多路超声波机器人的模糊避障研究

针对传统的超声波机器人避障中感知信息单一,测距盲区与信号串扰大的问题,提出一种基于多传感器信息融合的机器人避障技术,采取分组采样的技术采集多路无串扰的信号,使用中值滤波的方式加强融合信息的时间空间连续性,使用模糊控制技术对机器人避障进行控制;通过对机器人实际的不同路状下的避障实验证明该方法具有很好的鲁棒性与有效性.     

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...     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

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。     

动态不确定环境下移动机器人的在线实时路径规划

提出一种基于极坐标空间的、以机器人期望运动方向角为路径优化指标的动态不确定环境下移动机器人的在线实时路径规划方法。该法通过机器人的传感器系统,实时探测局部环境信息,在每一采样时刻,机器人首先对视野内的动态障碍物的位置进行采样,然后根据所采样的位置信息,利用自回归模型预测出下一采样时刻动态障碍物的位置,再将预测位置上的动态障碍物当作静态障碍物来处理,然后对其规划避碰路径,从而将动态路径规划转化为静态路径规划。仿真和实验结果验证了该方法有效可行,具有实时规划性和良好的避障能力。     

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.     

基于双目视觉的移动机器人避障算法仿真研究

针对当前超声波定位的机器人避障技术中,只能感知外围的单一信息,在多机器人通信或者外围存在信号串扰的前提下,信息转化测距结果存在较大误差,存在避障盲区的问题,提出一种视觉多图像信息融合的机器人避障算法,通过双目立体视觉采集机器人的实际图像信息,运用像素自适应融合方法最大程度的采集视觉信息,归一化后的视觉信息带入A*算法进行最优路径的选择,克服单一信息选择中路径计算的弊端,建立多信息约束的路径搜索模型,最大化的解决视觉避障中的干扰问题.后期的计算机仿真结果表明,与传统的测距避障算法相比,有效提高了算法的抗噪性能和避障准确性,为移动机器人避障优化提供了依据.     

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。     

基于四轮差速模型的多机器人路径规划北大核心CSCD

针对多机器人路径规划问题,设计了一种基于四轮差速模型的多机器人路径规划系统。首先,对单个移动机器人底盘进行建模分析,建立底盘位姿变化与速度之间的运动学关系。其次,改进机器人的全局路径规划A*算法,并结合建模分析的结果,使用局部路径规划动态窗口算法(DWA)推导机器人运动轨迹,实现多机器人动态避障功能。最后,搭建机器人实物模型和实验场景,通过机器人操作系统(ROS)平台设计多机器人自主导航,在实验场景中对所提方法进行验证,实验结果表明了该方法的可行性和稳定性。     

两级传感器信息融合的移动机器人避障研究

针对移动机器人的避障问题,以AS-R移动机器人为研究平台,提出了一种将神经网络和模糊神经网络相结合的两级融合方法。采用BP神经网络对多超声波传感器信息进行融合,以减少传感器信息的不确定,提高对障碍物识别的准确率;采用模糊神经网络实现移动机器人的避障决策控制,使之更适合系统的避障要求。该方法使移动机器人在避障中具有较好的灵活性和鲁棒性。机器人避障实验验证了所提方法的有效性。     

基于行为优先与模糊控制的移动机器人导航

由于动态未知环境下自主移动机器人的导航具有较大困难,为实现自主机器人在动态未知环境下的无碰撞运行,文中将行为优先级控制与模糊逻辑控制相结合,提出4种基本行为控制策略:目标寻找、避障、跟踪和解锁.针对'U'型和'V'型障碍物运行解锁问题,提出了行走路径记忆方法,并通过构建虚拟墙来避免机器人再次走入此类区域.仿真实验表明,所提出的控制策略可有效地运用于复杂和未知环境下自主移动机器人的导航,且具有较好的鲁棒性和适应性.     

Reactive navigation of underwater mobile robot using ANFIS approach in a manifold manner

Learning and self-adaptation ability is highly required to be integrated in path planning algorithm for underwater robot during navigation through an unspecified underwater environment. High frequency oscillations during underwater motion are responsible for nonlinearities in dynamic behavior of underwater robot as well as uncertainties in hydrodynamic coefficients. Reactive behaviors of underwater robot are designed considering the position and orientation of both target and nearest obstacle from robot’s current position. Human like reasoning power and approximation based learning skill of neural based adaptive fuzzy inference system (ANFIS) has been found to be effective for underwater multivariable motion control. More than one ANFIS models are used here for achieving goal and obstacle avoidance while avoiding local minima situation in both horizontal and vertical plane of three dimensional workspace. An error gradient approach based on input-output training patterns for learning purpose has been promoted to spawn trajectory of underwater robot optimizing path length as well as time taken. The simulation and experimental results endorse sturdiness and viability of the proposed method in comparison with other navigational methodologies to negotiate with hectic conditions during motion of underwater mobile robot.     

一种基于多组传感器信息移动机器人的避障方法

提出了一种基于多组传感器信息的移动机器人避障的新方法.该方法把多组传感 器信息作为ART-2神经网络的输入,实现移动机器人对当前感知环境的快速识别和分类.在 此基础上,设计了用于移动机器人在未知环境下避障的模糊控制器.试验证明了这一方法的 有效性和实时性.     

移动机器人路径跟踪的智能预瞄控制方法研究

本文首先介绍了移动机器人的基本硬件组成，然后模仿人工预瞄驾驶行为，提出了一 种移动机器人路径跟踪的智能预瞄控制方法，并介绍了智能预瞄控制器的原理、结构及其设 计过程．试验表明：本文提出的控制方法可保证机器人准确地沿各种参考路径行走，且具有 良好的鲁棒性．具有运动避障功能的移动机器人控制系统正在研究过程中．     

Reactive navigation in dynamic environment using a multisensorpredictor

A reactive navigation system for an autonomous mobile robot in unstructured dynamic environments is presented. The motion of moving obstacles is estimated for robot motion planning and obstacle avoidance. A multisensor-based obstacle predictor is utilized to obtain obstacle-motion information. Sensory data from a CCD camera and multiple ultrasonic range finders are combined to predict obstacle positions at the next sampling instant. A neural network, which is trained off-line, provides the desired prediction on-line in real time. The predicted obstacle configuration is employed by the proposed virtual force based navigation method to prevent collision with moving obstacles. Simulation results are presented to verify the effectiveness of the proposed navigation system in an environment with multiple mobile robots or moving objects. This system was implemented and tested on an experimental mobile robot at our laboratory. Navigation results in real environment are presented and analyzed.     

人群环境中基于深度强化学习的移动机器人避障算法

为了控制移动机器人在人群密集的复杂环境中高效友好地完成避障任务,本文提出了一种人群环境中基于深度强化学习的移动机器人避障算法。首先,针对深度强化学习算法中值函数网络学习能力不足的情况,基于行人交互（crowd interaction）对值函数网络做了改进,通过行人角度网格（angel pedestrian grid）对行人之间的交互信息进行提取,并通过注意力机制（attention mechanism）提取单个行人的时序特征,学习得到当前状态与历史轨迹状态的相对重要性以及对机器人避障策略的联合影响,为之后多层感知机的学习提供先验知识;其次,依据行人空间行为（human spatial behavior）设计强化学习的奖励函数,并对机器人角度变化过大的状态进行惩罚,实现了舒适避障的要求;最后,通过仿真实验验证了人群环境中基于深度强化学习的移动机器人避障算法在人群密集的复杂环境中的可行性与有效性。     

The study of path error for an omnidirectional home care mobile robot

The first objective of this research was to develop an omnidirectional home care mobile robot. A PC-based controller controls the mobile robot platform. This service mobile robot is equipped with an “indoor positioning system” and an obstacle avoidance system. The indoor positioning system is used for rapid and precise positioning and guidance of the mobile robot. The obstacle avoidance system can detect static and dynamic obstacles. In order to understand the stability of a three-wheeled omnidirectional mobile robot, we carried out some experiments to measure the rectangular and circular path errors of the proposed mobile robot in this research. From the experimental results, we found that the path error was smaller with the guidance of the localization system. The mobile robot can also return to its starting point. The localization system can successfully maintain the robot’s heading angle along a circular path.     

基于改进模糊算法的移动机器人避障

为了提高移动机器人在连续障碍物环境下的避障性能,提出了一种具有速度反馈的模糊避障算法。移动机器人利用超声传感器感知周围环境,在模糊控制的基础上通过障碍物分布情况调整自身速度,进而引入优雅降级并把改进的模糊避障融入其中,增强了移动机器人的鲁棒性。实验结果表明,该方法能通过与环境交互调整机器人移动速度,控制机器人成功避障并优化避障路径,具有良好的有效性。