基于射线模型的改进全局路径规划算法

针对目前服务于移动机器人的全局路径规划算法存在拐点多、耗时长或递归计算复杂等问题,本文提出一种基于射线模型的改进全局路径搜索算法.利用形态学滤波处理障碍物栅格地图,并引入碰撞估值增加靠近障碍物的栅格的代价值,形成梯度代价栅格地图.结合射线模型从起点向终点进行射线搜索,并在搜索过程中通过逆向优化算法优化路径.通过实验证明...     

基于改进A-star与DWA相融合的移动机器人动态路径规划算法

A-star算法常用于移动机器人的全局路径规划,但在复杂场景中A-star算法存在耗时长、搜索节点过多、路径不平滑、不能避开环境中未知的障碍物等问题。针对于此,本文提出一种融合路径规划算法。首先,在A-star算法的基础上引入环境中的障碍物信息和搜索节点到起始位置的距离信息动态调节启发函数的权重,减少搜索节点数,提升A-star算法的性能;然后,利用自适应分段步长的高阶贝塞尔曲线对路径进行优化,减少转折点提升路径的平滑性;最后,将改进A-star算法规划的全局路径作为引导,将路径节点作为DWA算法的中间目标,实现全局路径规划和局部规划的融合,使移动机器人在找到全局最优路径的同时,能够避开环境中的未知障碍物,实现移动机器人的动态路径规划。仿真结果验证了该算法的有效性。     

基于模糊算法的移动机器人路径规划

为了解决移动机器人最优路径规划问题,提出一种基于模糊算法的移动机器人路径规划策略.利用超声波传感器对环境进行探测,得到关于障碍物和目标的信息.运用模糊推理将障碍位置信息与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好的避障,从而实现了移动机器人的路径规划.仿真实验结果表明了模糊算法优于势场法和A*算法,具...     

未知环境下一种移动机器人实时最优路径规划方法研究

 针对未知环境下移动机器人的安全路径规划问题,提出一种基于改进神经网络和模拟退火算法相结合的方法.神经网络表示机器人的工作空间,通过BP反向算法学习外部环境结构特征和信息表示,进而优化障碍物神经网络的连接权值,利用模拟退火算法搜寻代价函数的负梯度方向,采用组合探测器来减小模拟退火算法搜索区域和应用后退策略及设置虚拟目标点的方法处理局部路径规划中出现的陷阱问题.仿真验证此方法有效性和正确性.     

基于无线传感器网络的移动机器人导航方法

为移动机器人在无定位信息的无线传感器网络(WSN)中选择路程短、代价低的导航路径,提出了一种基于无线传感器网络的移动机器人导航方法,包括全网络导航路径规划和局部节点趋近算法。该方法通过结合各节点传感器数据,构造代价函数,在网络中建立伪梯度势场,为移动机器人规划最优路径;移动机器人通过探测接收信号强度指示(RSSI),逐一趋近该路径上的传感器节点到达目标节点。仿真结果表明,该方法能够根据移动机器人的导航要求,引导移动机器人迅速沿最优路径到达目标节点。     

融合生物信息素的改进稀疏A*探索航迹规划

针对已知起点和终点、而环境信息未知情况下的探索航迹规划问题,提出了融合生物信息素的改进稀疏A*无人机探索航迹规划算法.以激光雷达获取的局部地图信息为基础,通过引入生物信息素,对稀疏A*算法中的代价函数进行优化,实现未知环境下自主规避障碍物,并避免环境重复探索.在此基础上,提出了基于机器人操作系统(ROS)的物理实施途径.通过"回"字形场景下的仿真实验对比,验证了所提算法可避免环境重复探索的有效性.此外,在"回"字形基础上,将所提算法推广应用于柱状障碍物场景.实验结果表明:所提出的融合生物信息素的改进稀疏A*探索航迹规划算法能有效实现未知环境探索航迹规划.     

融合人工势场蚁群算法的移动机器人路径规划

通过对人工势场法与蚁群算法进行融合,给出了一种融合人工势场蚁群算法的移动机器人路径规划算法。一方面,引入目标点距离影响因子,改善势场力对移动机器人路径搜索的影响,通过改进斥力场函数,避免移动机器人因受到较大的斥力而无法规划出最优路径;另一方面,构造势场力启发函数,同时考虑距离启发信息和势场启发信息,初始化信息素的差异化分配方式有利于提高算法的收敛速度。实验结果表明,融合人工势场蚁群算法相比于文献[15]算法,在最优路径长度、路径转折次数、收敛速度三方面分别提高了2.6%,25%和66.7%,表明了该算法在路径规划方面的优越性。     

避障机器人路径规划算法的研究

结合移动机器人的实际应用场景,针对常规算法规划出的路径存在折点多、转弯角度过大、与障碍物距离较小、搜索的路径较长等问题,对在栅格地图下混合全局路径规划与局部路径规划算法进行了研究,采用人工势场算法与蚁群算法混合,为移动机器人规划出全局最优路径,同时实时躲避局部障碍物。经过仿真测试,移动机器人可以根据全局路径规划的路径得到最优的整体路径,通过局部路径规划算法避开局部区域的障碍物,使移动机器人能够从起点平稳无碰撞地行驶至目标点。     

基于人工势场法的无人机路径规划避障算法

随着无人机广泛应用于生产生活的各个方面,无人机的避障研究成为热点问题。为了提高无人机的避障性能,文中提出一种基于人工势场法的无人机路径规划避障算法。该算法通过生成预规划路径弱化了目标点对无人机的吸引作用,增加了路径的连贯性;在势场函数中加入了动态调节因子,可减少无人机轨迹不必要的转弯机动,减少机动能耗;该算法综合考虑无人机飞行中的安全性、平滑性和机动能耗,提出了一种新的代价函数,并通过使得代价函数最小化来选出最优路径。实验结果表明,该算法克服了传统人工势场的不足,在不同的飞行环境下均能够规划出安全、平滑、机动能耗小的路径,有效避开障碍物,且具有较好的适应性。     

基于多目标的动态环境智能车路径规划算法

针对传统算法无法适用多目标及动态环境的智能车路径规划问题，文中基于改进A*算法与势场蚁群算法进行了面向多目标的动态环境智能车路径规划算法研究。根据多目标的特征，采用改进A*算法识别完整的周边环境，并进行全局路径规划。对于实验场景中出现的局部变化或障碍物移动，将人工势场算法与蚁群算法相结合，获得了改进势场蚁群算法，以实现在原有全局路径规划基础上的局部修改。通过优化仿真得到了文中所提算法的最优参数值，并与蚁群算法进行对照测试。结果显示，所提算法相比对照组路径长度缩短了2.7%,具有良好的综合性能。     

一种基于模糊逻辑的滚动窗口路径规划方法

在原有滚动窗口路径规划方法基础上,结合移动机器人与障碍物之间的距离、动态障碍物运动速度、移动机器人与障碍物和目标点的位置关系,提出基于模糊逻辑的滚动窗口路径规划方法。通过对算法的仿真,证明该算法的有效性。     

基于CNN的移动机器人局部路径激光雷达辅助规划方法

移动机器人在开展局部路径规划时,对障碍物的准确识别及避障路径规划效果会直接影响机器人的安全运行。为此,提出基于CNN的移动机器人局部路径激光雷达辅助规划方法。该方法首先依据CNN方法建立障碍物定位模型,结合设计的视觉控制器,完成场地内障碍物位置的定位;再使用激光雷达采集机器人与障碍物位置之间的距离,再通过VFH算法对距离量化,利用自适应阈值计算机器人移动时的转向,从而确定机器人的局部航向,实现机器人的局部路径规划。实验结果表明,使用该方法实施路径规划时,规划出的路径长度最多为82 m,规划时间最多为5.12 s,规划效果好。     

融合可见光指纹的迷宫机器人路径规划算法

针对复杂迷宫环境下移动机器人路径规划中存在的寻路时间较长、效率较低等问题,提出了一种将可见光指纹信息与A*算法相融合的迷宫机器人路径规划算法。该算法引入局部、全局障碍密度参量对A*算法的评价函数进行优化,使评价函数可以自适应障碍物密度;同时引入可见光指纹信息,利用障碍物对可见光光源的遮挡程度来判断各方向路径是否通畅,解决了A*算法在寻路进程中无法预见后续障碍物的问题。仿真结果表明,基于可见光指纹的改进A*算法能够有效减少传统A*算法的路径搜索点数量,平均寻路效率提高了43.5%,具有一定的应用价值。     

基于改进RRT算法的柔性机械臂路径规划技术研究

针对传统机械臂路径规划算法RRT存在的搜索效率低、规划路径较长等问题,文中提出了一种结合RRT*与启发代价函数的路径规划算法。该算法使用启发代价函数,利用引力势能公式对节点生成方向进行引导,既避免了重复性采样,又提升了算法的空间扩展能力。同时,针对因路径转折角度过大而造成的机械臂运行精度下降问题,采用三阶?样条函数在不增加点数的情况下对路径进行平滑。实验仿真中,本算法相较其他算法的路径选择更优,平滑度也较好。且通过FRANKA柔性机械臂实验平台验证算法可知,所提算法的路径规划用时更少,规划的路径长度也为最短,表明了本算法的性能较优。     

基于改进RRT算法的移动机器人路径规划

RRT算法是一种能够处理障碍物和差分约束的问题的算法,被广泛应用于移动机器人的路径规划.针对于基本RRT算法存在的随机性较大和所求解路径非最优等问题,需要对其进行改进从而优化性能与运行效率.本文主要采用双向RRT算法融合人工势场法的方案进行改进后的路径规划,然后借助Dijkstra算法进一步处理所求解的路径,以寻求路径的最优解.仿真结果表明,本方案可以减少基本RRT算法随机性的影响,提高移动机器人路径规划的效率.     

面向家庭环境的移动机器人自主导航系统

移动机器人在家庭环境下使用传统A*算法规划经过门的路线时,存在因规划的路径靠近障碍物而导致定位失败的问题.针对该问题,设计一种面向家庭环境的自主导航系统,并提出基于栅格-拓扑混合地图的SHS(Segmented Hybrid Search,SHS)路径规划方法.首先,在已建立的栅格地图上选取拓扑点构建栅格-拓扑混合地图;其次,通过Dijkstra算法搜索先验安全航路点序列,将航路点视为局部目标节点;最后,采用A*算法实现分段路径搜索.实验结果表明,在较复杂的家庭环境中,所提的算法能快速规划通过门的安全无碰撞路径.     

基于改进蚁群算法的移动机器人路径规划研究

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。     

基于自适应蜣螂算法的无人机三维路径规划方法

山区地势具有陡峭、沟深壑大的环境特点,导致基于启发式算法的山区无人机路径规划速度慢、质量差,针对该问题提出了基于自适应动作策略蜣螂算法的路径规划方法。以路径长度、飞行安全性以及路径平滑度构建路径规划目标函数;在蜣螂算法中引入种群相似性动作变异策略和反向学习策略,平衡局部优化和全局优化能力;通过对比麻雀算法、蜣螂算法和灰狼算法在12个基准函数上的算法性能,结果表明所提方法具有更快的收敛速度、不易陷入局部最优。山区路径规划仿真实验表明,所提方法比蜣螂算法的路径规划质量提高了37.66%。     

基于免疫进化非选择机制的移动机器人路径规划算法研究

该文提出了一种基于免疫进化非选择机制的移动机器人路径规划算法(MRPPA-IENS)。该算法通过非选择操作来避免进化过程中糟糕个体的产生,使得较优个体能较早地生成,加快算法的收敛速度;同时,算法引入基因重组操作以维持群体的多样性,防止早熟收敛。仿真实验结果表明,该文所提出的MRPPA-IENS算法是一种有效的移动机器人路径规划算法,在障碍物完全已知的静态环境和部分已知的动态环境中均优于传统进化算法。     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。