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。     

基于ROS平台机器人导航避障系统设计与开发

基于ROS工业机器人开源平台,应用C++语言进行了移动机器人导航避障系统的设计与开发。选用激光雷达作为位置传感器,融合视觉里程计、轮式里程计和IMU里程计三大里程计数据,采用传统定位与SLAM算法创建地图,应用AMCL算法准确确定移动机器人位置;对移动机器人使用A~*算法进行全局路径规划、DWA算法进行局部路径规划,并且使用模糊BUG2算法作为核心算法实现局部避障器融入ROS规划系统中,应用C++语言开发程序,在移动机器人Robotino在地图上的两个点进行导航和避障测试。结果表明,只要合理设置机器人和障碍物之间相对运动速度,机器人可以规划出一条躲避缓慢移动障碍物、全局较优路径。     

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。     

基于虚拟墙的移动机器人路径跟踪与实时避障方法

针对变电站巡检机器人等移动机器人在设定路径跟踪过程中的实时避障问题,提出了一种路径跟踪算法。该算法通过引入"虚拟墙"这一概念,将移动机器人的路径跟踪问题转化为沿墙走问题,并通过PD控制和模糊控制实现了机器人对设定路径的精确跟踪。通过将"虚拟点集"与机器人探测到的障碍物点集相融合,实现了机器人在进行设定路径跟踪的同时动态规避路径上的障碍物。在MATLAB中对所提算法进行了仿真,并搭建四轮差动机器人平台进行了实验,仿真和实验的结果均验证了该算法的有效性。     

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。     

基于模糊逻辑的机器人路径规划

提出了一种基于模糊逻辑的移动机器人路径规划算法,并对算法进行了运动仿真,仿真结果表明,对不同的路障能较好地实现机器人的避障,解决了人工势场法中局部极小的问题,避开了传统算法中存在对移动机器人定位精度要求高的约束。     

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。     

基于智能路径规划算法的移动机器人设计

介绍了一种基于智能路径规划算法的移动机器人。该机器人以TMS320LF2407A作为主控制芯片,控制机器人左右轮电机运转．驱动机器人按照预定路径行走。其设计算法首先采用了改进的栅格和Distbug的组合进行全局和局部路径规划。详细阐述了该算法的基本原理及采用该算法的移动机器人控制系统硬软件设计。最后,介绍了该移动机器人自学习路径跟踪PID算法。实践表明,采用该算法的移动机器人行走速度快,实时性强,稳定性好,控制精度高。     

一种有效的移动机器人行为融合避障方法

移动机器人避障路径规划问题一直是移动机器人自主导航问题的关键。现有的避障路径规划算法多数针对某一指定目标寻优过程,经常出现为了获得最优解或最优路径而导致死锁或震荡现象。引进多目标优化理论,提出一种基于动态区间权重的多目标优化避障算法,该算法把避障过程划分为3种动作行为融合过程,通过赋予行为函数不同的权重,实时动态改变不同动作行为的输出比率。不是获得当前时刻最优解或最优路径,而是仅获得当前时刻的最有效解、最满意路径。从理论上分析并证明多行为输出避障导航系统的有效性和鲁棒性。试验表明该算法可以在确保移动机器人避障过程的实时性和鲁棒性前提下有效地提高避障过程的灵活性和安全性。     

一种未知环境下室内移动机器人路径规划新算法

针对目前室内移动机器人的路径规划算法理论研究为主,实际应用较少的问题,通过建立了移动机器人的运动学模型,采用栅格化建模方法将室内环境进行了分块,再利用先锋机器人P3-DX及其配套的仿真软件MobileSim,设计并且成功应用了一种未知环境下室内移动机器人路径规划的新算法。该算法在结合了机器人宽度信息的基础上,进行了栅格化模型建模,采用"点到点"的路径规划方法。最后在MobilesSim和P3-DX真实机器人上分别进行了仿真和实验验证,研究结果表明,该方法有效,且具有很好的可操作性。     

基于改进 A∗ 算法与动态窗口法融合的 机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A~*算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A~*算法与动态窗口法相融合的机器人随机避障方法。在改进A~*算法中,首先优化了搜索点选取策略和评价函数,提高了A~*算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A~*算法较传统A~*算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

基于自主视觉足球机器人路径规划的研究

根据自主视觉的足球机器人路径规划的特点，对其在未知动态环境下的路径规划进行了研究，对足球机器人全局定位的信息融合方法、在信息不完全或不确定的情况下对移动机器人的局部路径规划方法进行了探讨，提出了一种利用不确定的位置信息对机器人和目标进行全局定位的位置规划方法。实验证明该方法使机器人的路径规划具有更大的灵活性、快速性，使机器人控制系统具有更好的鲁棒性。     

融合TEB与Stanley的移动机器人路径规划控制算法

移动机器人根据TEB(timeelasticband)算法优化求解出轨迹点序列，然后通过时间差分计算移动机器人所需的控制量，这种方式在实际应用时由于速度与角速度的频繁跳变，导致对阿克曼底盘移动机器人的运行控制不佳、转向不平稳等问题。为了改善控制效果，将TEB下发的移动机器人控制量进行了改进，融合Stanley算法考虑机器人实际位姿与最优轨迹点之间的航向误差与横向误差，定义基于误差的非线性比例函数来求解移动机器人实时跟踪的控制率，以此设计移动机器人的运动控制器，并搭建基于ROS平台的路径规划控制模块进行仿真和实车测试，实验结果验证了所设计融合算法的有效性，可以实现阿克曼形式的底盘移动机器人可靠、平稳的路径规划和运动控制功能。     

基于通用运动学模型的移动机器人避障路径规划

介绍了移动机器人二轮差动机构通用运动学模型的建立、避障行为决策、避障运动控制等,提出了一种足球机器人避障路径规划方法.该方法简化了机器人避障的步骤,提高了机器人避障的灵活性和鲁棒性.仿真试验证明这种方法是可行而有效的.     

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。     

改进遗传算法在移动机器人路径规划中的应用研究

针对基本遗传算法解决移动机器人路径规划问题存在收敛速度慢等不足,对遗传算法进行了改进,提出了一种改进自适应遗传算法。根据进化过程中个体适应度值的大小自动调节交叉概率和变异概率,从而使算法能够跳出局部最优解,克服早熟的缺点。同时采用栅格法对机器人工作空间进行建模。对移动机器人路径规划进行仿真实验,对比结果表明:该改进的遗传算法是有效可行的,能够有效的提高机器人路径规划的质量。