融合可见光指纹的迷宫机器人路径规划算法

针对复杂迷宫环境下移动机器人路径规划中存在的寻路时间较长、效率较低等问题,提出了一种将可见光指纹信息与A*算法相融合的迷宫机器人路径规划算法。该算法引入局部、全局障碍密度参量对A*算法的评价函数进行优化,使评价函数可以自适应障碍物密度;同时引入可见光指纹信息,利用障碍物对可见光光源的遮挡程度来判断各方向路径是否通畅,解决了A*算法在寻路进程中无法预见后续障碍物的问题。仿真结果表明,基于可见光指纹的改进A*算法能够有效减少传统A*算法的路径搜索点数量,平均寻路效率提高了43.5%,具有一定的应用价值。     

融合改进A*算法和动态窗口法的全局动态路径规划

为解决移动机器人路径规划难题,设计了融合改进A*算法和动态窗口法的全局动态路径规划方法.首先,基于传统A*算法结合JPS算法对子节点进行扩展跳跃,提高路径规划效率;其次,结合Floyd算法对所规划路径进行平滑优化;最后,融合动态窗口法使A*算法可进行全局动态路径规划.基于Matlab平台将全局动态路径规划算法在8种规格栅格地图中进行仿真实验.分析结果得知,融合算法在效率和平滑性上得到极大改善,且可进行动态避障,融合改进后的全局动态路径规划算法具有明显优秀的路径规划能力.     

动态环境下基于改进蚁群算法的移动机器人路径规划

针对同时具有静态和动态障碍物的复杂环境下机器人路径规划问题,提出一种基于改进蚁群算法(ACA)的路径规划方法。文章所述的方法由两部分组成,分别为全局和局部预测避障路径规划。首先,在传统ACA上调整转移概率,加入精英策略以解决路径规划时易陷入局部最优的问题。其次,针对上述改进ACA在动态障碍物环境中适应性低的弊端,通过加入滚动窗口指导移动机器人在栅格环境中避开动态障碍物,仿真结果表明所述方法具有可行性。     

基于改进蚁群算法的移动机器人路径规划研究

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。     

改进的A∗算法移动机器人路径规划

针对复杂环境下移动机器人利用A*算法规划的路径存在转折点多,路径不够平滑且移动机器人无法在拐点处自动调整姿态等问题,提出一种改进的A*算法。首先在障碍物边缘放置虚拟障碍物形成缓冲区,同时改进A*算法启发搜索函数,并在静态、动态环境下进行仿真。最后对规划出的路径利用动态切点法进行二次平滑处理,使得路径进一步平滑便于机器人控制。仿真结果表明,改进算法较原A*算法规划的路径远离障碍物,时间缩短16.3%,无锐角转折点,累计转折角度减少10%-20%;减少了机器人碰撞的几率,提高了路径规划效率和机器人的稳定性,以及通过狭窄区域或通道的能力。     

基于动态障碍物的机器人避障路径规划方法

针对传统机器人路径规划只适用于障碍位置固定的环境中,无法避开动态障碍物的问题,提出一种融合动态障碍物信息的机器人避障路径规划方法.对传统动态窗口法(Dynamic Window Approach,DWA)进行改进,融合动态障碍物信息与机器人运动学分析,来解决机器人在动态环境下的避障问题,并与改进的A*算法融合,来保障机器人路径规划的全局最优性.实验结果证明,所提出的方法在动态环境下适应度高、安全性强,具有一定的应用价值.     

基于IAFSA和AGA混合算法的移动机器人路径规划

针对人工鱼群算法在移动机器人路径规划中存在易陷入局部最优、结果精度不高以及遗传算法存在易早熟、收敛速度慢等问题,提出一种改进人工鱼群算法(IAFSA)和自适应遗传算法(AGA)相融合的移动机器人路径规划方法。首先用栅格法建立移动机器人的环境模型,然后用IAFSA搜索移动机器人的初始可行路径,将搜索到的初始可行路径作为AGA的初始种群,最后采用AGA优化移动机器人的全局最优路径。仿真结果表明,混合算法在结果精度和稳定性方面优于标准人工鱼群算法,在跳出局部最优和收敛速度方面优于标准遗传算法。     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

未知环境下一种移动机器人实时最优路径规划方法研究

 针对未知环境下移动机器人的安全路径规划问题,提出一种基于改进神经网络和模拟退火算法相结合的方法.神经网络表示机器人的工作空间,通过BP反向算法学习外部环境结构特征和信息表示,进而优化障碍物神经网络的连接权值,利用模拟退火算法搜寻代价函数的负梯度方向,采用组合探测器来减小模拟退火算法搜索区域和应用后退策略及设置虚拟目标点的方法处理局部路径规划中出现的陷阱问题.仿真验证此方法有效性和正确性.     

改进Ａ∗算法与人工势场算法移动机器人路径规划

针对复杂环境下移动机器人路径规划问题,提出了将局部路径规划与全局路径规划相混合的路径规划方法。首先,对全局规划A*算法进行改进。改进后的A*算法路径转折点减少,总转折角度减小并删除冗余节点,缩短了路径长度;其次,综合环境和路径的情况以全局路径的拐点为局部目标点,采用改进的人工势场法进行局部路径规划,通过加入机器人与目标点的相对位置和改变合力角度的方法来解决目标不可达问题和局部极小值问题;最后对所提算法进行仿真,仿真结果表明该算法可以有效解决复杂环境下移动机器人路径规划的问题,提高规划效率。     

基于梯度优化的移动机器人路径规划算法

针对目前移动机器人全局路径规划算法中存在规划效率低、路径质量低等问题,提出一种新的基于梯度优化的路径规划算法。首先使用欧氏符号距离场方法表示已知的二维地图环境,构建从障碍物中心向外梯度下降的距离场,以获得机器人到障碍物中心的距离信息来进行碰撞惩罚代价的计算;其次将路径规划问题描述为优化问题,通过引入目标距离信息和障碍物距离信息,设计了一个新的路径规划代价函数,并使用梯度下降方法优化该函数得到一条最优路径;最后通过仿真对比实验表明,所提算法在规划时间、路径长度和最大转向角方面均具有一定的优越性,并通过搭建基于ROS的移动机器人实验平台进行实际环境中的路径规划实验,验证了所提算法的有效性和可行性。     

融合改进A∗与DWA的轮式机器人路径规划

针对轮式机器人在路径规划中存在的问题,提出融合改进A?和DWA的轮式机器人路径规划方法.首先针对A?算法冗余点多、耗时长、拐点多等问题,提出双向A?和跳点算法相结合来提升全局路径规划效率;其次针对DWA寻找的路径非最优以及无法应变环境的问题,选取全局最优路径上优化后的跳点作为DWA的关键点,引入关键点评价子函数和自适应速度权值.融合改进的A?和DWA算法,既保证了全局路径最优,还可根据障碍物数量和分布,调整速度权值,兼顾速度和安全性.经在MATLAB仿真环境中验证:融合改进A?和DWA的轮式机器人路径规划方法与传统A?算法相比,大幅减少了规划时长和拓展节点数量,效率明显提升;与DWA算法相比,加入全局路径关键点和自适应速度权值,能遵循全局最优路径以及降低了运行时间,提升效率.     

复杂环境下的无人机三维路径规划

针对存放大量杂物的室内环境或室外高楼林立的城市场景的复杂环境,提出一种以Theta^*算法做全局路径规划、改进动态窗口法(DWA)追踪路径节点的方法来实现四旋翼在三维环境下的路径规划。相较于先全局静态路径规划后路径C2连续性优化的方法,所提方法可躲避地图中未知障碍物信息并且生成的曲线符合无人机(UAV)动力学约束,保证UAV能够跟随路径而不会发生速度剧烈变化导致姿态错乱的情况。算法最终不仅生成规划好的避障路径,而且也生成电机的转速变化。所提方法可实现在无干扰情况下,仅跟踪电机转速变化就能进行轨迹跟踪,简化了UAV的控制难度。     

移动机器人路径规划融合算法研究

为了满足机器人路径规划中全局最优性和路径平滑性的性能要求,文章提出了一种新的jump-A?算法与动态窗口法的融合算法.先利用跳跃点搜索法、曼哈顿距离与欧氏距离定义的新距离评价函数对A? 算法进行优化,得到全局路径信息;再以动态窗口方法为核心,通过整合全局路径信息,安全地规划出高平滑度的全局最优路径.     

基于栅格模型机器人路径规划的量子蚁群算法

针对复杂环境中移动机器人路径规划问题,提出了一种基于量子-蚁群算法(QACA)融合的路径规划算法。该算法的核心是在蚁群系统(ACS)中引入量子算法中的量子态矢量和量子旋转门来分别表示和更新信息素,增加位置的多样性,加快算法的收敛速度。通过仿真实验表明,该算法可增加算法的随机性,较传统的蚁群算法具有更好的种群多样性,更快的收敛速度和全局寻优能力,即使在障碍物较复杂的环境下,也能迅速规划出一条最优路径。     

基于射线模型的改进全局路径规划算法

针对目前服务于移动机器人的全局路径规划算法存在拐点多、耗时长或递归计算复杂等问题,本文提出一种基于射线模型的改进全局路径搜索算法.利用形态学滤波处理障碍物栅格地图,并引入碰撞估值增加靠近障碍物的栅格的代价值,形成梯度代价栅格地图.结合射线模型从起点向终点进行射线搜索,并在搜索过程中通过逆向优化算法优化路径.通过实验证明...     

基于改进双向A*势场混合算法的灭火机器人路径规划方法研究

在灭火机器人的运行中,由于其工作环境的复杂性对机器人的路径规划提出了很高的要求,因此本文提出了一种改进A*算法和人工势场法相结合的路径规划算法。本文采用双向搜索方式的A*算法进行全局规划,解决了传统A*算法耗时长的不足;本文采用改进的人工势场法进行局部动态路径规划,解决了目标不可达和局部极小值问题。本文通过MATLAB平台,分别对改进A*算法和人工势场法进行仿真分析,结果表明混合算法有效减少规划时间并可生成更优路径。最后,在Turtlebot2移动平台上对该融合算法应用进行实验,结果表明融合算法减少了规划计算时间,使路径搜索效率和规划指标得到显著提升。     

智能轮椅导航系统研究现状与发展趋势

智能轮椅是一种帮助行动不便人群的服务机器人,它是将智能机器人技术应用于电动轮椅,融合了多个领域的研究.智能轮椅的一个重要方向是实现自主导航和有效地避开障碍物,本文探讨了导航系统中所涉及的三方面核心问题.系统定位:在移动机器人的应用中,精确的位置知识是一个基本问题;信息融合技术:结合了控制理论、信号处理、人工智能、概率和统计的发展,为机器人在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径;路径规划问题:主要任务是当移动机器人运行在外界环境中,寻求一条从已知起点到己知终点之间的最优路径,即在障碍物空间中能够找到一条最短或最低代价的无碰撞路.本文最后对智能轮椅导航系统发展趋势进行了简要分析.     

一种基于地图预处理识别凹点优化路径规划效率的方法

为了减少存在多个无法通行或无法到达终点的路径段情况下移动机器人路径的计算节点数量,提高算法的搜索效率,文中提出一种地图数据预处理功能,对路径规划算法中的预估计算法进行辅助,通过障碍物权重计算需要地图中存在的凹点地形,在执行路径算法过程中,通过记录的凹点约束搜索方向提高搜索效率,同时对路径规划算法的安全问题进行改进。实验结果表明,改进后的路径规划算法具有较好的路径规划能力来应对多个无法通行或无法到达终点的路径段,更加符合实际的应用场景。