碰撞响应中方向穿透深度算法的研究

方向穿透深度是碰撞响应的基础,在增强虚拟环境的逼真性和真实感方面起到了重要的作用.现有的方向穿透深度算法,很难同时兼顾计算速度和计算精度,实用性受到很大限制.提出一种新的方向穿透深度计算方法,无须对凹多面体进行凸分解,就能精确地计算任意多面体间的方向穿透深度.在此基础上,提出一种基于体分解的包围体层次--ISBVH,极大地提高了算法的效率.     

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.     

基于声纳环传感器的机器人避障研究

任何一种移动机器人要实现未知环境自主导航都必须有效而可靠地感知环境信息,而超声波传感器在检测障碍物距离信息方面应用十分广泛。介绍了旅行家II号声纳环传感系统的设计与实现原理,并对声纳的精度进行了测试。在此基础上,提出了移动机器人一种简单避障策略,并运用2种基本避障实验:静态避障和动态避障,验证了该避障策略的正确性和有效性。     

AS-R移动机器人的动态避障与路径规划研究

针对移动机器人的动态避障和路径规划问题,以AS-R移动机器人为平台,设计了一种基于行为分析的动态避障策略。根据避障问题将移动机器人整个运行过程中的行为划分成趋向目标行为、避障行为、沿墙走行为及紧急避障4种行为,有效实现了机器人的动态避障,并解决了两种避障难题:左右摆动问题和凹型障碍物问题。利用多传感器结合检测方法,通过红外传感器减少盲区和镜面反射带来的误差,通过间隔采样或分组采样技术避免多路串扰问题;对均值滤波与中值滤波进行实验对比后,提出一种递推型中值滤波方法,从而提高了数据在空间和时间上的连续性,有效地减少了超声波随机串扰信号及其它干扰信号,进而提高了探测模块的准确度。最后设计了几种复杂环境下机器人的动态避障和路径规划,并验证了所提方法的有效性。     

一种混联码垛机器人智能避障轨迹规划与仿真

由于码垛机器人应用环境复杂、不确定条件多等诸多问题,针对现有的避障轨迹规划算法存在的划分空间上的繁琐情况,提出了一种智能避障轨迹规划算法,包括障碍物信息提取和避障轨迹设计,最大程度降低障碍物信息与轨迹设计部分的耦合度,达到减少动态空间下频繁划分空间的目的.最后在OPENGL软件上研发的三维仿真平台上进行运动学仿真与验证.仿真结果表明,改进算法规划出的轨迹能有效避开障碍物且轨迹符合预期的要求,充分验证了轨迹规划算法的可行性和有效性.     

基于模糊逻辑的机器人动态避障方法

本文提出了一种动态环境下基于模糊逻辑的机器人动态避障方法。该方法采用包容式结构中基于优先度的行为决策方法,通过模糊规则将机器人工作空间中的动态信息模糊,再转化为对机器人在动态环境中的控制,同时提出接近度的概念,简化了模糊控制输入状态空间,从而减少模糊规则的数量,提高算法的实时性。实验表明,该动态避障方法能够使机器人躲避动态障碍物,并快速准确到达目标位置。     

基于改进动态运动基元的6D轨迹规划

动态运动基元(DMPs)轨迹规划方法可以简化机械臂控制中参数调整的复杂过程,快速生成运动轨迹,但是面对姿态的流形特性以及跨零点情况,现有的DMPs很难达到预期的效果.本文提出了一种基于改进DMPs的笛卡尔空间6D轨迹规划方法.该方法采用四元数描述姿态,实现了位置轨迹与姿态轨迹的无奇异表示.通过解耦强迫函数与起–终点状态差值项之间的关联,消除了跨零点引起的轨迹抖动、无法生成与翻转等问题.此外,基于机械臂和障碍物间的距离与偏角建立了虚拟阻抗关系,并将其耦合到动力学模型中,实现了机械臂末端的避障控制,避免了避障行为过早问题,有利于减少消耗.机械臂6D轨迹规划仿真和实验表明,本文提出的改进DMPs方法有效.     

Agent-Based群体模拟中的朝向计算方法

基于智能体(agent-based)的群体模拟中,已有的朝向计算方法易产生个体的朝向突变或僵硬的转弯行为,导致高密度群体的三维运动效果失真.为此提出一种适用于agent-based模型的双层朝向处理方法.在理论层上,依据角动量约束构建出朝向旋转方程,在计算路径过程中综合考虑个体期望方向、角速度约束、外部干扰转动等因素,计算个体朝向的初值;在数据层上,采用朝向过滤技术对初值进行处理,并在四元素空间内进行球面插值,最终生成群体的运动朝向.实验结果证明,该方法能实时地计算出自然平滑的高密度群体朝向数据.     

基于规则网格的层次化布料动态模拟方法

在布料动态模拟仿真过程中,收敛速度和模拟效率是两个核心指标,可以很好的反应布料在动态过程中的模拟效果。针对布料动态模拟中的收敛速度慢、模拟效率低的问题,提出了一种基于规则网格的层次化模拟方法,实现了基于位置的层次化动态模拟。在该方法中,利用层次化思想在原始网格的基础上构建层次化约束网格,在这个过程中,可以采用不同的决策函数对网格进行精简,构造出更加满足目标要求的约束网格,在构造完成后利用提出的权值关联模型对各层次进行再矫正。在模拟过程中,原始网格利用层次化约束网格从最粗层到最精细层进行收敛矫正,有效避免了传统为提高收敛速度而单一的增加约束矫正迭代次数的问题。为了检验模拟性能,布料在周期钟摆风场下进行了实验。实验表明,在基于规则网格的层次化方法模拟下,能很好的解决传统模拟的约束震荡问题,并且效率高,稳定性好。     

基于神经网络和遗传算法的机器人动态避障路径规划

文中提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法,机器人工作空间动态环境信息的神经网络模型,并利用该模型建立机器人动态避障与神经网络输出的关系,然后将需规划路径的二维编码简化成一维编码,并把动态避障要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真,结果表明提出的动态路径规划方法是正确和有效的.     

一种基于效益的多机器人避碰协调策略

多移动机器人系统在完成同时定位和地图构建SLAM任务时,机器人之间常常存在相互碰撞的问题,而这种碰撞的避免又不同于一般的避障,因为避障问题中的障碍物一般是不动的。为了解决机器人之间的避碰问题,提出了一种基于效益的多机器人避碰协调策略。该策略以提高多机器人系统探索效率为主,确定机器人通过交叉路口的顺序。同时考虑了动态协调避碰的情况,给出了确定机器人通过交叉路口顺序的算法。通过机器人在交叉路口实现避碰协调算法的仿真示例,对该方法的避碰协调过程进行了说明,并对仿真结果进行了分析,同时对仿真中机器人和目标位置的空间关系给出了合理的假设。     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

基于几何法的移动机器人路径规划

旨在解决动态环境中移动机器人与障碍物发生碰撞可能性的判断和避开障碍的路径规划。提出了采用几何计算的方法判断机器人和障碍物之间发生碰撞的条件,规划出机器人沿着收敛曲线运动到安全圆周,在安全圆周上作动态圆周运动,最后沿着圆弧退出圆周到达预定的避障路径。将基本的避开障碍的理论和几何算法有机地结合起来,获得了光滑的路径,提高了机器人避开障碍的效率。     

双层优化A*算法与动态窗口法的动态路径规划

为满足动态环境中移动机器人既要动态避障抵到终点,又要尽可能地做到全局最优的路径规划需求,提出了一种双层优化A*算法与动态窗口法相结合的移动机器人路径规划算法。在传统A*算法求得的全局路径轨迹基础上,首先通过一层全局优化,计算路径节点间斜率,提取关键转折点,大幅度减少路径转折点数量;再通过二层全局优化,延长路径段求得路径交点,判断交点是否通过障碍物的方法,将路径转折点数降到最低;设计动态窗口法的轨迹评价函数,解决了机器人容易陷入“凹”“C”形障碍物的问题,同时保证了障碍物安全距离并选取全局最优的路径轨迹。最后分别在静态与动态的二维栅格地图中对传统A*算法、一层优化A*、二层优化A*以及融合算法进行仿真实验。实验结果表明一层优化A*算法大幅度降低了转折次数;二层优化A*算法将转折点数降到最低,但是路径长度小幅度增加;融合算法实现了机器人实时动态避障抵到终点,而且在保证安全距离的同时更加贴近全局最优规划。     

基于速度变化空间的移动机器人动态避碰规划

研究了移动机器人对运动障碍物的动态避碰．针对以往速度障碍法在动态避碰应用中存在的问题,制 订了相应的改进方法．综合考虑障碍物速度的动态变化和碰撞时间、碰撞距离,在速度变化空间中,基于避碰行为 动力学原理,设计了新的优化评价函数,采用双障碍物检测窗口进行动态避碰规划．仿真实验表明,该方法有效地 克服了避碰规划的保守性,提高了机器人运动的安全性,并能实现对运动目标的及时追踪．     

Trajectory time scaling of a mobile robot to avoid dynamic obstacles on the basis of the INLVO

To ensure the collision safety of mobile robots, the velocity of dynamic obstacles should be considered while planning the robot’s trajectory for high-speed navigation tasks. A planning scheme that computes the collision avoidance trajectory by assuming static obstacles may result in obstacle collisions owing to the relative velocities of dynamic obstacles. This article proposes a trajectory time-scaling scheme that considers the velocities of dynamic obstacles. The proposed inverse nonlinear velocity obstacle (INLVO) is used to compute the nonlinear velocity obstacle based on the known trajectory of the mobile robot. The INLVO can be used to obtain the boundary conditions required to avoid a dynamic obstacle. The simulation results showed that the proposed scheme can deal with typical collision states within a short period of time. The proposed scheme is advantageous because it can be applied to conventional trajectory planning schemes without high computational costs. In addition, the proposed scheme for avoiding dynamic obstacles can be used without an accurate prediction of the obstacle trajectories owing to the fast generation of the time-scaling trajectory.     

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。     

基于改进速度障碍法的多机器人避碰规划算法

针对多移动机器人运动协调中的动态安全避碰问题,在分析速度障碍法原理的基础上,设计用于机器人之间相互避让的互动速度法则,并通过制定机器人的碰撞时间、碰撞距离因子对构型障碍的大小进行实时调整,把运动障碍物、动力学约束下的多步可达窗口、目标点都映射到一种速度变化空间当中,使多机器人的动态避碰问题转化为一种最优化问题,并构造了新的优化评价函数;设计了基于改进速度障碍法的机器人动态避碰规划算法。仿真实验表明,该方法有效地克服了碰撞冲突,实现了多机器人之间的运动协调控制,提高了机器人追踪运动目标的快速性。     

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.     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。