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。     

改进动态窗口法的阿克曼移动机器人局部路径规划器

局部路径规划是移动机器人的一项关键技术,它的品质密切关系到整个机器人系统的性能。动态窗口法是一种在机器人的速度空间内进行运动规划的自主避障算法。将该算法与阿克曼机器人相结合,提出了一个包含轨迹曲率相似度评价因子的阿克曼移动机器人局部路径规划算法。最后,在机器人操作系统(Robot Operating System,ROS)上对该新算法进行了"S"型路径导航仿真实验。实验结果表明,该算法能在已知栅格地图内实现阿克曼机器人的自主避障功能。     

基于RTK北斗和激光雷达的巡检机器人导航系统研究

针对传统移动巡检机器人采用磁导轨、固定导轨导航等方式的不足,提出采用带惯导的高精度差分北斗系统和激光雷达导航方式,设计出集全局地图与局部地图相结合的移动巡检机器人导航系统。全局地图导航方式采用预瞄PID算法。局部地图构建采用激光雷达记录障碍物离散数据点,经聚类、曲线拟合等步骤还原障碍物边缘信息得到实时局部栅格地图,采用人工势场路径规划避障方式。最后实验采集数据并仿真,验证cm级避障效果。     

基于弹簧模型的移动机器人路径规划研究

针对传统人工势场法在路径规划中存在局部极小点问题,提出了一种基于虚拟弹簧模型的移动机器人局部路径规划算法。通过模拟弹性小球在有障碍物的斜坡上滚下过程中的受力情况,规划移动机器人从开始位置到目标点位置的移动过程;建立弹簧力学模型完成机器人的避障行为,并结合使用沿障碍物边缘移动和切换目标点位置两种控制策略,解决局部路径规划算法极易出现的局部极小点问题。仿真试验和实际移动机器人的实验表明,该算法能进行实时避障和路径规划,并确保移动机器人在绝大部分环境中能安全、快速地到达目标点。     

室内移动机器人主动SLAM技术研究

为提高移动机器人自主探索室内未知环境的能力,基于实时获取的里程计和激光雷达数据,提出了一种面向室内环境的主动SLAM算法。首先利用激光雷达高精度特性,进行高频率的扫描匹配,提高了机器人定位和建图精度。同时基于实时地图,通过边界探索算法实现了机器人自主、高效遍历室内环境,并建立全局地图。鉴于室内环境通常是动态的,在全局路径规划的基础上引入局部路径规划,实现了机器人运动过程中的实时避障。使用Kobuki移动机器人平台在室内环境中进行了实验验证,实验结果表明该算法在小规模室内场景下的建图精度约为5cm,全程用时约为人为遥控方式的1.5倍。     

移动机器人运动过程中的障碍物识别避让

移动过程中障碍物识别是机器人导航和路径规划的重要基础,也是提升机器人智能化水平的重要体现。现以自行开发的四轮固定式移动机器人作为开发平台,基于图像不变矩和RBF神经网络实现智能移动机器人运动中的障碍物识别避让,并在对障碍物识别之前对其图像进行预处理。设计主旨在于对智能机器人在行进过程中通过摄像设备采集的图像进行预处理,采集障碍物物体边缘,并用神经网络对物体进行识别。对于特殊障碍物使用基于颜色的识别方式,以提高实时性,为机器人的避障以及地图构建等工作打好基础,为场馆移动导览机器人研发提供帮助和支持。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

多移动机器人路径规划技术的研究现状与展望

移动机器人技术研究中的一个重要领域是路径规划技术.所谓移动机器人路径规划是指各机器人在同一工作空间中规划一条避障导航的运动路径,保证每一时刻机器人与机器人之间无碰撞、机器人与环境障碍物之间无碰撞.从单机器人到多机器人的路径规划已有很多算法,首先从多机器人协作性质、环境信息和机器人结构三方面分别介绍多机器人路径规划方法,主要有全局路径规划方法、局部路径规划方法、集中式路径规划方法、分布式路径规划方法、混合式路径规划方法,再指出各种方法的优点和不足,最后对多移动机器人路径规划技术的发展趋势进行展望:传统的规划方法和新的智能方法的结合;多传感器融合;性能指标的提高.     

基于改进遗传算法的室内移动机器人路径规划

将一种改进的遗传算法应用到室内移动机器人的路径规划中。能够克服机器人运动路径穿越障碍物,算法收敛速度慢,容易陷入局部最优等缺点。根据环境先验知识从种群数目筛选、适应度函数的确定、遗传操作等方面进行了改进,加快了算法的搜索进程和演化效率。提出了一种将环境中大障碍物分割并多圆化处理的方法,并根据障碍物与机器人每步运动轨迹间的位置关系来设计遗传算法的适应度函数,扩充了可行区域并有效避免机器人和障碍物发生碰撞。应用此算法可以获得移动机器人从起点到终点的全局最优路径,在MATLAB软件中仿真得到的结果证明,改进的遗传算法搜索质量高、进化和收敛速度快,得到的最优路径能够有效指导移动机器人完成室内的避障移动任务。     

RTK与Lidar组合优化机器人导航控制

针对传统移动机器人导航控制时的灵活性较差,且易受到距离和空间限制的问题,提出了基于RTK系统和激光雷达(Lidar)探测数据相组合的机器人导航控制方法,由RTK系统获得大范围场景的精确定位数据以构建全局地图并通过线性自抗扰控制器进行全局导航,通过激光雷达探测场景内局部小范围的障碍物数据并构建局部地图,并采用聚类分段拟合等算法精确描述障碍物的边缘信息,由改进的人工势场法实现机械人的自动避障.实测数据实验结果表明,所提方法达到厘米级的避障效果.     

未知环境下的变形移动机器人路径规划

为提高移动机器人在未知环境下的避障能力及导航能力,提出了基于变形以及模糊算法的路径规划方法。变形移动机器人利用超声波传感器对静态未知环境进行检测,得到障碍物以及目标的位置信息,采取适当的变形措施以及在模糊控制的基础上调整自己的运动方向,最终实现避障和最优路径规划。仿真及实物实验结果表明,此方法能使变形机器人与环境实现交互调整,能使机器人通过变形以及避障结合的方式实现有效避障,提高了路径规划的优良性。     

服务机器人导航与路径规划技术研究

针对在未知的室内环境,其不可预知性或不确定性给家用服务机器人实时环境感知和定位带来了巨大的问题,直接影响到机器人导航的效果。移动机器人不仅要完成避开附近的移动障碍物,而且要进行局部规划或局部路径修正。将自主移动机器人其功能研发分为如下:理解自己的状态和外部环境信息,从而实现实时运动控制决策,避障,找到最优路径;在栅格地图表征环境,采用Wavefront方法进行路径规划自主移动和轨迹跟踪。对服务机器人导航与路径规划技术研究对于提高智能服务机器人的技术水平,促进智能机器人产业的发展是非常重要的。     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

沿全局最优路径滚动避障的车间机器人导航研究

为了减少机器人在车间工作时的路径长度、提高行驶安全性,提出了全局规划和局部滚动避障相结合的机器人导航方法。对车间静态环境进行全局路径规划,在传统蚁群算法基础上,在转移概率中引入节点被访问次数作为新启发因子、同时引进随机选择策略和"回退-惩罚"策略,从而提出了基于改进蚁群算法的全局路径规划方法。对车间动态环境进行局部滚动预测避障,分确定和不确定运动提出了碰撞预测和碰撞避免策略,实现了沿全局最优路径滚动避障行驶。经仿真验证,改进蚁群算法规划出的路径比传统方法缩短了42.3%;在车间动态环境下,机器人使用滚动预测避障策略可以沿着最优路径安全到达目标点,实现了机器人在车间动态环境下安全导航。     

基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现

根据自主运动机器人的室内定位需求,设计并实现基于机器人操作系统ROS和激光雷达的室内移动机器人定位和导航系统。机器人系统采用树莓派控制器作为控制核心平台,利用激光雷达采集环境信息,在ROS分布式框架下进行软件算法的开发,实现基于扫描匹配算法的SLAM功能、基于最优路径算法路径规划以及基于粒子滤波算法的导航功能。理论仿真及实验实测结果表明,系统可构建精度较高的环境地图,并对机器人进行定位,有效完成室内定位和导航任务,具有低成本、开源、模块化、易于拓展等优点。     

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。     

遗传算法在自主移动机器人局部路径规划中的应用

针对自主移动机器人的导航,为便于路径的规划,使用了遗传算法的轨迹规划策略实现实时动态避障,移动机器人和障碍物的位置和方向可由视觉系统检测。着重于应用的编码技术和选择适应度函数来加速遗传算法的执行以便用于实时控制,所提出的算法的效率由实验验证。     

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。     

基于图像处理的室内巡检机器人坐标提取方法研究

为获取室内安全走道中的障碍物信息，以引导巡检机器人进行自主作业，提出一种基于分布式远程通信与二维坐标提取的地图更新方法。控制ROS(Robot Operating System)机器人基于Gmapping算法创建全局先验地图，用于巡检机器人的轨迹规划；若检测到新增障碍物，通过图像处理方法获取障碍物位置坐标，并将其作为标记点，引导机器人进行局部建图，从而实现对原始地图的更新。试验结果表明，该方法具有一定的可行性。     

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。