基于A~*与Floyd算法移动机器人路径规划研究

针对移动机器人在静态环境中的特点,为了提高路径规划效率和精度,设计了A~*算法与Floyd算法结合的路径规划。我们根据实际环境,在栅格地图的基础上,利用A~*算法进行初步路径规划,找到了一条可通行的最短路径,此路径存在节点部分折点处比较尖锐、不够平滑,不利于移动机器人行驶。因此,使用Floyd算法对路径平滑处理,简化了路径,并且在拐点处机器人能够更好的调整姿态,满足了路径规划的要求。     

基于局部最小能量的移动机器人路径规划

从移动机器人运动能量损耗的角度对移动机器人全局环境未知时的路径规划问题进行了探索,提出了一种新的基于局部最小能量的路径规划算法.采用概率手段创建了平面环境中不同区域的能量损耗模型,通过引入复杂环境中移动机器人运动规划的最小能量法,设计了一局部能量函数对机器人进行实时局部最优路径规划.仿真试验表明该算法具有较强的适应能力和可行性,在高复杂度、高密度的未知障碍环境中移动机器人依然可以顺利抵达目标点.     

基于移动机器人路径跟踪的智能控制设计与实践

本文对移动机器人路径跟踪的智能控制设计与实践进行分析,介绍模糊控制系统和视觉导航系统在移动机器人路径跟踪中发挥的作用,经过FPGA令移动机器人进行速度调节和基于PSO的PID算法进行智能方向调节。通过精细算法及控制系统优化,令移动机器人在进行工作中对路径具有高精准选择,提升移动机器人的工作效率。     

基于混合量子遗传算法的外贸企业物流配送车辆优化调度

为了提高外贸企业物流配送车辆调度能力,提出基于混合量子遗传算法的外贸企业物流配送车辆优化调度算法。构建外贸企业物流配送车辆路径规划的地图网格模型,采用混合量子遗传算法进行外贸企业物流配送车辆调度的信息模拟,构建外贸企业物流配送车辆的移动规则模型,进行外贸企业物流配送车辆调度的路径规划。结合信息素导引方法进行外贸企业物流配送车辆优化调度的自适应控制,构建外贸企业物流配送车辆优化调度的混合量子遗传进化寻优模型,根据混合量子遗传路径约束寻优方法构建外贸企业物流配送车辆优化调度的人工智能算法,实现外贸企业物流配送车辆优化调度和人工智能控制。仿真结果表明,采用该方法进行外贸企业物流配送车辆调度的寻优能力较好,路径规划能力较强,提高了车辆调度效能。     

动态扩散粒子群算法及在机器人路径规划上的应用

针对粒子群算法对高维函数优化性能不佳问题,提出了一种动态扩散粒子群算法,并将其应用于移动机器人路径规划中。该算法通过引进动态调节数,动态的选择粒子的运行轨迹,阻止种群在演化过程中搜索效率降低的缺陷,提高算法的寻优性能,在处理大规模函数优化及移动机器人路径规划方面具有更强的寻优能力及更高的搜索精度。     

基于拓扑地图的田间机器人路径规划和控制

针对温室大棚环境下的田间机器人运动路径问题,提出1种基于拓扑地图和邻接矩阵的机器人路径规划算法。首先根据温室大棚环境,构建其拓扑地图;根据节点的连通性,创建邻接矩阵;通过搜索邻接矩阵的节点连通性,规划出1条最优路径。利用3个超声波传感器检测环境信息,通过陀螺仪检测机器人的姿态,采用比例微分(proportional-differential,PD)控制方法引导机器人根据规划的路径进行前进和转向。利用MATLAB对该算法进行运算和仿真,可以得到障碍物被放置在任意节点时的机器人最优路径。通过搭建温室大棚田间道路环境模型进行机器人运动试验。试验数据显示:机器人在该路径规划算法下能以最短的路径遍历必走路线;同时机器人在PD控制器调节下,能够实现上升时间小于0.5s,超调量小于6%,稳态误差小于5%的直线行走和上升时间小于0.5s,稳态误差为小于1%,超调量小于1%的转向控制,从而保障机器人的避障功能。仿真和试验结果表明:本文提出的路径规划算法和运动控制算法可行且有效,具有一定的应用意义。     

基于双目视觉的多机器人SLAM

为了解决单个移动机器人在未知环境下,构建地图不精确及无法实现并行任务的问题,提出了基于双目视觉的多机器人SLAM (Simultaneous Localization and Mapping),此方法可以大幅度提高机器人的定位精度和构图的准确性。以双机器人为例,提出了协作SLAM的实现方法,通过ORB-SLAM2算法,将两个机器人获得的关键帧进行共享,通过相对位姿估计不断地更新局部地图,然后将局部地图进行融合,从而实现多机器人SLAM。     

基于重采样技术的激光SLAM系统优化设计

基于Rao-Blackwellized粒子滤波(Rao-Blackwellized partical filter,RBPF)算法的移动机器人在同时定位与地图构建(simultaneous localization and mapping,SLAM)过程中存在计算量大、粒子耗尽问题。基于重采样技术对激光SLAM系统开展优化设计:在采样过程中加入最近一帧的激光观测模型,减少构建地图所需要的粒子数;同时提出一种自适应优化组合重采样方法,以缓解粒子耗尽现象,保持粒子的多样性。利用Turtlebot 2和Rplidar A2搭建的平台进行实验验证,结果显示,改进的RBPF-SLAM系统优化方法能够以更少的粒子数生成精度更高的全局一致性的地图。     

移动机器人SLAM技术

在太空探索宇航领域、工业自动化领域、以及军事服务等领域移动机器人系统技术有着广泛的发展前景。SLAM技术的是simultaneous localization and mapping的缩写,即时定位与地图构建。也可以叫做Concurrent Mapping and Localization并发建图与定位,缩写为CML。本文以移动机器人在未知环境下的SLAM技术问题为主要研究对象,探析了SLAM技术在移动机器人上的应用。总结了SLAM技术问题以及相关的研究现状,分析了SLAM技术存在的优缺点,阐述现有SLAM技术解决方法在移动机器人领域的发展趋势及展望。     

移动机器人定位技术研究综述

移动机器人的定位技术在机器人研究领域中已被广泛的研究,本文针对机器人的定位问题,基于绝对定位和相对定位两大类定位技术,对室内自主移动机器人的定位技术进行了综述,简述了基于地图匹配、路标识别、概率估算三种定位技术,以及各自的优势和局限性,并展望了移动机器人室内自定位技术的进一步研究方向。