多移动机器人区域分割优化覆盖算法研究

针对多机器人协作的全覆盖路径规划优化问题,提出了一种区域分割优化覆盖算法,完成多机器人对未知区域的快速、高效的覆盖任务.在移动机器人全覆盖路径规划研究中,将机器人的能量、速度、任务完成时间等作为限制条件,对所需机器人的数目、机器人分成的组数及机器人工作的起始位置进行规划,以实现利用最少数目的机器人完成给定区域的优化分割和覆盖.对比仿真实验,结果表明本方法在给定机器人数量的情况下,完成了最大区域的覆盖.该方法可以有效完成多机器人对未知区域的快速高效的搜索覆盖任务.     

移动机器人全覆盖路径规划研究

移动机器人的全局路径规划基本上可分为起点到终点寻优和全覆盖寻优两种。所谓全覆盖寻优路径规划,是指移动机器人快速而高效率地走遍一个区域内除障碍物以外的全部地方。对全覆盖路径规划方法的研究现状加以分析、比较和归纳,对全覆盖路径规划方法的发展趋势和研究方向进行探讨,也介绍作者自己的研究工作,同时对国内外刚开始不久的多机器人协作在全覆盖路径规划领域的研究工作也予以介绍,最后归纳出全覆盖寻优路径规划的发展方向及待解决的问题。     

移动机器人全覆盖信度函数路径规划算法

针对移动机器人全覆盖路径规划问题,给出一种基于栅格信度函数的全覆盖路径规划算法。目的是为了控制移动机器人能够遍历工作区域中所有的可到达点,同时保证能够自动避开障碍物。首先,根据环境的信息对栅格地图进行赋值,使用不同的函数值表示障碍物、已覆盖栅格和未覆盖栅格;其次,判断机器人是否陷入死区引入不同方向信度函数,对栅格函数值进行调整;最后,机器人根据栅格信度函数值规划覆盖路径。本文所提及的算法不仅能够引导移动机器人实现工作区域的全覆盖而且能够快速逃离死区,实现覆盖路径的低重复率。仿真实验中,通过与生物启发神经网络算法的比较,证明本文提及算法有更高的覆盖效率。     

蚁群算法在移动机器人路径规划中的仿真研究

研究移动机器人路径规划问题.移动机器人路径规划是一个多目标优化问题,由于避障定位要求,传统机器人路径规划优化方法存在算法复杂、搜索空间大和效率低等难题,难以获得最优解.为了提高机器路径规划的效率和定位准确性,提出了一种蚁群算法的移动机器人路径规划方法.蚁群算法的路径规划方法首先采用栅格法对机器人工作环境进行建模,然后将机器人出发点作为蚁巢位置,路径规划最终目标点作为蚁群食物源,通过蚂蚁间相互协作找到-条避开障碍物的最优机器人移动路径.仿真实验结果证明,蚁群算法的路径规划方法提高了机器人路径规划的效率,能在最短时间找到机器人路径规划最优解,且能安全避开障碍物,为优化设计提供了依据.     

基于阿基米德螺线走法的全区域覆盖路径规划

路径规划是移动机器人实现智能化自主运动的基础,全区域覆盖路径规划是移动机器人路径规划中的一种特殊形式,在生产生活中应用广泛,如智能割草机器人、智能清洁机器人、生命探测机器人等。提出一种以阿基米德螺线为主要行走方式,用直线循环往复的行走方式补充边角区域的路径规划方法。重点研究了覆盖矩形中间区域所用阿基米德螺线行走方式。实验结果表明该方法简单有效,在无障碍的类圆形区域具有较好的适用性。     

多机器人覆盖技术研究进展

系统地总结了当前覆盖问题的定义、分类和应用前景.对多机器人覆盖中关于通信、环境地图、路径规划算法及效果评价等方面的研究进展情况进行了阐述.分析并指出若干多机器人覆盖研究中的重点和难点问题:体系结构、通信技术、协商协作、地图表示、路径规划及效果评价,并对未来的研究发展方向进行了探讨.     

基于障碍物运动预测的移动机器人路径规划

针对移动机器人局部动态避障路径规划问题开展优化研究。基于动态障碍物当前历史位置轨迹,提出动态障碍物运动趋势预测算法。在移动机器人的动态避障路径规划过程中,考虑障碍物当前的位置,评估动态障碍物的移动轨迹;提出改进的D*Lite路径规划算法,大幅提升机器人动态避障算法的效率与安全性。搭建仿真验证环境,给出典型的单动态障碍物、多动态障碍物场景,对比验证了避障路径规划算法的有效性。     

移动机器人路径规划算法的研究综述

路径规划是移动机器人的热门研究之一,是实现机器人自主导航的关键技术。针对移动机器人路径规划的算法进行研究,以了解不同条件下路径规划算法的发展与应用,系统性地总结了路径规划的研究现状和发展。针对移动机器人路径规划的特点,将其划分为智能搜索算法、基于人工智能算法、基于几何模型算法和用于局部避障算法。基于上述分类,介绍了近年来具有代表性的研究成果,重点分析各类规划算法的优缺点,对移动机器人路径规划的未来发展趋势进行展望,为移动机器人路径规划研究提供一定的思路。     

多地貌环境下的移动机器人路径规划研究

针对多地貌环境下的移动机器人路径规划问题,建立多目标优化模型,并采用微粒群算法解决该问题.首先,采用区域权值表示机器人在各种地形下的通行困难度;然后,结合局部优化准则计算机器人的通行时间,通过计算机器人与危险源之间覆盖的面积来衡量路径的危险程度,并将上述问题转化为两目标优化问题;最后,采用多目标微粒群优化算法优化上述问题.仿真结果表明了所提出方法的有效性.     

移动机器人智能路径规划方法研究

路径规划是移动机器人导航技术研究中一个重要环节和课题。规划的方法可以分为传统的路径规划方法和智能化的路径规划方法。本文对于当前普遍采用的遗传算法、模糊逻辑算法、神经网络、蚁群优化算法、粒子群算法、启发式搜索法等智能路径规划方法进行了较为详细的介绍和分析,并展望了机器人路径规划技术的未来与发展趋势。     

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。     

A Bioinspired Neural Network for Real-Time Concurrent Map Building and Complete Coverage Robot Navigation in Unknown Environments

Complete coverage navigation (CCN) requires a special type of robot path planning, where the robots should pass every part of the workspace. CCN is an essential issue for cleaning robots and many other robotic applications. When robots work in unknown environments, map building is required for the robots to effectively cover the complete workspace. Real-time concurrent map building and complete coverage robot navigation are desirable for efficient performance in many applications. In this paper, a novel neural-dynamics-based approach is proposed for real-time map building and CCN of autoxnomous mobile robots in a completely unknown environment. The proposed model is compared with a triangular-cell-map-based complete coverage path planning method (Oh , 2004) that combines distance transform path planning, wall-following algorithm, and template-based technique. The proposed method does not need any templates, even in unknown environments. A local map composed of square or rectangular cells is created through the neural dynamics during the CCN with limited sensory information. From the measured sensory information, a map of the robot's immediate limited surroundings is dynamically built for the robot navigation. In addition, square and rectangular cell map representations are proposed for real-time map building and CCN. Comparison studies of the proposed approach with the triangular-cell-map-based complete coverage path planning approach show that the proposed method is capable of planning more reasonable and shorter collision-free complete coverage paths in unknown environments.      

Efficient Boustrophedon Multi-Robot Coverage: an algorithmic approach

This paper presents algorithmic solutions for the complete coverage path planning problem using a team of mobile robots. Multiple robots decrease the time to complete the coverage, but maximal efficiency is only achieved if the number of regions covered multiple times is minimized. A set of multi-robot coverage algorithms is presented that minimize repeat coverage. The algorithms use the same planar cell-based decomposition as the Boustrophedon single robot coverage algorithm, but provide extensions to handle how robots cover a single cell, and how robots are allocated among cells. Specifically, for the coverage task our choice of multi-robot policy strongly depends on the type of communication that exists between the robots. When the robots operate under the line-of-sight communication restriction, keeping them as a team helps to minimize repeat coverage. When communication between the robots is available without any restrictions, the robots are initially distributed through space, and each one is allocated a virtually-bounded area to cover. A greedy auction mechanism is used for task/cell allocation among the robots. Experimental results from different simulated and real environments that illustrate our approach for different communication conditions are presented.     

Coverage for robotics – A survey of recent results

This paper surveys recent results in coverage path planning, a new path planning approach that determines a path for a robot to pass over all points in its free space. Unlike conventional point-to-point path planning, coverage path planning enables applications such as robotic de-mining, snow removal, lawn mowing, car-body painting, machine milling, etc. This paper will focus on coverage path planning algorithms for mobile robots constrained to operate in the plane. These algorithms can be classified as either heuristic or complete. It is our conjecture that most complete algorithms use an exact cellular decomposition, either explicitly or implicitly, to achieve coverage. Therefore, this paper organizes the coverage algorithms into four categories: heuristic, approximate, partial-approximate and exact cellular decompositions. The final section describes some provably complete multi-robot coverage algorithms.     

单目视觉移动机器人导航算法研究现状及趋势

拥有自主导航能力的移动机器人在救灾、家政等人类生活中使用得愈加广泛。单目视觉导航算法作为机器人视觉导航中的一种,具有成本低、距离不受限的优势,但仍存在尺度不确定性和初始化问题。该综述根据对移动机器人的运动性质研究,主要从障碍检测、空间定位、路径规划三个方面对单目视觉导航技术进行了模块化分析,并以单目视觉导航算法的关键技术迭代与发展为脉络,对各模块的典型算法进行分析,从速度、准确性、鲁棒性等方面对不同算法进行综合性评比,并对算法存在的主要问题与难点进行剖析,结合人类对移动机器人能力的需求和移动机器人的技术状态对单目视觉导航技术的未来发展趋势进行预测。     

移动机器人全覆盖任务的研究进展

结合笔者的有关研究工作,对国内外在移动机器人的全覆盖寻优路径规划方面的研究现状加以分析、比较、归纳和介绍,对全覆盖路径规划方法的发展趋势和研究方向进行了探讨。     

移动机器人路径规划综述

移动机器人是目前科学技术发展最活跃的领域之一,在工业、农业、医疗等行业广泛应用,还在城市安全、国防和空间探测领域得到更广的应用。要实现机器人在未知环境下自主作业,具备实时、自主、识别高风险区域和风险管理的能力,路径规划是一个重要环节,规划水平的高低,在一定程度上标志着机器人的智能水平,因此研究机器人路径规划对提高机器人的智能化水平、加快工程化应用具有重要的意义。文章重点分别从全局路径规划和局部路径规划角度对机器人路径规划的研究方法进行了分析与总结,同时分析研究了基于仿生学的智能算法的遗传算法、蚁群算法、粒子群算法,最后展望了移动机器人的未来发展趋势。     

蚁群算法在移动机器人路径规划中的应用综述

路径规划是移动机器人领域的一个研究热点,蚁群算法在移动机器人的路径规划得到广泛应用。介绍了常见的几种蚁群算法,从蚁群算法结构、参数选取及优化、信息素优化等方面对已有的蚁群算法方法进行了分类综述,同时对多蚁群优化算法、融合蚁群算法在移动机器人路径规划的应用进行了分类比较与分析。从蚁群算法的理论研究、算法融合、多蚁群算法研究等方面对蚁群算法在移动机器人路径规划中的未来研究内容和研究热点进行展望。     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索，提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模，将滚动窗口的概念引入到局部路径规划，由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．