用于无人车路径规划的改进A*算法

针对传统A*算法规划的路径存在路径长度较长、拐点数量较多和转折角度较大等问题,提出了一种用于无人车路径规划的改进A*算法.首先在传统A*算法的基础上考虑转弯成本并融入预判断规划策略,规划出一条初步路径;然后采用冗余拐点剔除策略优化初步路径,获得一种更优的无人车行驶路径.对传统A*算法、考虑转弯成本并融入预判断规划策略的A*算法和改进A*算法进行仿真对比.结果 表明:改进A*算法规划出的路径长度更短,拐点数量更少,转折角度更小,路径更加平滑.     

基于改进蚁群算法的无人矿车路径规划研究

针对地形复杂、坡度大的矿区中矿车的路径规划,提出一种改进的蚁群算法,引入了障碍探索的方法,将下一节点的附近一定区域的障碍状况作为影响因素,如果影响蚂蚁寻找最优路径,则会规避此节点.针对矿区坡度较大问题,将速度-坡度模型引入状态转移概率中,在路径较短的前提下选择坡度较小的节点.将每代蚂蚁中的优秀蚂蚁进行局部路径融合,提高...     

基于改进A算法的AGV路径规划研究

针对传统A?算法在AGV路径规划中存在遍历节点数和转弯次数较多问题,提出一种基于启发函数改进A?算法.该算法采用加权曼哈顿距离作为启发函数,使得距离估计成本更接近最短距离,以减少算法遍历节点数;另外,在算法启发函数中引入转弯修正代价参数,从而减少路径转弯次数.MATLAB软件仿真实验结果表明,较传统A?算法,基于启发函数改进A?算法在AGV路径规划中能有效减少遍历节点数和路径转弯次数,提高AGV路径规划中路径搜索效率和路径平滑性.     

基于改进 A * 算法的四向穿梭车路径规划

针对传统四向穿梭车系统路径规划易出现路径交叉死锁问题,提出一种改进 A * 算法的路径规划算法。参考多辆穿梭车路径的路径交叉长度、路径冲突车辆总数对路径搜索的影响,使得多辆穿梭车路径分布均匀,减少车辆路径的点边冲突,降低实时路径检测中避让策略的复杂度,提高系统的稳定性与效率。栅格地图环境中,将该算法应用于复杂环境中的四向穿梭车路径规划,仿真结果表明,该算法在路径规划中是可行和有效的。     

基于MATLAB图像处理的非结构化道路识别

应用MATLAB图像处理工具箱,针对非结构化道路的彩色图像,在颜色空间对道路进行识别处理。首先在颜色空间中使用Otsu法（大津法）对道路图像进行分割,再利用数学形态学和阀值面积消去法对图像进行去噪处理,然后利用Roberts算子检测出道路边缘,最后利用最小二乘法对图像进行曲线拟合,得到平滑的道路边界曲线。     

基于BP神经网络的非结构化道路识别

基于BP神经网络,针对非结构化道路的彩色图片,利用熵、对比度等纹理特征值作为BP神经网络的输入层,设隐层有12个节点,输出层有1个节点,进行网络训练。完成网络训练之后,可以得到网络的阀值,然后将图片中的每一个20×20小块的纹理特征值输入BP神经网络的输入层,经过运算判断小块是否为道路部分,直至完成整个图片的判别。     

基于非结构化环境点云稀疏表示的无人驾驶汽车局部路径规划方法

非结构化环境下,无人驾驶汽车的局部路径规划方法面临数据冗余及环境结构适用性问题。提出一种基于3维Lidar数据稀疏表示的局部路径规划建模方法——势场字典法(Potential field dictionary, PFD)。该方法以预置本地过完备DCT字典替代正交基,应用投影追踪方法(MP)结合环境采样预处理结果,对Lidar点云信息进行稀疏化分解;直接将稀疏分解矢量用于势场法局部路径规划,并提出"动态势场"以应对非结构化环境。实车试验表明:环境采样预处理结果储存空间小,且更能体现结构复杂程度;PFD算法以小稀疏度可以规划出完整连续可行路径,且性能优于RRT*算法以及传统势场算法。PFD算法在保证信息表达精度的前提下,减少了数据传输、储存成本,也可规划出适用于非结构化环境的局部路径。     

基于多线激光雷达的无人车路径规划算法

针对在非结构路面条件下无人车路径规划存在建模难度大,计算量较大,算法运行的实时性较差等问题,提出一种基于多线激光雷达的无人车路径规划算法。对原始点云数据进行预处理,减少需要处理的点云数量,降低程序运行复杂度;将三维点云降维形成较低分辨率的二维栅格地图,降低路径规划程序的计算量;基于构建的局部栅格地图,使用改进的人工势场法完成路径规划。算法已在无人车上应用,实验证明了该方法的有效性和可行性。     

基于改进A算法的AGV转运机器人路径规划研究

研究基于笔者单位在研的某产品高效装配生产线项目,旨在提出一种改进A路径规划算法。应用于AGV转运机器人运动控制中,在检测到运动路线上出现障碍物后,能够实时规划运动路径,实现主动避碰,从而在不影响转运效率的前提下,提高AGV机器人应用的安全性。为此,首先分析了AGV机器人工作环境,建立了环境模型;随后对传统A算法进行了说明与分析,针对其不足提出了改进措施;最后利用仿真对算法有效性进行了验证。     

基于改进A*算法的线缆路径规划方法

针对复杂布线空间环境下虚拟线缆的路径规划问题,改进了传统A*算法的估价函数,引入附加值因子来选择合适的路径节点,使用刚性因子评估连续弯折时的线缆路径,将线缆的位置纳入算法来调整线缆路径到最优。二维网格地图中的路径规划和三维模型中的布线结果均表明,改进A*算法能产生合理的布线路径。     

基于改进Dijkstra算法的AGV路径规划研究

针对传统AGV路径规划算法难于在全局稳定性、收敛速度、局部搜索能力上取得均衡的问题,开展了基于改进Dijkstra算法的AGV路径规划研究.首先研究了基于栅格图的拓扑地图建模方法,分析了路径平滑度,然后提出了以时间权重为优化目标求解最优路径,改变了传统算法中路径长度作为权重因子,设计了弯道的时间权重函数,最后开发了集成...     

基于混沌蜂群算法的农用无人直升机路径规划

针对农用无人直升机从地面站飞到目标农田的路径规划问题,提出了一种改进的人工蜂群算法。在该算法中利用混沌局部搜索算子的遍历性和随机性的特点重新初始化陷入局部最优解的雇佣蜂,在迭代中产生局部最优解的邻域点,帮助其脱离束缚并快速找到全局最优解。采用改进算法来处理无人直升机的路径规划任务,首先将路径规划任务通过数学建模转换成一个多维函数优化问题,然后结合人工蜂群算法的全局寻优能力和混沌算子的局部搜索能力得到改进算法,最后分别用仿真实验验证了改进算法在函数优化上的优越性和在解决农用无人直升机路径规划上的可行性。     

基于改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且易陷入局部最优值的问题,提出一种改进的蚁群优化算法。该方法依据起始点和目标点位置信息选择全局有利区域增加初始信息素浓度,提高前期蚂蚁搜索效率;增加避障策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死锁数量;采用动态参数控制的伪随机转移策略,提出优质蚂蚁信息素更新原则,自适应调整挥发系数,提高算法全局性;进行二次路径规划,优化路径并降低移动机器人能耗的损失。实验结果表明,该算法有较高的全局搜索能力,收敛速度明显加快,并且可以有效提高移动机器人工作效率,验证了该算法的有效性和优越性。     

基于改进蚁群算法的伺服机械手臂路径规划

针对基本蚁群算法在机械手臂的工作平台较小、障碍物与目标物体的尺寸相差不多时存在的局限性,提出了基于改进型蚁群算法的伺服机械手臂的路径规划.探讨了栅格划分大小对路径规划速度和精度的影响,改进了蚁群算法的局部信息素更新方法,扩大了蚂蚁的视野域范围.实验结果表明:改进型蚁群算法能在较短时间内寻找出较优的路径,实现了机械手臂运动过程中躲避障碍物的功能,提高了全局搜索性能.     

基于改进蚁群算法的多服务机器人路径规划

为解决多服务机器人全局路径规划的问题,将基本蚁群算法应用到多服务机器人全局路径规划上,并对基本的蚁群算法作了改进.对基于算法的多服务机器人系统的构成进行了描述,接着对多服务机器人系统环境的表示方法及算法中对应问题的描述和定义进行了研究.对应用到多服务机器人系统的基本蚁群算法提出了几种改进的策略,并对改进的蚁群算法应用到...     

基于改进蚁群算法的伺服机械手臂路径规划

针对基本蚁群算法在机械手臂的工作平台较小、障碍物与目标物体的尺寸相差不多时存在的局限性,提出了基于改进型蚁群算法的伺服机械手臂的路径规划.探讨了栅格划分大小对路径规划速度和精度的影响,改进了蚁群算法的局部信息素更新方法,扩大了蚂蚁的视野域范围.实验结果表明:改进型蚁群算法能在较短时间内寻找出较优的路径,实现了机械手臂运动过程中躲避障碍物的功能,提高了全局搜索性能.     

基于改进蚁群算法的伺服机械手臂路径规划

针对基本蚁群算法在机械手臂的工作平台较小、障碍物与目标物体的尺寸相差不多时存在的局限性,提出了基于改进型蚁群算法的伺服机械手臂的路径规划.探讨了栅格划分大小对路径规划速度和精度的影响,改进了蚁群算法的局部信息素更新方法,扩大了蚂蚁的视野域范围.实验结果表明:改进型蚁群算法能在较短时间内寻找出较优的路径,实现了机械手臂运动过程中躲避障碍物的功能,提高了全局搜索性能.     

基于改进蝗虫优化算法的移动机器人路径规划

为提升蝗虫优化算法(GOA)在移动机器人路径规划中的应用效果,将基于Levy飞行的局部搜索策略和基于线性递减参数的随机跳出策略引入到GOA中,提出了改进蝗虫优化算法(IGOA)。相比于GOA,IGOA中的Levy飞行局部搜索策略增强了算法的随机性,线性递减参数的随机跳出策略降低了算法陷入局部最优的概率。移动机器人2种不同行驶环境的路径规划实例中,IGOA获得的结果更优。     

基于改进蚁群算法的移动机器人全局路径规划

为提高机器人全局路径规划的通用性,将机器人的环境地图分为目标点在障碍物内和障碍物外两种情况,采用了伪随机比例规则和随机选择机制,使蚂蚁下一节点的选择在倾向于目标点的同时又不会陷入局部最优解,既提高了蚂蚁的搜索效率又扩展了搜索范围,并采用最大一最小蚂蚁思想来限制信息素的强度以防止早熟收敛现象的发生。为提高算法的实用性,运用几何方法对路径进行了修正处理,实现了机器人的快速全局路径规划。仿真研究表明：该算法具有较强的通用性、实用性和路径较优的特点。     

基于改进蚁群算法的移动机器人路径规划研究

为了提高机器人路径规划算法的收敛速度和收敛精度,提出了基于改进遗传算法的机器人路径规划方法。介绍了栅格建模方法,分析了传统蚁群算法原理。提出了蚂蚁相遇策略提高了算法搜索效率,提出了蚂蚁回退策略避免陷入U形陷阱,设置了信息素感应阈值扩大了算法前期的搜索范围,改进了信息素残留方法使蚁群能够记忆最优路径,提出了信息素自适应调整方法,兼顾了算法前期的大范围搜索和后期的快速收敛。经仿真实验验证,相比于传统蚁群算法,改进算法具有更快的收敛速度、更优的规划结果,且改进算法的蚁群轨迹更加集中至最优解附近。