基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.     

基于改进人工势场的移动机器人路径规划

介绍了传统人工势场法在静态环境中的应用,分析了此方法在动态环境中的不足,在此不足的基础上引入了速度势场的概念,改进了传统的人工势场函数,得出了新的引力函数和斥力函数;新的引力函数和斥力函数考虑了机器人、目标点、障碍物的速度特性,使机器人能更好适应动态环境;在新的势场函数作用下,机器人能快速调整自身速度大小和方向,使其快速脱离障碍物的威胁并快速、准确到达或追踪目标;仿真实验结果验证了新的人工势场函数的有效性.     

改进的势场蚁群算法的移动机器人路径规划

针对蚁群算法路径规划初期信息素浓度差异较小,正反馈作用不明显,路径搜索存在着盲目性、收敛速度相对较慢、易陷入局部最优等情况,人工势场算法的势场力可引导机器人快速朝目标位置前进,提出势场蚁群算法,通过栅格法对机器人的工作环境进行建模,利用人工势场中的势场力、势场力启发信息影响系数及蚁群算法中机器人与目标位置的距离构造综合启发信息,并利用蚁群算法的搜索机制在未知环境中寻找一条最优路径。大量的仿真实验表明势场蚁群算法路径规划能找到更优路径和收敛速度更快。     

基于改进人工势场法的移动机器人路径规划

传统人工势场法处理机器人路径规划时,会出现陷入局部最小值乃至无法运动的问题以及障碍物附近目标不可达问题。针对传统算法的不足,提出一种改进的人工势场法。对引力场进行修改,添加最小引力势能,并在斥力场函数中引入当前点与目标点的欧氏距离,当搜索路径陷入局部最小值不可移动时采用变步长的模拟退火算法进行逃逸。在规划出来的路径上提出一种路径优化算法,对规划出来的路径进行平滑处理。仿真分析表明,改进后的算法能够在较为复杂的静态障碍环境中规划出一条无碰撞的平滑路径,证明了该算法的有效性。     

基于改进人工势场法的移动机器人路径规划

针对势场法的障碍物附近目标不可达的问题,改进了传统人工势场斥力函数,确保目标点是机器人的势场全局最小点,使得机器人顺利到达目标点。针对势场法的局部最小值问题,提出了一种连接局部最小值区域障碍物的方法,建立了机器人离散传感器模型,使机器人快速走出局部最小值区域。改进后的人工势场法适用于复杂室内环境下的机器人路径规划。仿真结果证明了该方法的有效性。     

基于改进人工势场法的移动机器人路径规划

基于传统人工势场法的机器人路径规划存在障碍物附近目标不可达和局部极小点的问题。在研究该问题产生原因的基础上,提出了一种基于改进人工势场法的移动机器人路径规划算法。该算法在斥力函数中引入了机器人和目标点之间的距离,在极小点附近自主建立虚拟目标牵引点并隔离原有目标点,解决了传统人工势场法的局部极小点问题,使机器人到达了目标点。仿真结果说明了改进后算法的有效性。     

基于模拟退火算法的人工势场法路径规划研究

针对传统人工势场法在路径规划中存在局部极值小点问题,使得移动机器人无法运动到目标点,提出一种基于模拟退火算法的人工势场法,其利用模拟退火算法在出现局部极小点的位置附近增设随机目标点,引导移动机器人逐渐逃离出局部极小点区域.最终通过Matlab仿真表明,所设计的方法能使移动机器人逃离局部极小点位置,成功到达目标点位置,并...     

移动机器人动态人工势场路径规划方法研究

针对传统人工势场法在多障碍物环境中进行路径规划存在局部极小值,以及动态环境中移动机器人无法实时路径规划等问题,提出一种动态模糊控制的改进人工势场法,通过在势场力函数中引入速度矢量项,并采用模糊控制方法实时调节斥力场系数,从而实现在动态多障碍物的环境下机器人快速、实时、自适应的路径规划.仿真结果表明,该方法有效可行,在典型位置关系及特殊运动状态下均可获得良好的路径规划性能.

Abstract：

For traditional artificial potential field (APF) method,the local minima problem exists and can not satisfy the requirement of real-time for path planning of mobile robots in the multi-obstacle dynamic environment. A new APF method based on dynamic fuzzy control is proposed in this paper. The potential field force function is modified by introducing the velocity vector. The coefficients of potential field of repulsive force are adjusted by fuzzy control method. A fast real-time self-adaptive path planning method with dynamic multi-obstacle is realized. The simulation results show that the method is effective and feasible, and can get much better performance of path planning in typical location relationship and special motion relationship.     

移动机器人路径规划的模糊人工势场法研究

静态环境下的路径规划是移动机器人领域非常重要的研究课题。人工势场法由于算法简单、计算量小、运算速度快、实时性好等特点,在移动机器人路径规划中得到了广泛应用,但人工势场法也存在目标不可达和局部极小值问题。针对人工势场法存在的不足,将模糊控制思想引入到移动机器人的路径规划中来,对移动机器人的偏转角进行精确控制。仿真实验结果证明了所提方法的有效性。     

非完整移动机器人的人工势场法路径规划

基于人工势场的移动机器人路径规划方法在最近20多年里受到了广泛关注.然而研究者主要将目光集中于解决其各种理论问题,在研究中大都将机器人看作无约束的质点或刚体,通常无法直接应用于受到非完整约束限制的轮式移动机器人.针对人工势场法在轮式移动机器人上的实现问题,本文对两种已有实现方法进行了理论分析,指出其存在目标不可达的隐患和无法在不同环境下兼顾路径规划性能的问题,并提出一种基于模糊规则的新方法,通过在不同的情况下调整控制方式和参数解决前述问题.仿真研究表明,该方法在保证目标可达的前提下能够在多种环境中获得更好的总体规划性能.     

基于改进人工势场模型的移动机器人路径规划

针对传统人工势场模型在移动机器人路径规划中存在局部极值的问题,提出了一种改进方法。该方法首先将传统势场模型转换成解空间中寻优的问题,再加入罚因子建立罚函数数学模型。新的势场模型能够有效的使得机器人成功逃逸局部极值点。最后通过MATLAB进行仿真实验,仿真实验结果证明该方法的有效性。     

基于人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法,具有反应速度快、计算量小和实时性等优点。但这种方法容易产生局部极点,导致机器人停止移动,达不到目标。文章利用传统的人工势场法对移动机器人避障行为进行了仿真实验并成功地规划出一条光滑路径,并对人工势场法研究现状进行了分析讨论。     

基于深度Q网络和人工势场的移动机器人路径规划研究

随着移动机器人在各个领域的研究与发展,人们对移动机器人路径规划的能力提出了更高的要求;为了解决传统的深度Q网络算法在未知环境下,应用于自主移动机器人路径规划时存在的收敛速度慢、训练前期产生较大迭代空间、迭代的次数多等问题,在传统DQN算法初始化Q值时,加入人工势场法的引力势场来协助初始化环境先验信息,进而可以引导移动机器人向目标点运动,来减少算法在最初几轮探索中形成的大批无效迭代,进而减少迭代次数,加快收敛速度;在栅格地图环境中应用pytorch框架验证加入初始引力势场的改进DQN算法路径规划效果;仿真实验结果表明,改进算法能在产生较小的迭代空间且较少的迭代次数后,快速有效地规划出一条从起点到目标点的最优路径。     

基于改进A*算法的移动机器人路径规划研究

A*算法广泛应用于移动机器人路径规划中，而传统A*算法在寻路时，普遍存在搜索时间较长、效率低下等问题，因此，采用双向搜索的方式，对传统A*算法加以改进，该算法在路径规划过程中，可同时进行正反向路径搜索，同时采用正反向搜索交替机制，保证了最终目标节点搜索在连线中点区域内相遇，从而缩短了寻路计算时间。在MATLAB平台上，针对改进后的A*算法进行仿真实验，结果证明，双向A*算法减少了规划时间，且可生成最优路径。最后，将该算法应用到基于开源机器人操作系统的Turtlebot2移动平台上，进行现场实验，实验结果表明，双向A*算法减少了寻路计算时间，从而使得路径搜索效率得到显著提升，且规划路径合理，满足路径规划要求。     

基于改进A*算法室内移动机器人路径规划

A*算法常用于二维地图的路径规划,但是在利用其进行室内移动机器人路径规划时,存在过多的冗余点和拐点,造成了内存消耗过大和路径不平滑。针对上述问题,提出了一种改进的A*算法。结合跳跃点搜索理论,利用先验信息,用选取的关键点代替了传统A*算法中Openlist和Closelist的点,减小了计算量,提高了运算速度。运用反向搜索策略,对路径进行二次规划,删除不必要的转折点,降低了路径长度。将路径在转折点处进行动态圆平滑处理,提高了路径的平滑性。为了验证改进A*算法的性能,将其应用于不同尺寸仿真栅格环境地图和处于真实室内环境的机器人中,实验结果表明,在相同环境下,改进算法相较于传统的A*算法,在运行时间、路径长度和平滑程度上均有明显的提高。     

改进人工势场法的移动机器人路径规划

传统人工势场法在路径规划过程中易陷入势场局部最小点和陷阱区域,面对较为复杂的障碍物环绕环境也难以规划出完整路径。针对这个问题,提出了一种改进人工势场法。引入机器人前进的方向向量,对斥力的生成和计算机制进行了调整以解决其处于局部最小点情况下无法继续规划路径的问题;添加了判断机制以识别周边环境状况,当机器人处于陷阱区域等复杂环境下时设立虚拟目标点以引导其向外运动从而摆脱陷阱区域。结果表明,改进算法可以有效解决传统算法容易出现的路径规划中断情况;同时与传统算法相比,其在随机障碍物环境中的规划路径长度减少,有效提高了路径规划效率。     

改进人工势场法在机器人路径规划中的应用

针对传统人工势场法中存在的一些局部极小点问题,提出了一种基于偏转角度的改进人工势场法。针对在传统的人工势场法中,障碍物在目标点附近使得机器人不能到达目标点问题,通过加入机器人与目标点之间距离参数的方法,使得移动机器人顺利到达指定目标点。对于机器人在行进过程中,产生局部极小点问题,即出现合力为零的时候,在机器人因受斥力和引力的作用下沿正常角度行驶时给其加入一个偏转角度,有效解决了路径规划失败的问题,规划出一条平滑无碰撞路径。通过仿真实验,可以验证算法改进的有效性。     

基于激光雷达的机器人改进人工势场路径规划研究

人工势场法路径规划需要建立在已知环境下障碍物分布位置的基础之上,而激光雷达传感器可以用于未知环境下障碍物分布位置的探测和获取,因此可以将两者结合,从而解决移动机器人未知环境下路径规划问题。该课题建立在人工势场法理论基础之上,在Matlab中构建路径规划仿真图形用户界面,利用机载激光雷达传感器探测获取障碍物的位置分布信息,通过串口将数据传输至Matlab软件中并显示。在Matlab软件下编写人工势场路径规划的实现算法,进行仿真实验。实验结果表明,传统人工势场法路径规划存在的两个问题,分析原因后给出一种改进的人工势场法,并在之前的图形用户界面下继续进行仿真实验。仿真结果表明：改进的人工势场法有效地实现了路径优化的目标。     

改进ARA*算法的移动机器人路径规划

针对传统ARA*移动机器人全局路径规划算法效率和安全性的缺陷,在ARA*算法的基础上进行了改进。用二叉排序树代替传统ARA*算法中用来存储节点信息的线性表,减少搜索一维数据结构最小值时需要查阅的数据个数,降低节点更新模块的时间复杂度,提高算法效率;为了保持机器人与障碍物之间的安全距离,提出了一种自适应的节点间连接方式选择策略,通过4连接与8连接的融合,移动机器人可以在局部无障碍范围内减少自身折转次数,避免路径冗余,在障碍物角点直角折转,降低移动机器人执行任务时的安全风险。仿真结果表明,改进后的ARA*算法搜索时间相比传统ARA*算法减少了43%;改进算法规划出的路径保证机器人始终能与障碍物保持安全距离。