基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

多自动导引车路径规划的时空冲突约束A*算法

针对自动导引小车(AGV)在仓储物流搬运系统中的路径冲突问题,提出一种基于时空冲突约束的A*算法.先在拓扑栅格地图的基础上加入时间轴建立时空地图模型,再针对时空地图的特点和冲突约束条件重新设计A*算法的子节点扩展规则和节点评估函数.利用改进后的A*算法按照优先级顺序为各个AGV规划路径,规划完成一条路径后,用mark表记录其在时空地图中的节点信息,再利用改进后的A*算法结合mark表搜索新路径.通过仿真实验证明了该算法的有效性.     

基于双层A*算法的移动机器人路径规划

移动机器人导航控制理论和方法的研究,是决定智能移动机器人能否真正实现自主化、智能化的关键,一直以来也是机器人技术领域研究的重点和热点。A*算法作为一种比较成功的算法应用在了机器人的路径寻优和规划方面,但由于A*算法本身的计算特点决定,在栅格环境下A*算法规划出的移动机器人路径往往存在着折线多、转折次数多、累计转折角度大等问题。针对A*算法的缺点和不足,在其基础上,提出了一种双层A*算法,该算法将栅格地图分为高层栅格地图和低层栅格地图,对栅格地图进行了"局部合并地图"的构建,在算法中加入了栅格占据概率函数,通过低层与高层算法相结合得到最优路径。仿真结果表明在很大程度上解决了A*算法存在的问题,使移动机器人能够在复杂环境下应用该算法进行路径规划。     

Kiva机器人路径优化研究

为解决传统A^*算法无法实现多Kiva机器人在路径规划中有效地避免局部冲突的问题，本文改进了传统算法，得到基于提前预测冲突的A^*算法。首先对Kiva机器人的工作环境建立栅格地图，利用MATLAB进行实验仿真，结果表明，基于提前预测冲突的A^*算法不仅能为两个Kiva机器人规划出最优路径，而且能有效地避免动态的迎面冲突和交叉冲突，同时能实现Kiva机器人空载时在货架下任意穿梭，载货时只能走空闲道路的特点。     

基于典型栅格地图的代价地图改进方法

针对具有多种路况的复杂环境,提出了一种基于栅格地图的代价地图构建方法。改进方法分别从移动机器人可通过安全性和可通过消耗性2方面对普通的布尔栅格地图进行改进。首先,建立以机器人与障碍物距离为变量的递减代价函数和以不同路况能耗占比为变量的代价函数;然后,根据2种代价函数确定每个栅格的代价值;最后,将生成的2种代价地图融合,得到改进地图。以A*算法为例,修改其估值函数以适应新的地图,通过仿真实验对比传统地图和改进地图下的路径规划情况。实验结果表明,相对于传统的栅格地图,改进地图下规划出的路径始终保持着距离障碍物的安全距离,并且对不同价值的道路进行了选择与规避,有效地保证了移动机器人在运动过程中的安全性,并且根据实际情况考虑了能耗代价改变了路径选择,实现了多路况复杂环境下的路径规划,验证了地图改进方法的可行性。     

立体仓库多机器人协同路径规划与冲突消解

针对立体仓库中多机器人协同路径规划问题,建立了一个具有最优作业时间和能耗的多目标路径规划模型.采用分治-协作策略将多机器人路径规划问题分解为多个单机器人路径规划子问题.在路径规划中,采用改进的蚁群算法对每个机器人的初始路径进行规划.基于时空协同约束,采用协同迭代优化策略,提出了多蚁群协同进化算法.针对路径冲突问题,设计了一种动态优先级冲突消解策略,有效地解决了多机器人冲突问题,找到了最优路径组合.仿真结果表明,该方法能有效提高多机器人的协同搬运效率,降低能耗并缩短搬运时间.     

基于改进 A∗ 算法与动态窗口法融合的 机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A~*算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A~*算法与动态窗口法相融合的机器人随机避障方法。在改进A~*算法中,首先优化了搜索点选取策略和评价函数,提高了A~*算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A~*算法较传统A~*算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。     

平滑ARA~*算法在智能车辆路径规划的应用

A~*算法是一种经典的启发式搜索算法,广泛应用于智能车辆的路径规划问题。但A~*算法效率低,不具有实时性。针对A~*算法的缺点,改进得到一种高效、实时的路径搜索算法ARA~*,ARA~*算法首先在一个松弛的约束条件下快速搜索到一条次优路径;然后在规划时间内逐渐加强约束条件,利用已搜索过的节点信息连续改进次优解,直到找到最优解或规划时间结束。其次,针对ARA~*算法得到的路径存在折线多、转折次数多等问题,对ARA~*算法得到的路径进行基于关键点的平滑处理。给出了平滑ARA~*算法流程,分析对比了各自的特点,通过栅格地图路径规划的MATLAB仿真结果验证了理论分析,同时仿真结果也说明平滑ARA~*算法的高效性、实时性。     

适于双轮差速机器人运动的光滑A算法

在智能移动机器人的定位和导航系统中,路径规划是其中的核心问题。传统的A*算法是一种基于栅格的最小路径方法,通过这种方法得到的路径与实际中的最小路径相比,存在路径长、多拐点、不平滑等缺点,不利于双轮差速机器人的运动。在这里,利用Floyd算法将A*算法进行优化,缩短A*算法得到路径的长度,降低A*算法的拐点,利用圆弧平滑方法将拐点处进行光滑处理,最终得到一条适合双轮差速机器人的行驶路线,降低路径长度约4%~10%,减少累计转折次数约66%~80%。     

AGV复合自主路径规划方法研究

针对AGV在动态环境下实时自主路径规划效率低的问题,提出了一种A*算法与D*算法复合自主路径规划的方法。首先通过A*算法生成AGV当前位置到目标位置的全局最优路径;其次,当AGV在全局路径行驶遇到障碍物时,根据障碍物和全局路径的相对位置关系,确定AGV绕开障碍物的局部搜索范围;最后,结合局部路径搜索范围和D*算法,将生成的局部避障路径拼接至已有全局路径,完成了路径拼接,以实现动态障碍场景下AGV到达目标位置时的全局路径更新。试验测试结果表明：所设计的复合路径规划方法能在AGV遇到障碍时实时规划避让路径,实现AGV在复杂动态环境下的自主行驶能力。     

光伏电池板清洗机器人定位与导航系统的开发与设计

针对目前光伏电池板清洗机器人在未知环境中感知能力差,缺乏自主规划路径和躲避障碍物能力差三方面,使用ROS机器人操作系统结合激光雷达传感器以及SLAM同步定位与建图技术来解决上述问题。采用A*和D*算法实现对机器人路径规划,以实现实时避障等功能,并通过自主开发的光伏电池板清洗机器人进行验证。结果表明：在现实环境中机器人利用激光雷达可对未知环境地图进行构建,并且机器人可按照制定路线进行移动,同时也可躲避出现在其路径之上的障碍物,验证了光伏电池板清洗机器人开发的可能性。     

用于无人车路径规划的改进A*算法

针对传统A*算法规划的路径存在路径长度较长、拐点数量较多和转折角度较大等问题,提出了一种用于无人车路径规划的改进A*算法.首先在传统A*算法的基础上考虑转弯成本并融入预判断规划策略,规划出一条初步路径;然后采用冗余拐点剔除策略优化初步路径,获得一种更优的无人车行驶路径.对传统A*算法、考虑转弯成本并融入预判断规划策略的A*算法和改进A*算法进行仿真对比.结果 表明:改进A*算法规划出的路径长度更短,拐点数量更少,转折角度更小,路径更加平滑.     

移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

融合能耗指标与安全因子的移动医疗机器人通用路径规划

考虑在突发重大公共卫生事件期间存在的医疗物资搬运工作强度大、交叉传播风险高等问题，提出一种节能、安全且通用的移动医疗机器人无碰撞路径规划方法。首先，通过建立某方舱医院栅格地图环境模型，表征机器人自主移动过程的能量消耗指标，改进A^*算法原始搜索方向，构建了一种计及能量因素的邻接矩阵优化策略。然后提出一种邻接矩阵权值算子，融合权值算子和安全避障惩罚因子到A^*算法的估价函数中。同时，提出一种基于三次连续贝塞尔曲线的路径平滑方法，用于方舱医院栅格地图中生成曲率连续的平滑路径。仿真结果验证了所提方法的适用性，相较于传统路径规划方法，该方法具备节能性、安全性和平滑性特征，有效降低了医疗运输成本。     

基于改进混合A算法的非结构化道路路径规划

针对非结构化道路缺失车道线的场景特点,提出一种适合在非结构化道路下实现汽车自动驾驶的改进混合A*算法的路径规划方法.首先通过碰撞检测时使用距离地图、改变混合A*扩展的运动基元、重新设计代价函数,提高了算法实时性;其次,将路径优化问题转换成标准的二次规划问题快速求解,提高了路径的平滑度;最后,采用ROS平台进行仿真.结果...     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

基于ROS的四足运动机器人田垄遍历的路径规划

自动行走是当下农业机器研究的一个热点。针对四足运动机器人,研究适用于田垄中行走的路径规划方法。使用开源的机器人操作系统ROS Kinetic作为机器人的控制系统,通过姿态传感器、UWB和Trilateration算法融合的虚拟里程计、激光雷达对田地进行2D栅格地图的构建。采用分块算法对栅格地图进行目标点的识别,全局路径规划采用全局代价地图估计代价和A*算法,局部路径规划采用Dynamic Window Approaches算法。结果表明,机器人能实现满足遍历田垄的定位精度要求,并可以在复杂的环境下对随机的障碍物进行避障。     

基于优化人工蜂群算法的多机器人协同规划

为了提高人工蜂群算法在多机器人路径规划中的性能,提出了优化人工蜂群算法。提出了一种新的环境建模方法,将障碍物边缘平滑化;分析了人工蜂群算法原理,改进了新食物源的生成方法,提出了自适应的搜索因子,兼顾了大范围搜索和算法收敛速度;改进了机器人路径点的表示方法,使用位置夹角表示机器人路径点,减少了位置参数;使用加权方式将路径长度、路径平滑度、路径安全性综合为目标函数。仿真实验结果表明,改进在多机器人路径规划中不仅耗时较少,而且路径也短,且随着机器人数量的增加,耗时和路径长度的差距越来越大。     

一种改进骨架提取的Voronoi路径规划

针对目前基于栅格地图的路径规划算法,机器人导航无法同时满足实时性与精确性要求,以及原始Voronoi图算法生成的全局路径过于臃肿和现有骨架提取的方式生成的路线过于冗余,导致过多占用机器人存储量的问题,提出一种改进的骨架提取算法,先对已知先验信息的栅格地图进行二值化、腐蚀、膨胀预处理,再生成全新的精简骨架,之后对每一次导航规划的路径进行基于改进的三次样条平滑处理,在此基础之上结合局部路径规划器DWA算法,实现机器人导航。通过多次仿真试验和真实环境试验,结果表明,利用所设计的算法得到的精简骨架比原始Voronoi图以及现有骨架更为简洁,优化之后的路径也更加平滑,提高了移动机器人运动的稳定性及移动效率,并以最安全的方式指导机器人移动。