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。     

基于强跟踪和H∞滤波计算的足球位置预测算法

机器人足球在动态的环境中运动,存在未知的外界干扰;比赛过程中,又常常与机器人等障碍物发生碰撞,从而引起运动位置和方向的突变.针对上述情况,提出一种基于强跟踪滤波( STF)和H∞滤波计算的足球位置预测算法.通过引入时变渐消因子,既能提高状态突变的跟踪能力,又能避免对干扰信号做出假设.在中型组机器人足球比赛平台上进行实验...     

基于改进比例导引法的机器人动态避障算法

随着机器人运动环境日益复杂,为了使机器人可以安全、有效地避开动态障碍到达目的地,提出一种基于改进比例导引法的机器人动态避障算法;首先借助比例导引法的思想,通过使机器人与动态障碍物的相对速度方向导引到避障向量方向完成避障,然后为满足避障完成时间和机器人机动性能约束要求,得到重叠比例导引系数取值范围,并采用比例导引法对机器人运动路径进行规划到达目的地,最后采用仿真实验测试其有效性;仿真结果表明,该算法可以使机器安全有效地避开动态障碍物,对机器人的实际运动轨迹控制具有一定的参考价值.     

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。     

未知环境下基于VFH＊的机器人避障

机器人避障问题一直是机器人应用中的热点和难点问题。为此采用了路径跟踪和VFH*相结合的方法实现机器人沿着预定路径前进中的避障问题。路径跟踪算法follow the carrot用来选取局部目标点。对于VFH*算法中存在的由于超声传感器的方向误差及对障碍物的扩展导致某些可行路径被忽略的情况进行了改进,在障碍物进行扩展时根据障碍物与机器人中心点的距离大小进行不同程度的扩展。另外,在障碍物比较稀的区域,VFH*算法对每个valley最多只选取三个候选方向,导致一些更好的方向丢失,根据valley的大小及机器人当前选定方向来增加一个新的候选方向。并用仿真验证了所做的改进是有效的。     

机器人实时运动规划问题

<正> 机器人在自动装配、航空、航天及军事领域起着越来越重要的作用.在许多应用场合,要求机器人在未知环境中能够自动地生成非碰撞路径,即运动规划问题.在这种情况下,必须用传感器来获得环境中的信息.因此,要求机器人能实时处理运动规划问题.运动规划的目的是在复杂环境中寻找避碰路径.运动规划问题主要包括下面几个方面:姿态空间机器人、目标及障碍物的表达计算姿态空间障碍物运动规划的方法搜索方法运动的局部优化1 工作空间和姿态空间工作空间是指机器人目标和障碍物所在的物理空间、Lozano P(?)rez在1979—1981年提出了姿态空间的概念,许多学者也对该问题进行了深入的研究.一个物体或障碍物的姿态是说明目标或机器人的不相关参数的集合.目标或机器人的所有可能姿态的集合,即姿态空间表达了物体的所有可能的运动.姿态空间的概念在运动规划问题中起着举足轻重的作用.这样,机器人在工作空间的运动规划问题等价于在姿态空间中的运动规     

基于激光雷达的移动机器人动态障碍跟踪

动态环境下运动物体跟踪是移动机器人研究的难点之一;文章提出了一种基于激光雷达的自主动态障碍检测与跟踪方法;该方法首先利用最近邻聚类法将环境数据聚类为不同的障碍物;然后利用最近邻特征匹配算法关联相邻两帧的障碍物;最后提出一种新的基于障碍物时空关联性分析的的障碍物动静态识别算法,并采用α-β滤波算法对动态障碍的位置和速度进行了估计;利用机器人平台对该方法进行验证,实验结果表明了其有效性。     

融合帧间差分与碰撞算法的快速跟踪预测算法

传统的运动目标跟踪预测算法难以保证机器人对高速运动目标的快速捕捉和提前预测,尤其是运动目标在滑行过程中发生碰撞改变了原有的运动方向,针对这一问题提出了基于帧间差分与碰撞算法相结合的运动目标跟踪预测算法.通过帧间差分法快速识别出平面内运动物体的具体位置和运动速度,根据其运动速度方向判别运动目标是否发生碰撞.当运动目标在运动过程中发生碰撞,采用LS-DYNA显示动力分析软件建立碰撞仿真模型,并用MATLAB拟合仿真数据得到碰撞算法,结合碰撞算法对运动目标的运动轨迹进行预测.结果表明以帧间差分和碰撞算法相结合的运动目标检测跟踪算法对于在平面内运动目标的跟踪预测方面速度更快,完全能够满足机器人对算法快速性的要求.     

机器人二维环境下仿人虚拟力场避障研究

动态环境下避障是机器人实现自主运动的关键。首先建立了适合虚拟力场算法的机器人工作环境数学描述。将人避障行走策略引入虚拟力场中,具体包括：设计了单元格障碍物可信度的邻域平滑累积值计算方法,模拟人对移动障碍物的躲避策略;建立可信度的不确定推理计算方法,处理信号和环境存在干扰问题;设计了基于目标点方位角的吸引力计算公式来解决目标点超出感知空间问题;设计了变权重加权排斥力计算方法,使机器人对前进方向的障碍更敏感;借鉴人绕开障碍物策略,采用临时旋转目标点方向得到的虚拟目标点来使机器人沿障碍物运动直到绕开。针对房间和街面环境,在MobotSim平台上进行仿真实验,给出了实验结果和分析。在合理设置参数下,机器人能避开障碍物到达目标点,且避障路径优于传统的虚拟力场方法。结果验证了该方法的有效性。     

面向竞争型网络机器人的运动目标快速检测

搭建了基于高速视觉的竞争型网络机器人系统.通过对比选取并融合了多种识别方法,设计了一套面向竞争型网络机器人的目标快速识别跟踪算法.采用动态窗口技术,并通过对不同传统方法的改进,进一步提高了该算法的实时性.本文方法能够在较复杂的背景下跟踪运动的目标机器人,具有较小的运算量及较好的鲁棒性.实验结果表明,该算法处理640×4...     

带滚动约束轮移式机器人动态规划的研究

根据轮移式机器人的运动学模型,研究受到滚动约束轮移式机器人在动态环境中的运动规划问题.将快速随机搜索树算法与优化方法相结合,实现了一种新的算法,规划出既可避障又可满足机器人滚动约束的运动.将该算法运用到动态环境下机器人的运动规划中,并通过仿真表明该算法能较好地引导机器人在动态环境中实现满足滚动约束的避障路径.     

未知环境下改进的基于RRT算法的移动机器人路径规划

方法的有效性.     

机器人路径规划的快速扩展随机树算法综述

路径规划是移动机器人的重要研究内容。快速扩展随机树（Rapidly-Exploring Random Tree，RRT）算法因在机器人路径规划中的成功应用，自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法，相对传统路径规划算法，具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质，并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后，展望了算法未来的研究方向与挑战。     

移动机器人实时采样路径重规划

针对传统采样规划算法因随机性强,在动态环境中重规划时路径质量差,抖动严重,实时优化效果不明显等问题,提出了一种利用反向生长最优快速搜索随机树的实时采样重规划算法DRT-RRT*（Dynamic Real-Time RRT*）。引入基于三角不等式的剪枝策略对路径进行平滑处理以减少路径拐点;提出了组合采样策略和局部终点跳动策略,将优化目标由全局路径聚焦于机器人当前位置至最近路径拐点的局部路径段,实时对执行路径段进行修正,进而提高路径质量的稳定性;在路径重规划时仅对受影响的随机树枝进行修剪,并在随机树重新生长时引入了目标偏置采样策略,与组合采样策略共同作用,提高路径搜索速率和稳定程度;将DRT-RRT*与RRT*和增加了三角不等式剪枝策略的RRT*-Pruning进行仿真对比分析,实验结果验证了DRT-RRT*重规划的高效性和稳定性。     

基于引力自适应步长RRT的双臂机器人协同路径规划

快速扩展随机树（RRT）方法的步长确定过分依赖于程序调试,而且固定的步长会导致碰撞检测失效问题．针对此问题,本文提出一种适用于双臂机器人协同路径规划的引力自适应步长RRT．首先,通过建立构型空间与工作空间的步长范数不等式,对双臂机器人在工作空间中所产生的步长进行约束,进而确保实现有效的碰撞检测;然后,提出随机树被动生长方法,在保证双臂机器人协同运动的基础上,降低规划空间的维度．最后,在随机树的节点处引入引力函数,加快算法的融合速度．仿真结果表明,引力自适应步长RRT方法可对工作空间中的步长进行有效约束,确保算法碰撞检测的有效性．在无碰撞的前提下,引力自适应步长RRT方法相比于其他算法减少了迭代次数,降低了运行时间并缩短了路径长度．将所提算法应用于双臂机器人的样机实验,结果表明双臂机器人可在保持位置协同的前提下,完成避障运动,验证了算法的可行性．     

非完整约束下的机器人运动规划算法

由非完整约束定义提出一种改进RRT(快速搜索随机树)算法,解决受动力学约束的移动机器人运动规划问题.该算法将移动机器人的非完整约束条件与RRT搜索算法相结合.针对RRT算法在全局状态空间均匀随机搜索导致算法无谓耗费代价大的缺陷,引入目标偏向思想,并选择计算复杂度低的距离参数提高求解速度.通过几类典型的非完整约束下的机器...     

移动机器人RRT算法改进研究

目前,机器人路径规划常用算法有避障(Bug)算法、概率路线图(PRM)算法、快速搜索随机树(RRT)算法、蚁群算法、人工势场法等,其中RRT算法在路径规划中应用最广。针对RRT算法存在随机性强、偏差大、路径不一定最优、收敛速度慢等缺点,对RRT算法进行改进,引导随机树向目标点生长,借助人工势场的引力思想,并加入自适应策略,通过机器人与目标点位置、速度和加速度的不断变化来改变步长大小,使机器人快速到达目标点。实验结果表明,通过自适应RRT算法可以提高算法收敛性,缩短了算法时间,可以有效应用在移动机器人系统上,提高移动机器人的工作效率。     

基于已知地形信息的海底机器人路径规划

路径规划是实现机器人智能化的重要组成部分,规划路径的优劣在很大程度上决定了机器人执行任务的效果. 传统的路径规划算法,例如基于图搜索的dijkstra算法和其改进后的A^*算法,以及基于采样的RRT （rapidlyexploring random tree） 算法和其改进后的 RRT^*算法,仅仅考虑了避障问题;基于插值曲线的算法可以产生较为光滑的轨迹;基于数值优化的算法可以将机器人速度、加速度等加入损失函数,通过优化求解,产生动力学特性较好的轨迹. 然而,面对当前越来越精确、丰富的先验地形信息,鲜有算法可以充分利用他们. 对此,基于海底数字高程地图（digital elevation map, DEM）,提出扩展A^*算法及FM （fast marching）算法改进算法,能够利用先验地形信息提高路径规划的效果. 通过仿真分析,对比3种算法:扩展A^*算法、TC FM （terrian cared fast marching）和TC FM^*算法,仿真结果表明,扩展A^*     

目标偏置双向RRT*算法的机器人路径规划

针对RRT*和B-RRT*算法在较复杂环境下路径规划时,存在搜索时间长、采样效率低和规划路径曲折的问题,提出一种目标偏置双向快速扩展随机树算法——GBB-RRT*（goal biased bidirectional RRT*）。该算法每次迭代中两棵随机树都进行扩展,一次迭代能生成两个新节点,加快扩展速度。然后引入目标偏置策略来优化采样点的选取,使两棵随机树在一定概率下朝各自的目标点方向扩展。针对得到的规划路径,设计一种逆向寻优结合转角约束路径简化方法,结合B样条曲线生成光滑可执行路径。在仿真实验中将提出的算法与B-RRT*进行对比实验,结果表明所提算法搜索时间缩短40%左右、扩展节点减少10%左右,结合路径简化方法后路径长度缩短3%左右。     

复杂城市环境下无人机三维路径规划

基于转移的快速扩展随机树(T-RRT)算法, 能够较快寻找到机器人在二维复杂成本空间的低危险度路径, 但面对无人机的三维飞行工况, 其规划结果较差, 针对此问题, 提出了一种基于探索、启发和转移的EHT-RRT (exploring heuristic transition-based RRT)算法. 首先, 算法在T-RRT的基础上引入A*算法中的启发式思想, 进行启发式成本探索, 从危险度、路径长度、路径偏转角度和高度变化估计路径成本, 以提高路径质量; 接着, 利用局部节点滑移策略, 让路径偏向低危险区域, 并对每个节点添加局部最好方向属性; 最后, 通过随机方向、目标方向和局部最好方向, 3个方向向量改进树节点扩展机制, 摆脱T-RRT算法在路径寻找上的盲目性. 同时, 算法采用了20%概率的目标点偏置, 提升规划效率. 仿真实验表明, 与同样添加20%目标点偏置的T-RRT、BT-RRT和T-RRT*算法相比, EHT-RRT算法可生成路径更短、安全性更高、更加平滑的三维路径, 能更好地解决复杂城市环境下的无人机三维路径规划问题.