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...     

新型势场模型及在实时运动规划中应用

针对复杂环境中移动机器人的实时运动规划问题,在传统人工势场法基础上,以机器人与动态障碍物的相对位置和相对速度为变量,构建了一种新型的位置和速度势场模型,提出了一种新的自适应势场法.通过变参数约束扰动法解决了势场法中的局部极小问题.实验结果表明,该方法能使机器人选择最佳避障策略实现主动避障,快速地摆脱动态障碍物,规划出光滑路径,从而提高避障效率,较好地解决了动态未知环境中的路径规划问题.     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

关于足球机器人避障控制的研究

介绍了足球机器人避障控制的特点,障碍物的数学描述和检测方法,把人工势场理论引入到足球机器 人避障控制中,并分析了人工势场法的优点和不足.     

基于光流传感器的旋翼无人机实时避障系统

光流的研究是计算机视觉及相关研究领域中的一个重要部分。光流在目标对象分割、跟踪、机器人导航、识别等领域有着非常重要的应用。由于旋翼无人机在民用领域的迅猛发展,使得人们对无人机行业提出了更高的要求。针对多旋翼无人机的避障问题,使用光流传感器与改进的势场法相结合的方法,实现了对飞行器的障碍物检测以及局部路径规划。光流传感器采用SAD块匹配法减小了图像计算的运算量,采集到的光流值与IMU数据进行卡尔曼滤波,可以估算出高效且有较强鲁棒性的因无人机平动产生的光流。大量实验表明,避障策略运算量较小,可以保证避障系统的实时性,在距障碍物5 m左右可以迅速规避障碍物。     

一种复杂环境下移动机器人避障新方法

为解决基于传统人工势场法的机器人避障算法在陷阱区域或在障碍物前会产生震荡而导致机器人不能到达目标点的问题,提出一种带记忆功能的沿边法;通过记录和分析障碍物边缘人工势场法的局部最小点来判断目标点是否被障碍物包围,从而避免机器人来回震荡以及围着目标点旋转的现象;首先进行沿边行为激活和退出条件研究,然后进行局部最小点记录条件分析,最后给出了目标点被障碍物包围的判断准则;仿真实验,结果表明该方法解决了复杂环境下机器人的避障问题;该方法用于复杂环境下的机器人避障是可行的、有效的.     

面向未知地图的六足机器人路径规划算法

针对移动机器人路径规划中无法准确得知全局地图的问题,提出了一种基于模糊规则和人工势场法的局部路径规划算法。首先,利用测距组与模糊规则,进行障碍物的形状分类,构建局部地图;其次,在人工势场法中引入了一种修正的斥力函数,基于局部地图,利用人工势场法进行局部路径规划;最后,随着机器人的运动,设置时间断点,以减少路径震荡。针对随机障碍物和凹凸障碍物的地图,分别采用传统人工势场法和改进的人工势场法进行仿真,其结果表明：在遇到随机障碍物时,相比传统人工势场法,改进的人工势场法能够显著减少与障碍物的碰撞;在遇到凹凸障碍物时,改进的人工势场法能够很好地完成路径规划的目标。所提算法对地形变化适应能力强,能够实现在未知地图下的六足机器人路径规划。     

基于改进势场法的足球机器人路径规划系统

人工势场法是机器人路径规划中应用较多的一种方法,但方法在障碍物较多时由于势场合力不容易控制而常常出现避障失败现象.足球机器人比赛系统场上障碍物情况复杂,尤其是在边界附近和禁区附近,传统势场法较难胜任.根据足球机器人比赛平台特点和赛场上较常出现的情况,重点对边界附近和禁区附近的机器人路径规划进行分析研究,根据比赛平台的特点将周围环境的物理特点转化成特定的数学表达式,糅合到传统势场函数公式中进行改进处理,从而构造出能够适应足球场地环境的人工势场路径规划系统.仿真实验结果证明该方法是有效的.     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

用势场法改进的极限环导航方法在移动机器人中的应用

结合人工势场法,提出一种新的极限环方法.它可以在诸如机器人足球赛等动态变化的环境中为自主移动机器人进行很好的实时路径规划.将障碍物的运动速度和一些不易直接表达的策略① 等转化成势场,然后把势场抽象成虚拟的障碍物,通过改变非线性方程的极限环半径,获得动态运动路径规划.这种方法能让机器人对高速运动的障碍物有很平滑的避障能力,并且能综合复杂的路径规划要求达到目标.仿真和试验都表明了这种方法在机 器人足球赛中的应用价值.􀁱 􀁽     

一种新基于混沌优化算法的机器人路径规划方法

提出了一种基于混沌优化算法的机器人路径规划方法,即混沌人工势场法，该方法能够在动态环境下实时、有效地产生避碰局部最优路径,避免了传统人工势场法容易陷入局部最优和在比较靠近的两个障碍物之间找不到通道的缺陷.仿真试验表明:提出的方法具有较强的路径规划能力，克服了传统人工势场法的缺点,具有较强的实用性.     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

模糊控制在移动机器人路径规划中的应用

针对移动机器人最优路径规划问题,设计了一种模糊智能控制方法。利用超声波传感器对机器人周围环境进行探测,得到关于障碍物和目标的信息。通过设计模糊控制器,把得到的障碍与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好地避障,并且解决了模糊算法存在的死锁问题,从而实现了移动机器人的路径规划。仿真实验结果表明了模糊算法优于人工势场法,具有有效性和可行性。     

Velocity potential approach to path planning for avoiding moving obstacles

This paper describes the theory and an experiment of a velocity potential approach to path planning and avoiding moving obstacles for an autonomous mobile robot by use of the Laplace potential. This new navigation function for path planning is feasible for guiding a mobile robot avoiding arbitrarily moving obstacles and reaching the goal in real time. The essential feature of the navigation function comes from the introduction of fluid flow dynamics into the path planning. The experiment is conducted to verify the effectiveness of the navigation function for obstacle avoidance in a real world. Two examples of the experiment are presented; first, the avoidance of a moving obstacle in parallel line-bounded space, and second, the avoidance of one moving obstacle and another standing obstacle. The robot can reach the goal after successfully avoiding the obstacles in these cases.     

未知环境下单目视觉移动机器人路径规划

针对室内未知环境下的避障和局部路径规划,提出了一种单目移动机器人路径规划算法,该算法通过对环境图像的自适应阈值分割,获取障碍物与地面交线轮廓点集。通过对现有几种单目测距方法的分析比较,提出一种改进的空间几何约束单目视觉测距计算方法,并依据单目测距的几何关系建立了图像坐标系与机器人坐标系的映射,绘建了一定比例的局部地图。在局部地图上通过改进的人工势场算法为机器人规划路径,改进的人工势场算法解决了传统算法目标点不可到达的问题。通过MATLAB进行仿真实验,结果表明该方法可以规划出有效合理的路径。     

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.     

New technique of mobile robot navigation using a hybrid adaptive fuzzy potential field approach

This paper presents a summary of the research aimed at developing a new reliable methodology for robot navigation and obstacle avoidance. This new approach is based on the artificial potential field (APF) method, which is used extensively for obstacle avoidance. The classical APF is dependent only on the separation distance between the robot and the surrounding obstacles. The new scheme introduces a variable, which is used to determine the importance that each obstacle has on the robot's future path. The importance variable is dependent on the obstacles position, both angle and distance, with respect to the robot. Simulation results are presented demonstrating the ability of the algorithm to perform successfully in simple environments.     

A model predictive obstacle avoidance method based on dynamic motion primitives and a Kalman filter

A dynamic motion primitive (DMP) is a robust framework that generates obstacle avoidance trajectories by introducing perturbative terms. The perturbative term is usually constructed with an artificial potential field (APF) method. Dynamic obstacle avoidance is rarely considered with this approach; furthermore, even when dynamic obstacles are considered, only the velocity and position information of the current state are incorporated into the obstacle avoidance framework. However, if the position of an obstacle changes suddenly, a robot may be placed in a dangerous position close to the obstacle, resulting in large obstacle avoidance accelerations, sharp trajectories, or even obstacle avoidance failure. Therefore, we present a model predictive obstacle avoidance method based on dynamic motion primitives and a Kalman filter. This method has three main components: Dynamic motion primitives are used to generate the desired trajectory and introduce perturbations to achieve obstacle avoidance; the Kalman filter method is adopted to estimate the future positions of the obstacles; and model predictive control is employed to optimize the repulsive force generated by the APF while minimizing the defined cost function, thus guaranteeing the safety and flexibility of the method. We validate the presented method with 2D and 3D obstacle avoidance simulations. The method is also verified with a real robot: the-Kinova MOVO. The simulation and experimental results show that the proposed method not only avoids dynamic obstacles but also tracks the desired trajectory more smoothly and precisely.