灭火机器人路径规划研究

随着社会的需求和技术的快速发展,移动机器人路径规划技术得到了很大发展,应用范围也越来越广泛。文章对移动机器人路径规划方法进行了研究,分析了传统路径规划算法和智能路径规划算法的原理、算法的优点及在应用中存在的问题。最后对移动灭火机器人路径规划的发展趋势进行了展望。     

避障机器人路径规划算法的研究

结合移动机器人的实际应用场景,针对常规算法规划出的路径存在折点多、转弯角度过大、与障碍物距离较小、搜索的路径较长等问题,对在栅格地图下混合全局路径规划与局部路径规划算法进行了研究,采用人工势场算法与蚁群算法混合,为移动机器人规划出全局最优路径,同时实时躲避局部障碍物。经过仿真测试,移动机器人可以根据全局路径规划的路径得到最优的整体路径,通过局部路径规划算法避开局部区域的障碍物,使移动机器人能够从起点平稳无碰撞地行驶至目标点。     

基于粒子群优化算法的机器人路径规划

文章提出一种机器人路径规划的有效算法,为机器人找到一条从起点到终点最短的无碰撞路径,主要是优化了粒子群的惯性权重,然而其在不同的阶段采用不同的权重值。通过实验发现,改进后粒子群能够收敛得更快,数据收敛得更精确。     

移动机器人路径规划方法研究

移动机器人技术研究中的一个重要领域是路径规划技术，它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状指出了各种方法的优点与不足，最后对移动机器人路径规划技术的发展趋势进行了展望。     

未知环境中移动机器人的路径规划与探索算法

未知环境中移动机器人如何快速到达目标,如何尽量获取环境信息以绘制地图,是常见问题,也是难点问题.针对此二问题,论文综述了路径规划、探索算法领域的相关研究成果,指出了它们的特点与不足.最后对路径规划、探索算法的发展趋势进行了展望.     

移动机器人的路径规划方法的研究

本文针对机器人及障碍物的位置可以实时测得,障碍物数量固定,形状大小可预知,位置一般固定不动的情况,提出一种计算简单．容易实现的移动机器人路径规划方法,可适用于某些特定的场合。     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

基于动态障碍物的机器人避障路径规划方法

针对传统机器人路径规划只适用于障碍位置固定的环境中,无法避开动态障碍物的问题,提出一种融合动态障碍物信息的机器人避障路径规划方法.对传统动态窗口法(Dynamic Window Approach,DWA)进行改进,融合动态障碍物信息与机器人运动学分析,来解决机器人在动态环境下的避障问题,并与改进的A*算法融合,来保障机器人路径规划的全局最优性.实验结果证明,所提出的方法在动态环境下适应度高、安全性强,具有一定的应用价值.     

室内环境下移动机器人地图构建与路径规划技术

本文通过对某一个移动机器人的路径规划进行分析,到对多个移动机器人的路径规划,最终到很多移动机器人进行地图构建。移动机器人所主要研究的方向是路径规划,地图构建以及实时定位的问题。     

改进非洲秃鹰算法的机器人路径规划研究

为优化非洲秃鹰算法（African vultures optimization algorithm, AVOA）在对移动机器人进行路径规划时存在的收敛效率低下、易陷入局部极值等问题,提出了一种融合Tent混沌映射和时变机制的改进非洲秃鹰算法（improved African vultures optimization algorithm, IAVOA）。首先,引入Tent混沌图进行种群初始化,扩大算法的解空间。同时,记录个体的历史最优位置并应用于个体位置更新。另外,在算法的探索和开发阶段设计了一种时变机制来平衡算法的探索能力和开发能力。基于不同的环境进行仿真分析,结果表明改进的非洲秃鹰算法较对比的其他算法各项指标表现更为优秀,寻优效果更佳。最后,实物实验验证了改进非洲秃鹰算法的可行性。     

基于Bug算法的移动机器人路径规划研究

当移动机器人具有有限的计算能力时,Bug算法是最简单有效的路径规划算法,适用于环境地图未知或环境快速变化的情况,这些算法从机器人传感器,如激光雷达传感器来获得的本地信息和全局目标信息,以朝向目标的直线运动和沿着障碍的边界运动这两种简单的运动方式来到达目标点。文章对此展开了分析。     

改进的A＊算法在机器人路径规划中的应用

文中提出了一种改进的A＊算法并应用于机器人路径规划中。采用基于A＊算法的二次路径规划策略,机器人行走时遇到突然出现的未知障碍物时能有效地进行路径重规划;采用基于优先级的子节点生成策略,考虑到了现实中机器人的体积,使规划路径能在现实中得到执行;最后,通过MATLAB仿真平台进行了仿真,验证了此算法的有效性和可靠性。改进的A＊算法提高了机器人的智能水平和实时路径规划能力。     

基于环境模型的移动机器人路径规划

介绍了一种新的移动机器人路径规划方法。采用链接图法,对工作空间建模。用Dijkstra算法决策出全局最短路径,然后用遗传算法对此路径进行优化,得到全局最优路径。最后提出了一种对路径几何改进的方法。仿真结果表明,该方法方便简单,对所规划的路径质量有所提高。     

不确定环境下的侦察无人机自主航路规划仿真

自主式无人机是无人机发展的必然趋势,不确定环境下的航路规划是无人机航路规划研究的新领域.为了研究战时条件下侦察无人机的自主航路规划,根据无人机的控制系统工作方式,建立了仿真模型框架,并在此基础上开展仿真研究.首先,针对战时条件下侦察无人机执行任务的不确定环境,从战场使用的实际情况出发,建立了基于目标存在概率的环境信息模型;然后,根据无人机机载探测设备探测区域建立了探测模型,提出了航路控制决策模型,并采用动态规划进行航路规划.最后,设计了一个无人机侦察不确定环境的仿真试验,仿真结果验证了该方法的有效性.     

盲区条件下一种基于记忆机制的移动机器人快速路径规划方法

如何在存在盲区的条件下实现机器人路径规划,是现实中的一大难点问题。本文利用路口点表征自由路径,通过估算盲区内路口点位置及其存在的概率,实现对历史感知数据的记忆与利用。建立评价函数对盲区内路口点及感知范围内的路口点进行评价,同时利用了历史感知信息与当前感知信息。与传统局部路径规划方法相比,该方法避免了盲区带来的徘徊、规划失败等问题。仿真表明了该方法的有效性。     

HQD-RRT*: a high-quality path planner for mobile robot in dynamic environment

Mobile robots have been used for many industrial scenarios which can realize automated manufacturing process instead of human workers. To improve the quality of the optimal rapidly-exploring random tree ( RRT* ) for planning path in dynamic environment, a high-quality dynamic rapidly-exploring random tree ( HQD-RRT* ) algorithm is proposed in this paper, which generates a high-quality solution with optimal path length in dynamic environment. This method proceeds in two stages: initial path generation and path re-planning. Firstly, the initial path is generated by an improved smart rapidly-exploring random tree ( RRT* -SMART) algorithm, and the state tree information is stored as prior knowledge. During the process of path execution, a strategy of obstacle avoidance is proposed to avoid moving obstacles. The cost and smoothness of path are considered to re-plan the initial path to improve the path quality in this strategy. Compared with related work, a higher-quality path in dynamic     

基于狭窄通道路径树的快速航路规划算法

针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-exploring Random Tree, RRT)算法,在两棵搜索树的扩展过程中,通过判断搜索树与狭窄通道路径树的位置关系,将狭窄通道路径树添加到搜索树上,实现搜索树在狭窄通道中的快速扩展,减少两棵搜索树的无用扩展,提升航路树生成的速度。仿真结果表明,该方法能够解决无人机在存在狭窄通道的复杂环境中进行快速有效航路规划的问题。