基于回溯法的全覆盖路径规划算法

随着扫地机器人的快速发展,作为其核心技术的全覆盖路径规划技术也变得日益重要。目前已经提出的许多算法,如人工势场法、模板法、单元分解法等,都存在一些问题,如覆盖率低、重复率高、运行效率低等等。针对目前已有算法存在的问题,提出了一种基于回溯法的全覆盖路径规划算法。首先利用West-Move First算法实现局部区域覆盖,然后为了解决扫地机器人局部区域覆盖过程中存在遗漏区域未覆盖的问题,建立了完善的回溯机制,并采用改进的A~*算法规划出一条从死点到回溯点的光滑无障碍路径。通过与BA~*算法进行仿真对比分析,表明了该算法具有更高的运行效率和更低的重叠率。     

自动翻晒谷物机器人的全覆盖路径规划研究

针对谷物机器人在场地进行翻晒作业时,由于场地中存在电线杆或其他限定因素,可形成机器人不可达区域,造成谷物机器人翻晒效率低等问题,提出改进A^*算法的全覆盖路径规划方案。首先利用牛耕分解法、就近原则法、往返式弓子型遍历方法和A^*算法完成整个翻晒场地的全覆盖路径规划。其次通过对传统A^*算法进行研究分析,对其估价函数进行优化,较传统A^*算法相比减少无用节点的搜索,节约搜索时间。另外针对改进A^*算法规划出的路径转折点多等问题,本文利用贝塞尔(Bezier)曲线对路径拐点进行平滑处理,同时通过增加控制点的方式对Bezier曲线进行改进,使优化的路径更加安全。最后,实验结果表明,本文提出的方法可完成100%覆盖,说明了该方案的有效性,具有一定的应用价值。     

基于改进遗传算法的机器人路径规划

文中提出一种基于改进遗传算法的移动机器人路径规划方法,将复杂的二维编码问题简化为一维编码问题,优化改进标准遗传算法的选择算子和交叉算子,引入路径规划特定的遗传算子(修正算子),最后以移动机器人行走路径最短作为适应度函数进行遗传优化.此算法克服了标准遗传算法的早熟收敛、运算结果稳定性差等问题,提高遗传算法的进化效率.仿真实验结果验证了该算法在移动机器人路径规划中的可行性和有效性,以及规划结果的稳健性.     

基于阿基米德螺线走法的全区域覆盖路径规划

路径规划是移动机器人实现智能化自主运动的基础,全区域覆盖路径规划是移动机器人路径规划中的一种特殊形式,在生产生活中应用广泛,如智能割草机器人、智能清洁机器人、生命探测机器人等。提出一种以阿基米德螺线为主要行走方式,用直线循环往复的行走方式补充边角区域的路径规划方法。重点研究了覆盖矩形中间区域所用阿基米德螺线行走方式。实验结果表明该方法简单有效,在无障碍的类圆形区域具有较好的适用性。     

移动机器人全覆盖路径规划研究

移动机器人的全局路径规划基本上可分为起点到终点寻优和全覆盖寻优两种。所谓全覆盖寻优路径规划,是指移动机器人快速而高效率地走遍一个区域内除障碍物以外的全部地方。对全覆盖路径规划方法的研究现状加以分析、比较和归纳,对全覆盖路径规划方法的发展趋势和研究方向进行探讨,也介绍作者自己的研究工作,同时对国内外刚开始不久的多机器人协作在全覆盖路径规划领域的研究工作也予以介绍,最后归纳出全覆盖寻优路径规划的发展方向及待解决的问题。     

消毒机器人全覆盖路径算法设计

针对消毒机器人全覆盖消毒的算法,传统的消毒机器人重复率高、消耗大,容易进入死区,导致机器人无法进行工作,机器人利用二维的激光雷达旋转扫描到室内的三维立体空间,建立格栅地图,通过SPDF算法与改善A*算法得到的Theta*算法相结合的算法,使得消毒机人能够正常地完成室内的消毒工作,并且保证消毒面积尽可能的重复率在较低的情况下,完成全面消毒。     

移动机器人全覆盖路径规划优化方法

从全局优化的角度出发,提出一种基于子区域分割的环境建模方法,将各个子区域缩成节点、子区域重心间距离缩成节点间连线,建立起含障区域的全连通图——广义距离矩阵模型,对Hopfield神经网络求解旅行商问题的动态规划方法进行改进后,将其用于求该模型的最优有向连通图。机器人沿最短路径完成覆盖,就是按最优顺序走过连通图中所有节点并依次覆盖各节点所代表的子区域,从而完成移动机器人在含障区域内的全覆盖路径规划问题的优化解决方案。     

面向荒漠复杂地形的机器人在线全覆盖路径规划方法

对于地形复杂、范围广阔的荒漠环境,当前的地图模型存在占用存储空间过大的问题;同时在复杂地形下,当前的全覆盖路径规划算法能量消耗大,无法适用于在线条件.对此,提出一种在线的全覆盖路径规划算法及相应的地图模型.首先,介绍一种变分辨率的三维栅格地图模型.其次,分析机器人在非平面环境下进行全覆盖任务的能量消耗问题,得出最节约能量的覆盖方式.在对平坦地形的覆盖中,基于优先级覆盖的思想,对传统的牛耕法覆盖做出改进,拓展为8个方向.然后,针对非平坦地形提出一种在线的面向地形的区域分解方法,在全覆盖过程中根据高度将特殊地形区域分解出来单独覆盖.在子区域内部,对特殊地形抽象得到斜面模型,引入地形变化函数,形成新的优先级遍历方法,并设计一种针对性的避障策略以进一步减少能量消耗.最后,对所提出的算法进行仿真验证以及机器人实验.仿真验证和实验结果表明,相比于其他算法,所提出算法能显著减少全覆盖过程中的重复率以及机器人总能量消耗.     

基于鱼群算法的智能机器人全覆盖路径规划

为保证机器人的行驶轨迹可以全方位地的覆盖地图的全部坐标点,并降低路径重复率,基于鱼群算法设计智能机器人全覆盖路径规划方法。建立智能机器人死区脱困模型,计算栅格地图模型中的目标活性值,获取整体栅格数量,描述地图中栅格状态,得到脱困时的行驶角度差。基于鱼群算法设计全路径覆盖判定方法,描述不同目标鱼个体之间的距离,在三重移动目标坐标系下,获取元素坐标向量,建立每个目标点的求解代价和,计算下一个目标点行驶的最小距离。设计机器人全覆盖路径规划算法,判断当前位置是否为死区,获取路径规划的全局最优解,实现智能机器人的全覆盖路径规划。利用Matlab仿真软件完成智能机器人全覆盖路径规划实验。结果表明,在简单环境下,该路径规划方法覆盖率为100%,重复率为5.23%,路径长度为15.36m；在复杂环境下,该路径规划方法的覆盖率为100%,重复率则为10.24%,路径长度为20.34m。由此证明,该方法具有较好地规划效果较好。     

改进的RRT-Connect双足机器人路径规划算法

针对当组态空间内存在大量的窄道时,快速搜索随机树算法(RRT)难以取得连通路径的问题,提出了一种改进的RRT-Connect算法。该算法利用改进的桥梁检测算法来识别和采样窄道,使得路径规划在窄道内能轻易取得连通性;同时将RRT-Connect算法与任意时间算法相结合,显著地减少了RRT-Connect算法的移动代价。每个算法分别运行100次,与RRT-Connect算法相比,改进后的算法成功次数由34提高到93,规划时间由9.3s减少到4.2s。双足机器人的仿真实验结果表明,该算法能在窄道内取得优化路径,同时可以有效地提高路径规划的效率。     

改进的快速探索随机树双足机器人路径规划算法

针对快速探索随机树(RRT)算法进行路径规划时随机性大且未考虑移动代价的问题,提出了任意时间快速探索随机树算法。生成一组快速探索随机树,之后每个树都重新使用上个树的信息来不断改进树的延伸。为进一步优化算法,使用节点缓存来生成一个引力函数来减少移动代价。最终的算法能够快速地生成初始路径,在规划时间内不断地改进路径且通过使用阈值来确保后面路径都比上次的移动代价更小。双足机器人仿真实验中,改进后的算法与初始的算法相比,搜索的节点数由883减少到704,效率提高了近25%。实验结果表明了改进算法的有效性。     

基于JPS改进的移动机器人路径规划算法

针对跳点搜索（jump point search,JPS）路径规划算法在大尺度复杂场景下存在内存资源消耗较大、路径结果平滑度较低且路径过于靠近障碍物等问题,提出融合安全势场等级函数与优化Floyd算法的改进JPS算法。首先建立了安全等级函数对栅格地图中的栅格状态进行重新赋值构建安全等级地图;然后改进了启发式函数,引入目标与主方向两项偏置函数项结合安全等级函数项,进一步减少对称性搜索带来的时间消耗,改善了所规划路径的安全程度。其次通过添加二次平滑算法流程优化了Floyd算法;最后结合B-spline样条插值法,进一步提高了改进算法所规划路径的平滑程度。仿真实验验证了改进优化算法在内存资源消耗、路径长度、路径平滑程度以及路径安全程度都有显著提升。     

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。     

遗传算法的程序设计与实现

本文论述了遗传算法的基本思想及运行过程，并给出具体的程序设计方法和基于C语言的实现，还讨论了遗传算法程序设计中的一些关键技术．     

一种栅格模型下机器人路径规划的改进蚁群算法

提出了一种静态环境下机器人路径规划的改进蚁群算法。该算法使用栅格法对机器人的工作空间进行建模,通过模拟蚂蚁的觅食行为,采用折返的迭代方式对目标进行搜索。在搜索过程中,以移动方向一定范围内最大信息素和目标引导函数作为启发式因子。此外,根据蚁群算法处理本问题时信息素散播的特点,重构了信息素的更新策略和散播方式。仿真实验结果表明,这些改进措施使最优路径的寻找快速而高效,即使在障碍物非常复杂的环境下,也能迅速地规划出一条最优路径。     

基于改进燃烧算法的最优路径规划

针对燃烧算法在公交查询系统中求解最优路径问题的不足,以及为了更好地服务于乘客,对燃烧算法中的存储结构进行改进和优化,采用新的搜索思想并设置算法终止判断条件,提出了基于公交站点的双向燃烧搜索算法。仿真结果表明,该算法在时间、空间代价以及准确性方面均具有显著的优越性。     

基于遗传算法求解TSP问题的一种新方法

针对基于遗传算法求解TSP的效率问题,提出了一种基于位操作编码技术,并给出了基于位操作的交配、变异等基本操作的实现方法,有效地提高了计算过程中的空间利用率和计算效率。     

改进的势场蚁群算法的移动机器人路径规划

针对蚁群算法路径规划初期信息素浓度差异较小,正反馈作用不明显,路径搜索存在着盲目性、收敛速度相对较慢、易陷入局部最优等情况,人工势场算法的势场力可引导机器人快速朝目标位置前进,提出势场蚁群算法,通过栅格法对机器人的工作环境进行建模,利用人工势场中的势场力、势场力启发信息影响系数及蚁群算法中机器人与目标位置的距离构造综合启发信息,并利用蚁群算法的搜索机制在未知环境中寻找一条最优路径。大量的仿真实验表明势场蚁群算法路径规划能找到更优路径和收敛速度更快。     

蚁群算法在最优路径规划中的应用

最优路径规划是道路交通导航系统中很重要的一个功能。将路径规划问题转化为以加权路径网的以路径长度与通行时间的线性组合为目标函数的优化问题,并提出一种改进的蚁群算法应用于该问题,使规划的路径更加符合各种要求。仿真结果表明,该算法能在较短时间内根据不同需求规划出较优的路径,是行之有效的方法。