划的时间,并实现实时避障,达到了规划最优性能。     

保证智能轮椅平滑通过狭窄通道的路径曲率优化算法

为了使用户更感舒适,智能轮椅应该能在具有复杂几何约束的室内环境下平滑地通过狭窄通道.本文提出一个基于路径曲率优化的算法以确保智能轮椅平滑地通过狭窄过道.考虑到路径平滑度取决于路径曲率及其变化率,在通过传感器数据计算出狭窄通道相对于轮椅的位置后,算法以贝塞尔曲线的曲率及其变化率最小为优化目标,以轮椅过通道时的方向及贝塞尔多边形应为凸多边形作为约束,规划出一条平滑的最优路径,然后控制轮椅实时跟踪这条路径.上述过程动态循环运行,实现了智能轮椅平滑通过狭窄通道.仿真中将本文算法同基于A*的路径规划导航算法进行了对比,结果表明本文提出的基于曲率优化的算法可以实现比A*算法路径曲率更小且更加平滑的过狭窄通道过程,并且即使在没有全局地图和定位信息情况下,算法也能控制轮椅平滑地通过狭窄过道.实验中详细阐述了算法的实现过程,实验结果也证实了算法的有效性.     

基于神经网络的改进行为协调控制及其在智能轮椅路径规划中的应用

针对传统的基于行为的智能轮椅的路径规划方法在室外非结构环境下的路径规划效果差的问题,提出一种新的智能轮椅的路径规划算法.该算法利用模糊逻辑设计了基本控制行为,并在此基础上结合大量实际经验使用神经网络设计了行为协调控制器.改进的算法将仲裁机制和命令融合机制2种行为协调方法有效结合起来,并吸收了这2种行为协调方法的优点,从而改善了系统的反应速度,极大提高了控制精确;另一方面,该算法还可以识别陷阱区域并通过自主改变行为的权重方法控制轮椅逃出陷阱区域,因而具备了较强的人工智能特征.仿真和实物实验验证了该算法智能性高且实现简单,适用于室外非结构化环境下的机器人路径规划.     

基于细化算法的移动机器人拓扑地图创建

在大规模未知环境中,移动机器人要自主完成导航和路径规划等智能任务,关键问题是创建周围环境地图.拓扑地图.以图(Graph)的结构形式表现-个环境的连通性,是一种紧凑的环境表示方法.文中借鉴图像处理中的细化算法来创建室内环境的拓扑地图,首先以栅格地图建模机器人环境,然后将环境的栅格地图进行细化,提取出环境的有效拓扑信息.而且,此方法创建的拓扑地图,未直接使用传感器原始数据,对环境的变化具有较强的鲁棒性.仿真实验结果表明,基于细化算法创建的环境拓扑地图,清晰、简洁,不会产生多余的节点和路径信息.相比于栅格地图,信息存储量明显减少,从而提高了移动机器人自主运行、导航和路径规划的能力,大大提高了系统的工作效率.     

基于MCPDDPG的智能车辆路径规划方法及应用

针对智能车路径规划过程中常存在动态环境感知预估不足的问题,使用基于蒙特卡罗深度策略梯度学习(Monte Carlo prediction deep deterministic policy gradient, MCPDDPG)的智能车辆路径规划方法,设计一种基于环境感知预测、行为决策和控制序列生成的框架,实现实时的决策和规划,并输出连续的车辆控制序列.首先,利用序贯蒙特卡罗预估他车行为状态量;然后,设计基于强化Q学习的行为决策方法,使智能车辆实时预知碰撞风险,采取合理的规避策略;最后,构建深度策略梯度学习网络框架,获取智能车辆规划路径的最优轨迹序列.实验结果表明,所提方法能够缓解环境感知的预估不足问题,提升智能车辆行为决策的快速性,保障路径规划的主动安全,并输出连续的轨迹序列,为智能车辆导航控制提供前提.     

基于拓扑高程模型的室外三维环境建模与路径规划

针对复杂室外场景, 提出一种基于拓扑高程模型的三维环境建模方法. 采用自适应可变阈值聚类算法, 将映射到二维水平栅格中的激光点云划分为垂直单元和水平单元, 可实现三维场景中悬空环境特征的有效表述. 在此基础上对垂直单元进行高度离散采样, 从而构建与其相对应的拓扑结构, 并结合BOW (Bag of words)模型对室外三维环境中的典型景物进行辨识. 采用面向拓扑结构和高程图单元的分级匹配策略, 实现不同场景间的精确匹配, 构建具有全局一致性的拓扑高程地图. 利用辨识出来的环境特征和高程地图产生双重环境约束, 实现与室外地形相适应的自主路径规划. 实验结果和数据分析证明了本文环境建模与路径规划方法的有效性和实用性.     

基于不确定性知识的实时道路场景理解

由于室外机器人的工作环境非常复杂，因此机器人的视觉导航必须具有足够的智能和鲁棒性，为此，提出了一种基于不确定性知识的实时道路理解算法，该算法通过不确定性知识推理来融合多种信息和知识，以满足在复杂道路环境下的鲁棒性要求，它即使在有强烈阴影、水迹等干扰下也能给出比较好的结果；通过图象边缘信息的提取可以得到精确的道路边界，以满足视觉导航的精确性要求；同时在算法设计时，兼顾了实时性要求；使得算法得以实时实现，该算法已在实际的机器人上进行了测试，并得到了很好的结果。     

一种基于多层代价地图的移动机器人导航方法

当前移动机器人导航方法大多数是改善局部路径规划的反应式导航而没有充分考虑全局环境中的行人,借助全局范围的行人感知,提出并实现一种基于多层代价地图的全局路径规划方法。首先基于行人感知进行个人空间和群组交互的社会代价建模,基于行人轨迹预测生成包含预测阶段社会代价的多层动态代价地图,提供预测阶段的社会约束信息。全局路径规划器在动态代价地图基础上定义代价函数进行最优状态的启发式搜索,引入“规划-预测-执行”时序周期进行动态规划。最后通过和传统路径规划器在行人运动、群组交互等仿真、实际场景下进行对比试验,该方法对应路径长度、执行时间更短,和人/群组保持的距离更符合社会性。     

移动机器人路径规划算法综述

路径规划算法是实现移动机器人自主导航的关键技术。针对移动机器人路径规划技术进行研究,分析各算法的实现机制与原理,并系统性的总结了主流路径规划算法研究现状。根据移动机器人路径规划算法的特点,将路径规划算法分为：传统规划算法、智能规划算法、基于采样的规划算法。基于以上分类,分述近年来的主要研究成果,重点分析各类算法的优缺点。针对移动机器人路径规划算法研究现状,对其未来研究方向进行展望,为移动机器人路径规划大发展提供一定的思路。     

室外自主移动机器人AMOR的导航技术

在非结构化环境,移动机器人行驶运动规划和自主导航是非常挑战性的问题。基于实时的动态栅格地图,提出了一个快速的而又实效的轨迹规划算法,实现机器人在室外环境的无碰撞运动导航。AMOR是自主研发的室外运动移动机器人,它在2007年欧洲C-ELROB大赛中赢得了野外自主侦察比赛的冠军。它装备了SICK的激光雷达,用来获取机器人运动前方的障碍物体信息,建立实时动态的环境地图。以A*框架为基础的改造算法,能够在众多的路径中快速地找到最佳的安全行驶路径,实现可靠的自主导航。所有的测试和比赛结果表明所提方案是可行的、有效的。