一种改进的全覆盖路径规划算法

全覆盖路径规划在现实生活中具有很广泛的应用,本文针对已存在的全覆盖路径规划算法中的内螺旋算法进行改进,提出带有优先级的内螺旋算法PISC算法。在算法中加入行走优先级,并采用回溯法解决清扫机器人进入的死角问题,优化机器人的清扫路径,最后在Visual C+〖KG-*3〗+6.0编程环境下进行算法仿真。实验结果表明,清扫机器人能有效地避开障碍物,在自由区域顺利行走,提高了清扫机器人的清扫效率,减少了机器人清扫的重复路径。     

基于超声波传感器测距的沿边走吸尘器路径规划算法

为了提高家用吸尘器使用的效率，并保证安全性和可靠性，提出利用超声波传感器来测距的环境信息采集的吸尘器清扫路径规划算法，首先本文简要描述了机器人路径规划的目标，超声波测距的工作原理，分析了家用自主式移动吸尘器设计时所面临的问题，提出了一种基于超声波传感器的家用自主式移动吸尘器路径规划算法，该算法有效地减少了吸尘器清扫某个具体环境的问题，提高其清扫效率，同时具有自动检测障碍物，自主避障的功能。     

基于多传感器信息融合工业机器人的应用研究

本文主要在探讨基于多传感器信息融合的工业机器人应用,以增强其在复杂工业环境中的功能和性能。首先,我们选择了多种传感器,包括视觉传感器、红外测距传感器和激光传感器、定位传感器等,以获取不同类型的环境信息。然后,采用自适应加权信息融合算法,将不同传感器获取的信息进行融合,基于实测最优值权比重与固定权值融合。建立工业机器人关节空间和笛卡尔空间在人工势场的函数模型,并通过快速随机树（RRT）算法进行路径规划,最后通过MATLAB进行仿真实验,经仿真证明该方法相对于传统的路径算法,效率更高,避障效效率更高。     

基于多传感信息融合的学前教育机器人导航定位研究

为提高学前教育机器人导航精度，提出一种基于多传感信息融合的导航定位方法。首先，提出多传感信息融合定位的整体思路，然后选择扩展卡尔曼滤波改进A*算法对机器人进行定位和路径优化，并重点搭建了融合定位的系统模型与观测模型。结果表明：在搭建机器人硬件和软件的基础上，在融合姿态和融合轨迹方面，本研究采用的EFK多传感信息融合都表现出良好的性能，具有一定的可行性与有效性；以其为基础的机器人导航定位系统能够可在教室和操场上安全平稳的移动，并快速精准地到达指定目标点。     

基于多数据融合的智能定位传感器避障算法研究

在智能定位传感器内增加避障算法，可使机器人拥有自动躲避障碍的能力，该文基于多数据融合设计智能定位传感器避障算法。设置激光雷达测距和超声波测距作为多传感器障碍检测的方法，获取机器人当前位置与障碍点坐标的相对几何关系，计算机器人与障碍点位置的距离，定位路面障碍点，对2种传感器收集到的数据进行多元障碍定位信息的加权融合。设置智能机器人避障轨迹目标函数以及约束条件，设计机器人避障算法，得到基于定位传感器的机器人避障方法。实验结果表明，在简单环境及复杂环境下机器人均未与障碍物相撞。在运行轨迹中随机放置障碍物，机器人能够及时完成运行轨迹的变化。由此可见，该避障算法具备较好的应用前景，可应用于各种智能机器人中。     

一种室内清扫机器人路径规划算法

清扫机器人作为服务机器人领域中的一个新产品已成为人们家庭当中的重要一员,全覆盖路径规划问题是其重要技术之一。提出一种新的路径规划算法,该算法对室内环境进行栅格模型建模,生成一个无向完全图G,对图 G 采用深度优先搜索和广度优先搜索,并应用拓扑排序动态更新图 G,生成最短全覆盖规划路径,最后用生成树来验证该算法的有效性和可行性。     

一种基于移动机器人AIM的改进的MSIF技术

多传感器信息融合技术在移动机器人领域中有着重要的地位。本文针对AIM移动机器人的多种传感器分布．提出一种改进的信息融合算法。该算法回避了对障碍物进行直接的估计，通过融合红外传感器和超声波传感器提供的冗余、互补的信息．得到机器人能够前进的方向。仿真试验结果表明算法效果良好，可在AIM移动机器人躲避障碍物和路径规划中得到有效的应用。     

移动机器人全局覆盖路径规划算法研究进展与展望

首先通过势场栅格法、单元分解法、全局与局部转换法等三大方法介绍了单移动机器人各种不同的全覆盖算法,分析了各种不同算法的性能,指出了它们的优缺点,并对每种方法的改进方法进行了探讨分析;另外,针对多机器人协作全覆盖路径规划的研究,探讨了基于单机器人全覆盖路径规划算法和任务分配算法等结合得到的多机器人协作路径规划算法;最后探讨移动机器人全覆盖路径规划算法的研究方向。分析结果表明,对于移动机器人全覆盖算法的研究,可充分利用现有算法的优势互补,或借助多学科交叉的优势,寻找更有效的算法。     

基于超声波传感器测距的家用自主式移动

为了提高家用吸尘器使用的效率,并保证安全性和可靠性,提出利用超声波传感器来测距的环境信息采集的吸尘器清扫路径规划算法.首先简要描述了机器人路径规划的目标、超声波测距的工作原理;分析了家用自主式移动吸尘器设计时所面临的问题;提出了一种基于超声波传感器的家用自主式移动吸尘器路径规划算法,该算法有效地减少了吸尘器清扫某个具体环境的时间,提高其清扫效率,同时具有自动检测障碍物、自主避障的功能.     

基于超声波传感器测距的家用自主式移动吸尘器路径规划算法

为了提高家用吸尘器使用的效率 ,并保证安全性和可靠性 ,提出利用超声波传感器来测距的环境信息采集的吸尘器清扫路径规划算法。首先简要描述了机器人路径规划的目标、超声波测距的工作原理 ;分析了家用自主式移动吸尘器设计时所面临的问题 ;提出了一种基于超声波传感器的家用自主式移动吸尘器路径规划算法 ,该算法有效地减少了吸尘器清扫某个具体环境的时间 ,提高其清扫效率 ,同时具有自动检测障碍物、自主避障的功能     

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.     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

基于滚动优化和分散捕食者猎物模型的全覆盖路径规划算法

针对多机器人执行全覆盖任务效果差的问题,提出一种基于滚动优化和分散捕食者猎物模型的多机器人全覆盖路径规划算法.首先,利用栅格地图表示作业的环境空间,并基于栅格地图修正捕食者猎物算法中的避开捕食者奖励,添加移动代价奖励和死区回溯机制构建分散捕食者猎物模型;然后,引入滚动优化方法,避免机器人陷入局部最优,预测周期内机器人覆盖栅格的累计奖励值作为适应度函数,并使用鲸鱼优化算法(WOA)求解最优移动序列;最后,在不同环境下进行仿真实验,得到的平均路径长度与生物激励神经网络算法(BINN)和牛耕式A*算法(BA*)相比分别减少了16.69%sim17.33%、10.32%sim20.03%,验证了所提出算法在多机器人全覆盖路径规划中的可行性和有效性.     

基于多传感器的扫地机器人导航系统避障研究

探讨了扫地机器人导航系统中基于多传感器的避障问题。通过设计一套多传感器避障方案,结合多传感器数据融合算法、避障路径规划算法,并考虑其他潜在影响因素,实现扫地机器人导航系统性能。     

一种基于CKF的无线传感器网络分布式定位算法

为提高无线传感器网络节点定位的精度,降低算法计算复杂性,提出了一种基于容积卡尔曼滤波的无线传感器网络分布式节点定位算法。该算法假定移动锚节点按预定路径在传感区域移动,并周期性广播自身位置信标信息;每个未知位置节点首先收集多个锚节点信标信息及信号强度信息,然后估算出锚节点信标位置与未知节点的距离,最后在未知节点上运用容积卡尔曼滤波算法完成自身位置的分布式定位。仿真结果表明：本文所提算法具有优良的定位性能,定位精度和无迹卡尔曼滤波算法相当,明显优于极大似然估计定位算法,而计算复杂性则低于无迹卡尔曼滤波算法。     

D-S证据理论的多传感信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D—S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。     

基于信息融合的机器人路径智能决策的研究

基于机器人未知环境探索的智能行为,以先锋Pioneer3-DX移动机器人为对象,构建了基于多传感器信息融合的机器人智能行为系统以实现其路径规划行为。构建了一个双层信息融合路径规划智能行为系统,数据层融合采用基于联邦kalman滤波融合的信息融合方法,通过多传感器融合降低信息的不确定性,为机器人提供更可靠和更准确的环境信息;决策层融合采用模糊推理方法,根据数据层融合结果作为模糊控制器的输入,构建基于模糊推理的决策层融合模块,其设计思想是模仿人的智能行为进行决策,使其不仅决策出机器人的行走方向,同时决策出机器人的行走速度,实现了动态路径规划。基于Matlab的仿真实验,验证了方法的可行性。     

基于多传感器的移动机器人路径规划

提出一种基于多传感器的移动机器人路径规划策略。利用声纳传感器和CCD摄像机对环境进行探测,得到关于障碍物的信息,通过一种简单、快速的数据融合算法计算出障碍物相对于机器人的位置坐标。采用切线法进行路径规划,实现了移动机器人在不确定环境下的路径规划,使机器人可以很好地避开障碍物,并以局部最优或次最优路径到达指定位置。实验结果验证了该路径规划算法的良好性能。     

基于不确定网格地图的移动机器人导航

研究了在未知环境下的移动机器人导航问题．在分析超声传感器不确定性模型的基础上,根据模糊集理论创建网格地图来描述机器人工作环境,使用模糊隶属度表示网格占用状态．通过网格信息融合来减弱传感器测量误差,提高网格地图的精度．提出基于模糊网格地图的路径规划算法,利用重复局部优化路径搜索来实现全局路径规划．机器人通过交替进行创建地图和路径规划两个基本过程来完成导航任务．仿真结果表明创建的地图能较精确地表示环境信息。规划的路径可以使机器人安全地到达目的地．     

基于D2S 证据理论的移动机器人 多传感器信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D-S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。