一种改进的机器人滚动路径规划算法

针对静态和动态障碍物共存环境中机器人滚动路径规划的鲁棒性问题,提出了通过确定局部子目标位置判断机器人行进路线的路径规划算法.机器人以滚动窗口的形式实时检测局部环境信息,寻找并确定局部子目标的位置,从而做出下一步安全路径规划.机器人不断重复该过程,最终沿着一条优化路径安全到达目标点.仿真结果表明:该算法能使机器人沿着优化...     

动态环境下机器人多目标路径规划蚂蚁算法

研究了一种新颖的动态复杂不确定环境下的机器人多目标路径规划蚂蚁算法。该方法首先根据蚂蚁觅食行为对多个目标点的组合进行优化,规划出一条最优的全局导航路径。在此基础上,机器人按照规划好的目标点访问顺序根据多蚂蚁协作局部路径算法完成局部路径的搜索。机器人每前进一步都实时地进行动态障碍物运动轨迹预测以及碰撞预测,并重新进行避碰局部路径规划。仿真结果表明,即使在障碍物非常复杂的地理环境,用该算法也能使机器人沿一条全局优化的路径安全避碰的遍历各个目标点,效果十分令人满意。     

一种混合路径规划方法在轮式机器人中的应用*

针对目前机器人在局部路径规划和全局路径规划中存在的问题,提出了一种混合路径规划方法,构建了机器人运动模型与障碍物扩展模型,机器人在栅格地图上沿全局规划路径向目标点移动时,在线实时规划出局部临时目标点以避开探测到的障碍物。最后证明了该规划方法的时间收敛性,并在双轮差速驱动机器人Pioneer 3-DX实验平台上验证了方法的有效性。     

基于遗传算法的移动机器人路径滚动规划

研究了一种全新的基于遗传算法的机器人路径滚动规划方法。该方法将目标点映射在机器人视野域内侧边界附近，规划出机器人局部最优路径，机器人根据此局部路径前进一步。机器人每前进一步就重复该过程，沿一条全局优化的路径安全地到达终点。仿真实验表明，即使在复杂的未知静态环境下，利用该算法也可以规划出一条全局优化路径，且能安全避碰。     

基于模糊势场法的移动机器人局部路径规划

针对采用传统人工势场法进行移动机器人局部路径规划时存在的局部极小点和规划路径过长等问题,提出了一种基于虚拟目标点和有限状态机的模糊势场法。构造基于人工势场的虚拟目标点法来解决局部极小点问题,在合适的位置设置虚拟目标点使机器人逃离局部极小点区域。将虚拟目标点法与模糊控制相结合,对障碍物环境进行预测,及时避障,解决机器人在复杂环境中采用虚拟目标点法规划路径时存在的路径过长问题。设计一个有限状态机来判断障碍物环境,执行算法转换策略,使改进算法适用于多种复杂环境。所设计算法在MATLAB平台上进行了仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短规划路径。算法不仅适用于简单、离散环境,在传统算法运行困难的、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。     

基于几何相交测试的机器人路径规划算法

针对机器人路径规划问题,提出一种基于几何相交测试的路径规划方法.该方法首先搜索位于当前路径点到目标点连线上的首障碍栅格;然后结合贪婪法、回溯法和邻域搜索策略从障碍栅格邻域搜索下一个路径栅格;接着从新的路径点出发迭代搜索后续的路径点,从而确定从起点到目标点的路径;最后对得到的最好路径进行路径点合并以提高路线的连贯性.实验结果表明,新方法规划的路径性能优于其他同类算法,路径呈现出更好的连续性,规划时间能满足实际应用的要求.     

基于改进人工势场法的移动机器人路径规划

基于传统人工势场法的机器人路径规划存在障碍物附近目标不可达和局部极小点的问题。在研究该问题产生原因的基础上,提出了一种基于改进人工势场法的移动机器人路径规划算法。该算法在斥力函数中引入了机器人和目标点之间的距离,在极小点附近自主建立虚拟目标牵引点并隔离原有目标点,解决了传统人工势场法的局部极小点问题,使机器人到达了目标点。仿真结果说明了改进后算法的有效性。     

静态不确定性环境中非完整轮式移动机器人路径规划研究

本文研究了静态不确定性环境下非完整轮式移动机器人路径规划问题,提出了一种实时路径规划方法-动态随机路径规划方法.此规划方法以随机路径规划方法为基础,通过对搜索图进行局部实时重构,引导机器人到达全局目标点.这种方法不仅使规划和执行很好地结合起来,而且对随机路图只做局部修改.仿真结果验证方法的有效性.     

关于智能机器人局部混沌评价全覆盖路径规划

针对智能机器人全覆盖路径规划问题,提出了一种局部混沌评价规划方法.考虑到机器人移动过程中的随机性与不可预知性,设计了具有反馈控制变量的四维混沌系统.将该系统与机器人运动模型融合,建立得到路径规划模型,同时引入耦合控制参数对系统误差进行调节,根据机器人的起始坐标和混沌起始状态参量,利用微分离散化处理便可计算出移动的路径点.考虑到路径规划的局部最优解,对机器人移动空间进行网格划分,根据激励计算动态网格活性值,利用网格活性对移动路径规划采取分流,进而得到分流后的局部路径与角位移变化量.与此同时,针对局部路径规划设计了相应的指标评价,用以校正规划结果.仿真结果表明,提出的局部混沌评价规划方法具有良好的路径全覆盖效果,同时获得了更低的路径重复率、移动距离,以及路径规划时间,有效提高了机器人的移动效率与控制平稳性.     

多点焊接机器人最优运动规划策略与算法研究

利用遗传算法寻找多点焊接机器人的最优运动规划的方法。第一步应用遗传算法对多点焊接工业机器人进行全局路径最优规划,确定机器人操作手终端遍历所有目标点的最短路径;然后在相邻目标点之间应用遗传算法进行关节空间的轨迹规划,寻找时间最短的最优轨迹。实验结果表明缩短了运行时间,提高了机器人的工作效率,可见方法的可行性和先进性。     

基于蚁群融合D*Lite的动态改航路径规划

危险天气下的改航与受限区划设和路径规划算法密切相关, 本文针对改航环境构建中Graham扫描结果存在较大无效区域, 提出分块后并行扫描. 针对危险天气的突发性, 为了适用于复杂环境, 提出在增量式的D*Lite全局规划路径基础上智能分割、蚁群算法局部搜索的复合结构动态规划方法. 通过改进信息素更新策略解决收敛速度慢、耗时长且易陷入局部最优的缺点. 实验结果表明, 分块并行Graham扫描划设的飞行受限区形状更接近实际, 面积缩至原先的48.1%. 改进蚁群融合D*Lite的复合结构动态路径规划算法D*Lite-ACO兼顾全局与局部, 将重规划范围控制到当前位置与目标点间, 在路径长度、规划时间和迭代范围上的评价指标分别提升1.2%、40.7%、66.7%.     

基于电路映射地图的机器人路径规划

分析比较了障碍分布特性与网格电路电阻阻值之间的类似特性，利用电路中电流集中于阻值最小通路的原理，即最大电流通路具有与实际环境中道路长度短而且在障碍区中的道路宽度大的路径的相互对应性，尝试了一种基于电路地图的路径规划方法．这种方法在局部规划的同时，兼备了路径规划的全局性，有效地从根本上避免了人工势场法等方法容易陷入局部最优的不足．理论分析和仿真验证了本方法的可行性和正确性．     

Mita Laboratory,Electric Engineering Section,Faculty of Engineering,The Chiba University

This paper describes a local path planning method for a mobile robot to search for a path in an unknown environment by using visual information. The mobile robot system has a hierarchical path planning system which searches for a path efficiently in an uncertain environment. The planning system consists of a global planner and a local planner. The global planner gives a global path in terms of a sequence of visual sub-goals. Then the local planner generates a local path between the sub-goals with the help of a visual sensor. The main focus of this paper is on local path planning, which provides real-time guidance to the system. A visual sensor can provide useful information about the environment. So, an algorithm is proposed to generate avoiding points by using visual information to bypass unknown obstacles in the local path planning. Local path planning in a simple environment is simulated by using three-dimensional graphics. A simple experiment is also done for the case where there are two obstacles. The validity of the proposed method is verified by these simulations and experimental results.     

A hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm in the 2D random environments

Traditional artificial potential field algorithm for multi-robot formation is easy to fall into local minima and the path planning efficiency is low. To this end, we propose a new method of a hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm (A*-MTIAPF) that provides the optimal collision free path and improves the efficiency for multi-robot formation path planning. The A*-MTIAPF algorithm integrates global path planning and local path planning. The novelties include combining A* with the improved artificial potential field algorithm and dividing multiple virtual sub-target points on the global optimal path of A* planning. Firstly, A* algorithm is used to complete the global path planning. Secondly, the improved artificial potential field algorithm which takes multiple sub-target points divided by the global optimal path as virtual target points is used to complete local path planning by switching target points. In addition, we propose a double priority judgment control algorithm (DPJC) to solve the collision problem among multiple robots by setting double priority to determine the movement order of each robot. Then, a new experimental method is designed by using the randomly generated 2D maps to verify the effectiveness of the proposed method. The results show that our method has advantages that it solves the local minimum problem, improves the efficiency of formation path planning and avoids collision among multiple robots over existing methods.     

Deliberative On-Line Local Path Planning for Autonomous Mobile Robots

This paper describes a method for local path planning for mobile robots that combines reactive obstacle avoidance with on-line local path planning. Our approach is different to other model-based navigation approaches since it integrates both global and local planning processes in the same architecture while other methods only combine global path planning with a reactive method to avoid non-modelled obstacles. Our local planning is only triggered when an unexpected obstacle is found and reactive navigation is not able to regain the initial path. A new trajectory is then calculated on-line using only proximity sensor information. This trajectory can be improved during the available time using an anytime algorithm. The proposed method complements the reactive behaviour and allows the robot to navigate safely in a partially known environment during a long time period without human intervention.     

基于栅格法-模拟退火法的机器人路径规划

路径规划是机器人技术中的重要组成部分,分全局路径规划和局部路径规划。本文将栅格法与模拟退火法结合,采用栅格法表示环境信息。局部路径规划主要基于模拟退火法,使路径跳出局部极小点,到达目标位置。     

Sweep scan path planning for efficient freeform surface inspection on five-axis CMM

Compared with the traditional 3-axis coordinate measuring machine (CMM), a 5-axis CMM equipped with the capability of continues sweep scanning can provide much denser data points while taking much shorter time. This paper presents an automatic sweep scan path planning system that generates a continuous sweep scanning path for the inspection of an arbitrary free-form surface using a 5-axis CMM with three translational axes and a rotary head with two very light rotary axes. The system strives to significantly improve the scanning efficiency by utilizing the superb kinematic advantages of the two rotary axes, which have very low moment of inertia, to cover a larger area, while tremendously reducing the speed and acceleration demand on the three translational axes which have much larger inertia. The path is generated from a mesh model of the freeform surface and an iterative approach is used to ensure that the stylus contacts the surface at an acceptable angle during the entire scan. Physical scanning experiments are performed and the test results show significant improvement in scanning efficiency by the proposed sweep scan path planning method when compared with some existing continuous scanning path planning approaches such as the standard isoparametric or zigzag method.     

一种实时多目标路径规划方法

提出一种利用实时搜索思想的多目标路径规划方法.首先设计并实现局部路径规划算法,在有限的局部空间内执行启发式搜索,求解所有局部非支配路径;在此基础上,提出实时多目标路径规划方法,设计并实现相应的启发式搜索算法,在线交替执行局部搜索过程、学习过程与移动过程,分别用于求解局部空间内的最优移动路径,完成状态的转移和更新状态的启发信息,最终到达目标状态.研究表明,实时多目标启发式搜索算法通过限制局部搜索空间,避免了大量不必要的计算,提高了搜索效率,能够高效地求解多目标路径规划问题.     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索,提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模,将滚动窗口的概念引入到局部路径规划,由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．     

面向未知地图的六足机器人路径规划算法

针对移动机器人路径规划中无法准确得知全局地图的问题,提出了一种基于模糊规则和人工势场法的局部路径规划算法。首先,利用测距组与模糊规则,进行障碍物的形状分类,构建局部地图;其次,在人工势场法中引入了一种修正的斥力函数,基于局部地图,利用人工势场法进行局部路径规划;最后,随着机器人的运动,设置时间断点,以减少路径震荡。针对随机障碍物和凹凸障碍物的地图,分别采用传统人工势场法和改进的人工势场法进行仿真,其结果表明：在遇到随机障碍物时,相比传统人工势场法,改进的人工势场法能够显著减少与障碍物的碰撞;在遇到凹凸障碍物时,改进的人工势场法能够很好地完成路径规划的目标。所提算法对地形变化适应能力强,能够实现在未知地图下的六足机器人路径规划。