基于比例导引律的无人机避障研究

随着无人机作战环境日益复杂,无人机避开动态障碍物的研究成为热点问题.为提高导引避障性能,借助比例导引律的思想,通过使无人机与动态障碍物的相对速度方向导引到避障向量方向,完成避障.为满足避障完成时间和无人机机动性能约束要求,给出了避障时间估计和法向加速度表达式,通过解算得到了比例导引系数取值范围.避障完成后无人机在避障点可用比例导引律进行路径规划,最后到达目标点.仿真结果验证了算法的有效性.     

基于比例导引的足球机器人截球算法研究

常用的足球机器人截球运动控制算法较少,通过类比机器人截球运动与导弹或鱼雷追踪目标的相似性,引入军事目标追踪导引算法中常用的比例导引算法,并给出了导引算法模型及其在足球机器人系统中的应用实现。仿真结果表明该算法效果明显,行之有效,并能够根据不同的应用要求灵活的调整导引系数,取得比较理想的截球控制效果。     

基于动态窗口的机务机器人运动避障算法

提出了一种机务机器人在机务维修工况环境中的运动避障方法。该方法集成了聚焦A*搜索算法和动态窗口局部避障算法,将移动的障碍物作为网格地图中的移动单元,通过应用类似于动态窗口方法的程序来预测它们的运动趋势和轨迹,实现了对移动障碍物的有效避障。     

比例导引下的机动目标自适应滤波算法研究

针对反舰导弹的快速跟踪问题,在反舰导弹做比例导引运动的基础上,将比例导引规律引入状态方程,建立线性时变模型,实现对系统状态的自适应滤波,运用语言进行仿真计算,分析并得到了在不同的初始航向角、比例导引系数、导弹的初始位置和速度下的导引弹道滤波曲线和弹目相遇时间.仿真结果表明,导弹的运动数学模型是实用而有效的,较准确地反映目标的机动变化;在此基础上的机动目标跟踪模型在原理上是正确的,由此构建的滤波器能够较快地收敛,其跟踪精度较高.     

基于扇形扫描的机器人避障算法

结合足球机器人比赛的具体应用背景,提出了一种基于扇形扫描的机器人智能避障方法,该方法是先对机器人前进方向进行扇形扫描,确定障碍物的位置,然后进行路径规划,确定局部目标点,最终目标点由一连串局部目标点构成.经仿真和实践证明,该方法是有效的局部路径规划.     

基于模糊算法的机器人漫游避障的实现

由于机器人漫游运动的随机性和环境的不可预测性,导致机器人漫游运动的避障非常困难.本文应用模糊算法来实现机器人的漫游避障,在Pioneer 3-Dx型移动机器人的仿真平台MobileSim上进行了仿真实验,仿真结果表明了算法的有效性和可行性.     

基于传感器信息的水下机器人动态避障研究

提出一种新的基于传感器信息的自治式水下机器人(AUV)动态避障方法。介绍了传感器的工作原理。通过栅格法把传感器采集的AUV运行环境障碍信息进行合理描述,并预测动态障碍物的速度,保证AUV能够根据传感器信息躲避障碍物,达到航行要求。最后,通过仿真实验对机器人自主避障能力进行了验证。     

基于主从任务转化的冗余度机器人避障算法

在冗余度机器人的避障规划问题中,当障碍影响机器人末端运动时,避障运动和机器人的末端轨迹跟踪运动会发生相互冲突.针对这个问题,提出了基于主从任务转化的避障算法.该方法将避障运动的操作空间定义为1维的运动空间,引入了2个转换变量,可以根据得到的实时最小距离的变化,实现机器人末端的轨迹跟踪运动和避障运动之间光滑连续的优先级转换.最后,通过对一个3自由度平面机器人的仿真实验,对算法的正确性进行了验证.结果表明,机器人与障碍物的最近距离大于0.02m,并且机器人末端可以准确地到达目标位置.所提出的方法不仅能实现冗余度机器人的避障,而且能防止任务之间的冲突.     

基于模糊改进人工势场法的机器人避障方法研究

在内部密封、狭窄、多障碍的船舱环境中,障碍物的分布具有随机性和不确定性,对于移动机器人的避障方法而言,传统人工势场法存在目标不可达、局部极小值等问题.设计了一种基于模糊逻辑的改进人工势场法,在避障算法的局部极小值附近,基于模糊逻辑给予移动机器人辅助控制力,帮助机器人逃离局部极小值点,避免机器人在避障过程中陷入局部极小值点的问题,并且优化路径.仿真实验表明:在多障碍复杂环境下,该算法能实现机器人实时、安全的避障.     

预选择最小距离指标的冗余机器人动态避障算法

从冗余机器人动态避障的实时性出发,提出了一种预选择最小距离指标.利用方向包围盒OBB(oriented bounding box)进行建模,通过相交测试,在计算实时距离之前剔除安全杆件,并采用局部映射距离计算方法,利用目标点坐标值直接得出实时最小距离.在此基础上,建立与最小距离相关的避障增益和逃逸速度,利用冗余机器人零空间映射矩阵进行避障路径规划.最后,通过仿真证明了利用预选择最小距离指标进行动态避障的有效性和高效性,与传统避障算法相比,整体规划时间减少了15.5%.     

基于场景理解与改进型BUG算法的移动机器人避障

针对现有移动机器人在视觉避障上存在的局限,将深度学习算法和路径规划技术相结合,提出了一种基于深层卷积神经网络和改进Bug算法的机器人避障方法;该方法采用多任务深度卷积神经网络提取道路图像特征,实现图像分类和语义分割任务;其次,基于语义分割结果构建栅格地图,并将图像分类结果与改进的Bug算法相结合,搜索出最优避障路径;同时,为降低冗余计算,设计了特征对比结构来对避免对重复计算的特征信息,保障机器人在实际应用中实时性;通过实验结果表明,所提方法有效的平衡了多视觉任务的精度与效率,并能准确规划出安全的避障路径,辅助机器人完成导航避障。     

基于激光雷达的室外移动机器人避障与导航新方法

提出了一种应用于室外移动机器人避障与导航的新方法——角度势场法．此方法将当前视场极坐标系的二维障碍物信息转换到一维的角度域内,综合评估视场内的障碍物在角度域内产生的阻力效应,以及目标点在角度域内产生的引力效应,计算得出当前目标角度及通行函数,确定移动机器人驾驶角和速度的控制输出,做到兼顾移动机器人的安全与向目标点的行进．此方法已应用于室外移动机器人THMR V．     

VFF^＋：改进的虚拟力场移动机器人避障算法

分析了虚拟力场法采用全局栅格表示环境信息具有累积误差大、信息存储量大的缺点，设计了动态栅格法表示环境信息，使用跟随机器人移动的扇形栅格表示环境信息，使用栅格中心坐标投影的方法存储多次超声测量数据信息，与势场法相结合对机器人进行导航控制。经仿真和实验验证，改进后的虚拟力场法取得了良好的应用效果。     

Real-Time Active SLAM and Obstacle Avoidance for an Autonomous Robot Based on Stereo Vision

Abstract

In this article, the problem of real-time robot exploration and map building (active SLAM) is considered. A single stereo vision camera is exploited by a fully autonomous robot to navigate, localize itself, define its surroundings, and avoid any possible obstacle in the aim of maximizing the mapped region following the optimal route. A modified version of the so-called cognitive-based adaptive optimization algorithm is introduced for the robot to successfully complete its tasks in real time and avoid any local minima entrapment. The method’s effectiveness and performance were tested under various simulation environments as well as real unknown areas with the use of properly equipped robots.     

Industrial Robot Navigation and Obstacle Avoidance Employing Fuzzy Logic

This paper proposes a novel conceptual approach based on fuzzy logic to solve the local navigation and obstacle avoidance problem for industrial 3-dof robotic manipulators. The proposed system is divided into separate fuzzy units, which control individually each manipulator link. The fuzzy rule-base of each unit combines a repelling influence, which is related to the distance between the manipulator and the nearby obstacles, with the attracting influence produced by the angular difference, between the actual and the final manipulator configuration, to generate a new actuating command for each link. It can be considered as an on-line local navigation method for the generation of instantaneous collision-free trajectories. The strategy has been successfully applied to manipulators in different simulated workspace environments providing collision-free paths. Some of the simulation results obtained are included.     

基于模糊避障算法的履带式搬运机器人的设计

以HC-SR04超声波传感器模块获取机器人周围环境信息,以链式叉车作为搬运货物的执行机构,以STM32F103单片机作为机器人控制器,设计了一种自动搬运并且避障的小型履带式搬运机器人。针对局部静态环境下多障碍物对系统避障的复杂性,引入了模糊控制算法,通过对机器人与障碍物之间的距离进行模糊化,建立模糊规则,实现搬运机器人的避障控制。为了提高机器人的稳定性及避障的可靠性,对直流电机建立了数学模型,并利用积分分离PID算法进行仿真,最后实验结果表明该算法提高了直流电机的控制性能。     

动态多行人环境中基于最优交互避碰的机器人导航

在动态的多行人环境中,服务机器人仅依赖于自身传感器、以第一人称视角自主导航时. 机器人自主定位的不确定性以及对周围行人运动状态估计的不确定性均增加,这给机器人导航决策带来了困难. 为解决这个问题,提出一种基于最优交互避碰的机器人自主导航法. 本方法采用一种改进的粒子PHD滤波法即NP-PHDF法跟踪多个行人的状态. NP-PHDF法结合了卡尔曼粒子滤波及PHD滤波优点,因此它可以跟踪数目变化的多个目标,能够跟踪突然的加减速以及急转弯运动,并且能够抵抗遮挡. 同时,与基于粒子滤波的机器人自主定位法类似,NP-PHDF法使得行人运动状态的不确定性能够以粒子的分布来度量. 为降低状态估计的不确定性,本文提出一种“圈粒子”的粒子圈存法从粒子的分布中提取机器人和行人的真实状态. 算法的有效性在实际场景实验中得到了验证.     

基于改进RBPF算法的轮式机器人SLAM导航系统设计

传统的机器人导航系统在复杂的地形环境中常常无法引导机器人躲避突然出现的障碍物,无法精准采集数据;为此提出一种改进RBPF算法的轮式机器人SLAM导航系统,对系统硬件和软件进行设计;改进RBPF算法是一种滤波算法,将激光雷达与里程计的信息作为提议分布,提高了导航精度;系统硬件主要由导航功能模块、底盘驱动模块、控制模块组成,利用RPLIDAR A1型激光雷达设计导航功能模块,并设计底盘驱动模块和控制模块;软件设计中,以改进RBPF算法为基础,设计了轮式机器人SLAM导航系统的实现程序,应用算法代入的方式加强了普通轮式机器人导航算法对粒子计算与卡尔曼滤波的敏感程度;实验结果表明,在有障碍物的室内场景中,与传统滤波算法以及基于软件库系统相比,改进RBPF算法规划的路径更短,导航错误点出现率降低了30%左右。     

基于粒子群模糊的除冰机器人越障规划

由于除冰机器人多在天气恶劣,覆冰较厚的输电线路上工作,现有的基于视觉伺服越障策略存在图像质量差,冰、线区分难等不足。根据模糊逻辑和粒子群优化原理,提出了一种除冰机器人在线越障和路径规划方法。该方法通过模糊规划器实现除冰机器人机械臂的无障跟踪和平稳越障。在此基础上,以机械臂末端经过路径长度和与目标点距离的综合最小为目标,利用粒子群算法对模糊规划器输出角度进行在线优化。仿真结果表明:与传统的模糊越障规划相比,该方法不仅满足除冰机器人实时规划和自主越障的要求,缩短了机械臂经过轨迹的长度,提高了除冰机器人的工作效率和续航能力,为实际工程应用中除冰机器人的能源短缺问题,提供了一种节约使用方案,具有一定的工程应用价值。     

人群环境中基于深度强化学习的移动机器人避障算法

为了控制移动机器人在人群密集的复杂环境中高效友好地完成避障任务,本文提出了一种人群环境中基于深度强化学习的移动机器人避障算法。首先,针对深度强化学习算法中值函数网络学习能力不足的情况,基于行人交互（crowd interaction）对值函数网络做了改进,通过行人角度网格（angel pedestrian grid）对行人之间的交互信息进行提取,并通过注意力机制（attention mechanism）提取单个行人的时序特征,学习得到当前状态与历史轨迹状态的相对重要性以及对机器人避障策略的联合影响,为之后多层感知机的学习提供先验知识;其次,依据行人空间行为（human spatial behavior）设计强化学习的奖励函数,并对机器人角度变化过大的状态进行惩罚,实现了舒适避障的要求;最后,通过仿真实验验证了人群环境中基于深度强化学习的移动机器人避障算法在人群密集的复杂环境中的可行性与有效性。