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．     

移动机器人全覆盖路径规划优化方法

从全局优化的角度出发,提出一种基于子区域分割的环境建模方法,将各个子区域缩成节点、子区域重心间距离缩成节点间连线,建立起含障区域的全连通图——广义距离矩阵模型,对Hopfield神经网络求解旅行商问题的动态规划方法进行改进后,将其用于求该模型的最优有向连通图。机器人沿最短路径完成覆盖,就是按最优顺序走过连通图中所有节点并依次覆盖各节点所代表的子区域,从而完成移动机器人在含障区域内的全覆盖路径规划问题的优化解决方案。     

移动机器人的完全遍历路径规划:生物激励与启发式模板方法

提出了基于生物激励神经网络的一种新的完全遍历路径规划方法.该方法集成了模板模型、启发式搜索和障碍物逼近算法.一种称为分流合作-竞争反馈网络的生物激励神经网络被用于移动机器人的工作环境建模,而模板模型法、启发式算法和障碍物逼近算法用于移动机器人的避障路径规划,其中障碍物逼近算法能够实现不规则形状障碍物周边区域的遍历,以进一步改善路径规划的覆盖区域.仿真研究表明,本文方法使得路径规划的性能得到明显的改进,例如规划路径的重叠率,而且算法简单有效.     

移动机器人全覆盖路径规划研究

移动机器人的全局路径规划基本上可分为起点到终点寻优和全覆盖寻优两种。所谓全覆盖寻优路径规划,是指移动机器人快速而高效率地走遍一个区域内除障碍物以外的全部地方。对全覆盖路径规划方法的研究现状加以分析、比较和归纳,对全覆盖路径规划方法的发展趋势和研究方向进行探讨,也介绍作者自己的研究工作,同时对国内外刚开始不久的多机器人协作在全覆盖路径规划领域的研究工作也予以介绍,最后归纳出全覆盖寻优路径规划的发展方向及待解决的问题。     

基于区域优化分割的机器人全覆盖路径规划

在移动机器人全覆盖路径规划问题中,将区域分割、子区域内部行走方式、子区域衔接顺序三个子问题的优化置于整个含障区域覆盖任务总体优化的目标下考虑,探讨着眼于实用的用时最少且路程最短的子区域内部行走方式、区域分割方法和子区域间衔接顺序。确定子区域应为凸多边形;证明从路程最短和时间最少两方面讲,向内螺旋方式都是完成子区域内行走的最优行走方式;提出兼顾子区域内部行走方式和子区域衔接顺序的分割含障区域的优化方法;建立分割后整个区域的连通图模型并运用Hopfield神经网络算法求得优化的子区域间衔接顺序。     

移动机器人路径规划算法的研究综述

路径规划是移动机器人的热门研究之一,是实现机器人自主导航的关键技术.针对移动机器人路径规划的算法进行研究,以了解不同条件下路径规划算法的发展与应用,系统性地总结了路径规划的研究现状和发展.针对移动机器人路径规划的特点,将其划分为智能搜索算法、基于人工智能算法、基于几何模型算法和用于局部避障算法.基于上述分类,介绍了近年...     

基于虚拟障碍物的移动机器人路径规划方法

针对城市道路环境,将全局路径规划方法和局部路径规划方法相结合,提出了基于虚拟障碍物的路径规划方法.该方法首先采用A*算法得到一条全局最优的车道路径,然后根据全局最优的路径生成虚拟障碍物,最后将虚拟障碍物与传感器探知的实际障碍物融合,采用改进的向量直方图方法进行局部路径规划.该方法不仅能够充分利用已知环境信息生成全局最优...     

车型移动机器人的SPRM路径规划方法

研究车型移动机器人的路径规划问题,提出一种用局部规则路图结合随机路图,辅助建立全局复合路图的环境建模方法. 在此基础上进行路径规划,提高了在障碍物附近产生的局部路径的质量,减少了由于频繁地执行避碰校验所造成的时间消耗,并解决了可行空间丢失的问题. 仿真实验验证了这种方法在车形移动机器人路径规划应用中的有效性.     

A Shortest Path Based Path Planning Algorithm for Nonholonomic Mobile Robots

A path planning algorithm for a mobile robot subject to nonholonomic constraints is presented. The algorithmemploys a global- local strategy, and solves the problem in the 2D workspace of the robot, without generating the complexconfiguration space. Firstly, a visibility graph is constructed for finding a collision-free shortest path for a point. Secondly,the path for a point is evaluated to find whether it can be used as a reference to build up a feasible path for the mobile robot.If not, this path is discarded and the next shortest path is selected and evaluated until a right reference path is found. Thirdly,robot configurations are placed along the selected path in the way that the robot can move from one configuration to the nextavoiding obstacles. Lemmas are introduced to ensure that the robot travels using direct, indirect or reversal manoeuvres. Thealgorithm is computationally efficient and runs in time O(nk + n log n) for k obstacles andn vertices. The path found is near optimal in terms of distance travelled. The algorithm is tested in computersimulations and test results are presented to demonstrate its versatility in complex environments.     

移动机器人路径规划算法综述

路径规划算法是实现移动机器人自主导航的关键技术。针对移动机器人路径规划技术进行研究,分析各算法的实现机制与原理,并系统性的总结了主流路径规划算法研究现状。根据移动机器人路径规划算法的特点,将路径规划算法分为：传统规划算法、智能规划算法、基于采样的规划算法。基于以上分类,分述近年来的主要研究成果,重点分析各类算法的优缺点。针对移动机器人路径规划算法研究现状,对其未来研究方向进行展望,为移动机器人路径规划大发展提供一定的思路。     

基于神经网络的移动机器人路径规划

针对移动机器人未知环境下的安全路径规划,本文采用了一种局部连接Hopfield神经网络（ANN）规划器。对任意形状环境,ANN中兼顾处理了“过近”和“过远”来形成安全 路径,而无需学习过程。为在单处理器上进行有效的在线路径规划,提出用基于距离变换的串行模拟,加速数值势场的传播。仿真表明,该方法具有较高的实时性和环境适应性。     

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.     

移动机器人全局路径规划算法综述

全局路径规划是移动机器人室外工作的关键技术,全局路径规划相关算法主要应用于地理场景预知的室外环境中,机器人面对复杂多变的室外环境,通过对算法的优化改进来提高机器人路径规划的实时避障性、路径平滑性、规划有效性就成为了全局路径规划算法的核心研究内容.首先根据算法的智能程度,将移动机器人的全局路径规划算法分为传统全局路径规划...     

一种改进的移动机器人全局路径规划算法

基于移动机器人的安全考虑，提出了一种改进的可视图法。该方法用尽可能远离障碍物的路径表示弧，先确定可能的路径点作为节点，然后考虑可能路径，建立结点间的弧，并用Dijkstra算法求出图中的最短路径。最后通过仿真研究表明，用文章提出的方法规划的路径可以达到或接近最优路径。     

基于代价削减的移动机器人快速路径规划方法

针对移动机器人探测环境的建模,基于栅格空间的扩展方式,提出了DEM可通行范围获取以及通行代价的计算方法;在D*Lite算法基础上加入可视检测,定义了将点和点之间逻辑相邻的关系,做到对每个节点的代价削减;此外,对启发函数对路径搜索产生的影响进行了分析,并在VC环境下进行了仿真;从仿真实验结果来看,启发函数的选取对搜索的效率和最优性有较大的影响。     

基于栅格空间的移动机器人快速路径规划方法

基于栅格空间的节点扩展方式,提出了一种移动机器人快速路径规划的新方法;在引人可视性概念的基础上,通过对传统八邻域法扩展节点进行改进,成功将节点间派生关系由物理相邻引申到逻辑相邻,从而完成任意方向的节点扩展;采用启发式搜索算法D*Lite进行搜索,将应用两种扩展方式的算法在VC环境下分别实现并进行了分析比较;仿真结果表明,新算法不仅极大缩短了路径长度而且显著降低了执行时间。文章提出的算法很好地解决了移动机器人快速路径规划问题。     

基于粒子群优化算法的移动机器人全局路径规划

提出了一种基于粒子群优化算法的移动机器人全局路径规划方法.该方法首先进行环境地图建模,通过坐标变换在路径的起点与终点之间建立新地图,然后利用粒子群优化算法获得一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,而且模型不依赖于障碍物的形状.仿真实验证实了该方法的有效性.     

Global Level Path Planning for Mobile Robots in Dynamic Environments

This paper presents a self-adapting approach to global level path planning in dynamic environments. The aim of this work is to minimize risk and delays in possible applications of mobile robots (e.g., in industrial processes). We introduce a hybrid system that uses case-based reasoning as well as grid-based maps for decision-making. Maps are used to suggest several alternative paths between specific start and goal point. The casebase stores these solutions and remembers their characteristics. Environment representation and casebase design are discussed. To solve the problem of exploration vs. exploitation, a decision-making strategy is proposed that is based on the irreversibility of decisions. Forgetting strategies are discussed and evaluated in the context of case-based maintenance. The adaptability of the system is evaluated in a domain based on real sensor data with simulated occupancy probabilities. Forgetting strategies and decision-making strategies are evaluated in simulated environments. Experiments show that a robot is able to adapt in dynamic environments and can learn to use paths that are less risky to follow.     

一种基于滚动窗口的移动机器人局部路径规划方法

区别于传统的栅格法,提出了基于滚动窗口的移动机器人局部感知环境下的局部栅格法进行局部路径规划。这种方法使得机器人能够进行局部路径规划,随着窗口的滚动进而达到全局的路径规划,避免了传统的栅格法环境分辨率低、信息存储量大的缺点,具有一定的研究和应用价值。该方法不仅适用于静态障碍物,也适用于动态障碍物,最后用Bezier曲线优化路径。仿真验证了算法的有效性。     

基于生物认知的移动机器人路径规划方法

针对移动机器人在非结构环境下的导航任务,受哺乳动物空间认知方式的启发,提出一种基于生物认知进行移动机器人路径规划的方法．结合认知地图特性,模拟海马体的情景记忆形成机理,构建封装了场景感知、状态神经元及位姿感知相关信息的情景认知地图,实现了机器人对环境的认知．基于情景认知地图,以最小事件距离为准则,提出事件序列规划算法用于实时导航过程．实验结果表明,该控制算法能使机器人根据不同任务选择最佳规划路径．