基于贝塞尔曲线的无人车局部避障应用

文中将基于贝塞尔曲线的路径规划方法应用在无人车局部避障中。首先通过最小化曲线的最大曲率与最小曲率之间的差值确定贝塞尔曲线所需的五个控制点,根据五个控制点确定贝塞尔曲线,再结合实验无人车和道路的实际情况从若干备选曲线中选择最优路线。实验仿真结果证明,该方法能够达到无人车局部避障的要求,能满足包括初始状态约束、目标状态约束、曲率连续约束等行驶条件。     

融合遗传贝塞尔曲线的智能汽车路径规划

为使智能汽车在复杂环境中自主规划出一条合理路线以实现安全避障,提出一种融合贝塞尔曲线的改进遗传算法路径规划方法.以路径的长度最短和平均曲率最小为目标函数,对适应度函数进行改进的同时,在变异过程中引入随机插入机制,最后考虑到行驶过程中的平顺性和稳定性,在车辆坐标系下通过融合贝塞尔曲线形成一条满足车辆行驶特性的平滑路径.计...     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

基于蚁群算法的无人船平滑路径规划

为解决无人驾驶船舶在复杂环境中规划路径时存在的转向角度大、路径拐点多、航行能耗高等问题,文中提出一种基于改进蚁群算法的平滑路径规划方法。该方法采用栅格法进行环境建模,通过在启发函数中引入路径平滑度、距离启发因子以及在路径转移概率中引入障碍物启发因素,提高路径寻优和静态避障能力。结合启发因素改进信息素更新标准,设置可调节信息素挥发因子增加算法的自适应性。提取输出的最优路径关键节点并对其进行平滑处理,进一步保证路径平滑度和安全性。根据不同栅格环境下的避障仿真结果可知,与传统算法相比,文中改进蚁群算法的路径寻优速度提高了45%～62%,转向次数减少了25%～44%,平滑处理后的路径安全性和可行性得到了提升,较好地实现了不同环境下无人船自主路径规划。     

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。     

动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.     

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。     

贝塞尔曲线在智能AGV车路径规划和精准入叉中的应用

文章将基于贝塞尔曲线的路径规划方法应用在智能AGV车的精准进叉定位中。给定起点(运行记录)和终点(由激光扫描仪判断位置和方向),使用贝塞尔曲线辅助规划AGV运行路径,使得AGV能够顺利转向和行走,顺利进行精确定位。     

多无人车自主探索未知环境下的协同任务规划

针对未知环境下多无人车协同自主探索分配任务不合理、执行效率较低的问题,提出一种融合波前算法的分布式多无人车协同探索方法。首先,设计基于市场机制任务分配方法的先验判决函数,结合波前算法对边界点进行相似度最大化预处理,使边界导引点脱离局部最优,同时引入min-max评估函数对边界点进行评估;其次,通过波前算法对Dijkstra路径规划算法进行改进,使无人车移动轨迹更精确,减少路径拐点。最后,在多种仿真环境下将所提方法和文献[12]方法进行了实验对比,在环境全覆盖时,所提方法探索时长平均减少了35.69%;实验结果表明,所提方法可有效提升探索覆盖率,减少重复路径、缩短探索时间,提高了多无人车协同探索的效率。     

基于拍卖多智能体深度确定性策略梯度的多无人车分散策略研究

多无人车(multi-UGV)分散在军事作战任务中应用非常广泛,现有方法较为复杂,规划时间较长,且适用性不强。针对此问题,该文提出一种基于拍卖多智能体深度确定性策略梯度(AU-MADDPG)算法的多无人车分散策略。在单无人车模型的基础上,建立基于深度强化学习的多无人车分散模型。对MADDPG结构进行优化,采用拍卖算法计算总路径最短时各无人车所对应的分散点,降低分散点分配的随机性,结合MADDPG算法规划路径,提高训练效率及运行效率;优化奖励函数,考虑训练过程中及结束两个阶段,全面考虑约束,将多约束问题转化为奖励函数设计问题,实现奖励函数最大化。仿真结果表明：与传统MADDPG算法相比,所提算法在训练时间上缩短了3.96%,路径总长度减少14.50%,解决分散问题时更为有效,可作为此类问题的通用解决方案。