基于遗传算法的轮式移动机器人轨迹优化研究

提出了一种基于遗传算法的轨迹优化方法．将移动机器人的运行轨迹分为若干小段．用遗传算法对每个小段进行规划和优化．从而得到移动机器人的整个运行轨迹。可以作为移动机器人轨迹优化的可行路径．并给出了相应的优化算法。     

基于深度相机的移动机器人视觉跟踪控制研究

基于视觉利用移动机器人进行运动目标跟踪,该文提出一种基于二自由度云台和RGB-D相机的运动目标视觉跟踪及移动机器人路径实时规划、跟踪方法。该方法利用核相关滤波算法在图像中实时追踪目标,控制二自由度云台使深度相机实时对准目标,并根据深度相机得到目标的深度信息,利用坐标转换得到目标相对于机器人的位置信息;其后移动机器人根据目标的位置信息,基于五次多项式进行路径规划;最后采用李雅普诺夫控制律对移动机器人进行轨迹跟踪控制,使得机器人能够平稳地跟踪目标运动。该算法在阿克曼移动机器人上进行了实验,实验结果验证了算法的有效性和实时性。     

基于APSO的GIS腔体移动机器人区间二型模糊跟踪控制

为解决气体绝缘封闭开关设备(GIS)腔体移动机器人的轨迹跟踪控制问题，提出一种基于优化算法的麦克纳姆轮全向移动机器人(MWOR)区间二型模糊跟踪系统。建立MWOR在腔体中的非线性模型，并设计相应的区间二型模糊逻辑控制器(IT2FLC);针对IT2FLC隶属度函数难以确定的问题，采用自适应粒子群优化(APSO)算法对隶属度函数进行优化。分别对MWOR在无扰动和有扰动时进行直线和圆轨迹跟踪的仿真实验。结果表明，该方法对MWOR具有很好的控制效果和抗干扰效果。     

基于激光扫描的移动机器人行走环境直线检测

提出一种移动机器人行走环境直线检测算法;对激光传感器采集的环境信息作预处理,设计分割、提取规则将离散距离信息转化为具备明显特征的直线段序列,考虑传感器误差用最小二乘法拟合直线段;计算拟合误差作为直线分割提取的阈值自动调整条件,实现阈值自动调整.基于极坐标内直线协方差矩阵计算Mahalanobis距离,实现直线合并,不丢失环境信息同时降低其直线存储量.与传统的Split-and-Merge算法相比,解决了对分割阈值参数敏感的问题.经过实验证明:直线检测算法能够有效检测出直线特征.     

改进的Backstepping在移动机器人轨迹跟踪中的应用

以四轮移动机器人的运动学模型为研究对象,基于BackStepping的设计思想,通过构造一种简单的中间虚拟反馈变量,同时结合Lyapunov直接法设计了一种移动机器人轨迹跟踪控制律,并证明了系统在设计控制律下的全局稳定性;但控制律中含有未知参数,不同的参考轨迹都要重新调节才能达到良好的跟踪效果,因此利用极点配置的方法对这些参数进行了优化整定,从而保证了控制器的自适应性;文中以直线和圆为参考轨迹做了仿真实验;仿真结果表明该算法具有快速,精确,全局稳定的良好特性。     

基于低秩矩阵恢复的移动WSN节点轨迹拟合研究

对传感节点的位置和轨迹信息进行更新和管理,是传感节点可移动的无线传感器网络系统的主要特征。传感节点的位置和轨迹信息频繁传输会增加网络的能量消耗。为了降低信息的传输量,对信息进行采样,并通过拟合传感器节点的移动轨迹恢复原始轨迹信息;为了进一步提高拟合准确度,将压缩感知理论应用于轨迹拟合中,该算法对非凸最优化问题进行松弛,将矩阵的秩松弛到矩阵的Frobenius范数,并转化为非约束优化问题,然后采用最小二乘法对目标函数进行迭代以求得最优解。仿真实验结果表明,算法能够较好地拟合传感节点的移动轨迹,能显著减少传感节点位置和轨迹信息的发送量。     

基于轨迹引导的移动机器人导航策略优化算法

针对在杂乱、障碍物密集的复杂环境下移动机器人使用深度强化学习进行自主导航所面临的探索困难,进而导致学习效率低下的问题,提出了一种基于轨迹引导的导航策略优化（TGNPO）算法。首先,使用模仿学习的方法为移动机器人训练一个能够同时提供专家示范行为与导航轨迹预测功能的专家策略,旨在全面指导深度强化学习训练;其次,将专家策略预测的导航轨迹与当前时刻移动机器人所感知的实时图像进行融合,并结合坐标注意力机制提取对移动机器人未来导航起引导作用的特征区域,提高导航模型的学习性能;最后,使用专家策略预测的导航轨迹对移动机器人的策略轨迹进行约束,降低导航过程中的无效探索和错误决策。通过在仿真和物理平台上部署所提算法,实验结果表明,相较于现有的先进方法,所提算法在导航的学习效率和轨迹平滑方面取得了显著的优势。这充分证明了该算法能够高效、安全地执行机器人导航任务。     

基于路径跟踪控制方法的拖挂式机器人系统路径规划算法

为解决拖挂式移动机器人系统路径规划算法精准性低、稳定性差和无法考虑系统间安全性等的问题,提出一种基于路径跟踪方法的路径规划算法。该算法融合快速拓展随机树（RRT）基本算法和路径跟踪控制方程,通过自动拟合样条曲线,跟踪并生成节点间轨迹,以此提高路径精准性;加入系统夹角约束条件和节点击中机制提高算法稳定性和结果安全性;此外,加入贪心优化算法,针对结果路径进行优化处理。通过仿真实验结果表明,相较基本RRT算法,改进算法搜索得到的路径更贴近实际运动轨迹,在安全性和成功率上优于原算法,能够满足快速设计或实时系统的需求。     

栅格法视觉传感集成及机器人实时避障

研究移动机器人在室内环境下集成双目视觉和激光测距仪信息进行障碍物实时检测。由双目视觉系统检测环境获取视差信息,通过直接对视差信息进行地平面拟合的方法快速检测障碍物;拟合过程中采用了随机采样一致性估计算法去除干扰点的影响,提高了障碍物检测的鲁棒性。用栅格地图表示基于机器人坐标系的地平面障碍物信息并对栅格信息进行提取,最后把双目视觉与激光测距得到的栅格信息进行集成。实验表明,通过传感信息集成,移动机器人既得到了充分的障碍物信息,又保证了检测的实时性、准确性。     

一种基于轮廓边缘的直线拟合算法

采用传统的直线检测算法在工业检测环境噪声繁杂、目标产品本身质量不佳的情况下提取直线特征,无法准确找出最优的直线特征。鉴于此,本文提出了一种基于轮廓边缘的直线拟合算法。首先,用改良的Sobel算子作为方向梯度,通过边缘筛选算法得到目标边缘,用优化的最小二乘法初步拟合轮廓线来提高拟合优度,对于最终拟合优度低于设定阈值的轮廓线进行排除;然后,将轮廓边缘按拟合角度进行分类,检索分类区间中像素点最多的集合作为目标区间,对目标区间的邻近区间进行最邻近插值运算以防止有效元素损失,进而提高算法的准确性;接着,将目标轮廓线集合进行不变矩的空间旋转,用扫描矩阵从上往下筛选出目标点集;最后,将目标点集旋转复原后再通过优化的最小二乘法拟合得到目标直线的直线特征。在某注塑件的实践应用中能准确获得目标的直线特征,产品定位合格率98.5%,该算法不仅在抗干扰方面具有很强的鲁棒性,而且还能使离散的直线段合并,进而提高算法的准确性和稳定性,对各种工业产品的直线特征提取有着广泛的适用性。     

基于EKF的全景视觉机器人SLAM算法

研究全景视觉机器人同时定位和地图创建（SLAM）问题。针对普通视觉视野狭窄, 对路标的连续跟踪和定位能力差的问题, 提出了一种基于改进的扩展卡尔曼滤波（EKF）算法的全景视觉机器人SLAM方法, 用全景视觉得到机器人周围的环境信息, 然后从这些信息中提取出环境特征, 定位出路标位置, 进而通过EKF算法同步更新机器人位姿和地图库。仿真实验和实体机器人实验结果验证了该算法的准确性和有效性, 且全景视觉比普通视觉定位精度更高。     

Iterative Path Tracking of an Omni-Directional Mobile Robot

We propose a path-tracking algorithm that is developed using an iterative learning control (ILC) technique and use the algorithm to control an omni-directional mobile robot. The proposed algorithm can be categorized as an open–closed PD-type ILC; it generates robot velocity commands by a PD-type ILC update rule using both previous and current information. When applied to the omni-directional mobile robot, it can decrease position errors and track the desired trajectory. Under the general problem setting that includes a mobile robot, we show that the proposed algorithm guarantees that the system states, outputs and control inputs converge to within small error bounds around the desired ones even under state disturbances, measurement noises and initial state errors. By using simulation and experimental tests, we demonstrate that the proposed algorithm converges fast to the desired path, and results in small root-mean-square (r.m.s.) position error under various surface conditions. The proposed algorithm shows better path-tracking performance than the conventional PID algorithm and achieves faster convergence and lower r.m.s. error than the existing two ILC algorithms.     

基于迭代学习控制的移动机器人轨迹跟踪控制

为提高移动机器人对特定轨迹的重复跟踪能力,提出了采用开闭环PD型迭代学习控制算法对移动机器人进行轨迹跟踪控制的方法。建立了包含外界干扰的非完整约束条件下的轮式移动机器人运动学模型,给出了系统的控制算法和控制结构。仿真结果表明,采用开闭环PD型迭代学习控制算法对轨迹跟踪是可行有效的,收敛速度优于其他迭代学习算法。     

Motion planning algorithms of an omni-directional mobile robot with active caster wheels

This work deals with motion planning algorithms of an omni-directional mobile robot with active caster wheels. A typical problem occurred in the motion control of such omni-directional mobile robot, which has been identified through experimental experiences, is skidding of the mobile wheel. It sometimes results in uncertain rotation of the steering wheel. To cope with this problem, a motion planning algorithm which resolves the skidding problem and uncertain motions of the steering wheel is mainly investigated. For navigation of the mobile robot, the posture of the omni-directional mobile robot is initially calculated using the odometry information. Then, the accuracy of the mobile robot’s odometry is measured through comparison of the odometry information and the external sensor measurement. Finally, for successful navigation of the mobile robot, a motion planning algorithm that employs kinematic redundancy resolution method is proposed. Through simulations and experimentation, the feasibility of proposed algorithms was verified.     

基于梯度自适应极值搜索算法的趋光控制研究

源定位已成为国内外研究的热点问题,为了在实验室环境下研究移动机器人的趋光性,对源定位理论方法进行了研究,设计了地面移动机器人光源定位平台,通过该平台来验证趋光理论的可行性。首先,利用对角线控制策略和梯度自适应极值搜索算法分别进行趋光实验,完成移动机器人对光源的定位。其次,使用MeanShift目标跟踪算法跟踪移动机器人的运动轨迹。最后,绘制出光源强度分布等值线并分析了移动机器人的运动轨迹。相比于对角线控制策略,梯度自适应极值搜索算法根据当前区域梯度值自适应调整反馈增益参数,提高了源定位效率,并在光源定位平台验证了该算法的有效性和稳定性。     

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.     

基于轨迹安全性评价的免疫遗传路径规划算法

针对移动机器人栅格路径规划中安全轨迹规划、局部极小点问题,提出了一种基于轨迹安全性评价的免疫遗传路径规划算法.通过将人工势场(APF)模型与轨迹安全性评价相结合,提出利用斥力场强度评估轨迹安全性,建立基于轨迹安全性、行驶代价评估的适应度函数,利用免疫遗传算法对APF模型中的势力场参数进行自适应优化估计.通过将参数变化控制在一个合理的区间,有效避免局部极小情况的发生,同时提高了路径的安全性.算法的有效性通过仿真实验得到了验证.     

未知环境下基于三次螺线Bug算法的移动机器人路径规划

研究了环境未知情况下的移动机器人实时路径规划问题,将Bug算法与基于滚动窗口的路径规划相结合,提出了一种改进的移动机器人路径规划方法。详细分析了三次螺线作为移动机器人跟踪路径所具有的各种优异的几何特性,定义路径光滑成本函数,利用三次螺线对滚动窗口内规划的路径光滑化,使得移动机器人易于跟踪所规划的路径,扩展了移动机器人的应用领域。最后对本文算法的收敛性和完备性予以证明。仿真实验验证了该方法的有效性。     

Robust localization and tracking of simultaneous moving sound sources using beamforming and particle filtering

Mobile robots in real-life settings would benefit from being able to localize and track sound sources. Such a capability can help localizing a person or an interesting event in the environment, and also provides enhanced processing for other capabilities such as speech recognition. To give this capability to a robot, the challenge is not only to localize simultaneous sound sources, but to track them over time. In this paper we propose a robust sound source localization and tracking method using an array of eight microphones. The method is based on a frequency-domain implementation of a steered beamformer along with a particle filter-based tracking algorithm. Results show that a mobile robot can localize and track in real-time multiple moving sources of different types over a range of 7 m. These new capabilities allow a mobile robot to interact using more natural means with people in real-life settings.     

自主式微小型移动机器人群体行为进化的研究

自主式微小型移动机器人群体面临的一些环境常常是未知的、无结构的,同时由于其 自身体积大小的限制,在目前的工业水平上也很难在其上安装一些较为先进的传感器,以致 机器人仅能获取局部的信息,这些原因使得采用传统基于任务的设计方法将十分困难,而采 用基于行为的设计方法时,也很难保证所设计的机器人行为的有效性,为此本文采用了遗传 算法,随机产生了机器人群体中各初始个体的障碍物回避行为及机器设备故障排除行为,当 群体在特定的工作环境中仿真运行时,根据环境的情况和所需实现的任务,使群体行为性能 达到了较为优化的目的．