引入方向变量的群机器人启发式区域覆盖算法

针对基于栅格地图环境下,群机器人采用启发式全区域覆盖算法完成区域覆盖任务时,多个机器人相遇后,并发覆盖相同栅格而造成重复覆盖的问题,通过减少机器人运动过程中的转向次数的方法,有效减少了机器人的相遇次数,从而减少了机器人并发覆盖相同栅格的次数。根据该方法,在原算法中引入了方向变量,形成了改进的群机器人启发式全区域覆盖算法。最后,通过仿真实验,说明了该算法的有效性。     

机器人自动绘制地图的一种简单算法

采用基于栅格的地图表示方法,对机器人自动测绘未知区域地图的问题进行了研究.通过分析不同情况下的测绘需求,提出了一种新的算法,即利用地图栅格化和单步探测性价比的最优化来确定导航路径,从而实现机器人自动绘制未知区域地图的功能.仿真实验表明,该算法简洁、实用、可靠,并且可提高测绘的效率.     

基于改进蚁群粒子群算法的移动机器人路径规划

全局静态地图下,针对蚁群算法规划机器人移动路径时存在计算时间长、搜索效率低,并且得到的优化路径转弯次数过多的问题,提出了一种改进蚁群粒子群算法：首先利用粒子群算法快速得到蚁群算法初始信息素,然后进行蚁群算法路径规划,对得到的路径采用惯性优化,对每个节点进行遍历,当 ２个节点间的路径上无障碍物时,将中间节点删除,转换为优化路径。仿真实验表明,该方法与传统蚁群算法及相关改进算法相比,能有效减少迭代次数、提高搜索效率、减少转弯次数、缩短路径长度,从而提高路径质量。     

基于ROS的移动机器人自主建图与路径规划

为了提高机器人的自主导航性能,设计了基于ROS的移动机器人自主建图与路径规划系统.通过2D激光雷达获取周围环境信息,利用姿态传感器(IMU)获取机器人的姿态和加速度信息,利用Gmapping算法实现机器人的自主定位与建图,利用基于头尾双向搜索的A~*算法进行全局路径规划,采用DWA算法完成局部避障工作.结果表明,所提算法可使机器人完成构建地图以及自主导航任务,提高导航系统的自主性能以及工作效率.     

基于人工智能算法的采摘机器人最优路径规划研究

在复杂多变的工作环境,特别是在多丘陵等特殊地理位置,快速选择最优路径,避开障碍物,完成作业,需要进行采摘机器人的路径规划.基于改进蚁群算法对拣选机器人路径进行规划,搜索效率较低,存在早熟收敛的可能,基于此,提出基于人工智能算法的采摘机器人最优路径规划方法.构建环境模型,为减少初始寻路时间,提高搜索速度,增强全局优化能力...     

基于UKF的苹果果实定位估计算法

在多数农村乡镇,传统小型农田主要依靠人工进行施肥灌溉、采摘果实等作业;而大中型农田虽然已经进行整改使用现代化机械,但大多还需驾驶员操作该机械完成,整体效率及操作安全性还有待提高.针对以上问题,提出了一种基于机器人自主导航UKF(Unscented Kalman Filter)位置估计算法的果实识别及定位方法.机器人携带视觉、光学、惯性等各类传感器采集果实图像信息,通过导航解算得到其位置信息,并用图像处理算法提取成熟果实特征,为农业机器人自主采摘提供更精确的技术指导.实验表明,1 000 s内采集到的所有果实x、y方向上,基于UKF算法的位置估计误差均值在[0,0.05]m范围内,对果实判断最精确;基于单个果实特征位置(0,0)cm的小范围定位采摘仿真实验表明,UKF算法的误差定位范围在两次量测中分别为[-1,2]cm与[-9,1]cm,无论是横方向还是纵方向定位靠近特征,其精度均比EKF算法提高了50%左右.     

一种基于迭代EKF的FastSLAM算法

针对在传统的快速地图创建和同时定位算法(fast simultaneous location and map building, FastSLAM)中采用扩展卡尔曼滤波器(extend Kalman filter, EKF)来估计机器人位姿和地图创建所带来的线性化误差的问题,本研究提出了一种基于迭代EKF的FastSLAM2.0算法--IFastSLAM算法。该算法将迭代思想运用到EKF中,同时采用迭代EKF来估计粒子从而完成机器人地图创建和自身定位。实验结果证明,该算法提高了粒子的估计精度从而减缓粒子退化问题,并更好的维持了地图的一致性。     

一种复杂环境下的移动机器人路径规划方法

针对基于粒子群优化算法的路径规划方法在复杂环境中容易出现找不到有效路径的缺点,提出了一种深度优先搜索和粒子群优化算法相结合的机器人路径规划方法。该方法将待探索区域划分为若干个子区域,利用粒子群优化算法深度优先搜索子区域。仿真实验结果证实了该方法的有效性和可行性。     

基于优化RTAB-Map的室内巡检机器人视觉导航方法

巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real time appearance based mapping)算法的巡检机器人视觉导航方法。首先,通过重新配置RTAB-Map点云更新频率,实现算法优化,构建稠密的点云地图后;采用启发式A*算法、动态窗口法（dynamic window approach,DWA）分别制定全局与局部巡检路径,通过自适应蒙特卡罗定位（adaptive Monte Carlo localization,AMCL）方法更新机器人的实时位姿信息,再将搭建好的实体巡检机器人在软件、硬件平台上完成视觉导航测试实验。结果表明：优化后的RTAB-Map算法运行时的内存占比稍有增加,但获得与真实环境一致性更高的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。     

基于改进人工鱼群算法的蠕虫机器人路径规划

针对人工鱼群算法在机器人路径规划中存在路径长、精度不高、易陷入局部最优等问题,提出了一种改进的人工鱼群算法,旨在提高算法效率及精度。首先,在算法觅食行为中加入寻优循环,减少算法在路径规划中选取位置点的随机性,使机器人能够更快地走向目标点;其次,融合禁忌搜索算法,通过引入禁忌表来记录算法陷入局部最优的路径,使算法在选取新位置点时能够避开局部最优区域,避免算法在局部过度循环,同时对规划出的路径进行优化处理,删去重复栅格点之间的路径,保证路径中没有重复的栅格点;最后,将改进后的人工鱼群算法应用在一种新型的三维栅格地图中。实验结果表明：相较于其他对比算法,在地图1、2、3中改进人工鱼群算法所取得的平均路径长度分别减少了10%、15%、30%,在复杂地图中路径规划的成功率提高了75%。     

脐橙采摘机器人快速视觉定位系统研究

基于双目视觉设计了脐橙采摘机器人果实快速识别与三维视觉定位系统.利用归一化2R-G-B色差模型阈值分割提取目标果实;采用游程编码快速进行连通区域标记及区域形状特征描述;通过最优采摘目标策略选取最佳采摘对象.针对目标的外形、纹理区分度小,容易出现多候选匹配情况,采用形心特征点与邻域灰度互相关性相结合的匹配算法立体匹配.通过定位实验验证了系统的实时性和精度性能.实验数据表明:系统定位单个果实时间为0.6 s左右,在220~850 mm距离范围内误差小于12 mm,可以较好满足采摘机器人实时性和精度要求.     

改进粒子群算法的工业机器人几何参数标定

针对传统粒子群(PSO)算法在解决工业机器人几何误差标定问题中存在的收敛速度慢的缺点,提出了一种基于两段式的动态粒子群算法(LDPSO-BT)。用Denavit-Hartenberg方法建立工业机器人的误差模型,将几何误差标定问题转换成对高维非线性方程的求解;对粒子群数目进行线性递减,同时针对算法求解过程中粒子数目线性递减的特点,在改进粒子群算法迭代后期采用改进的搜索模式,对传统粒子群的速度迭代公式进行改进;仿真实验对比了工业机器人几何误差标定前与标定后两种算法的末端定位精度。实验结果表明:在采用粒子群算法辨识工业机器人实际几何参数的过程中,粒子群数目对算法的迭代时间有重要影响,通过线性递减的方式减少粒子群的粒子数目可以有效地减少工业机器人几何误差标定时间,同时在粒子群算法迭代后期采用改进的速度迭代公式可以确保收敛精度。与传统粒子群算法相比,使用改进后的粒子群算法,不仅可以有效减少工业机器人的定位误差,而且还拥有更高效的迭代效率。     

基于群体智能的多机器人任务分配

针对具有松散和紧密耦合型任务的大规模多机器人系统,研究了基于群体智能的任务分配方法。系统采用层次结构,高层用蚁群算法实现松散耦合型任务分配的寻优,提出逆转分配思想让蚂蚁代表任务,为每个任务选择任务的承担者。底层分别提出了基于蚁群、粒子群蚁群和量子蚁群实现机器人联盟的形成——产生紧耦合型任务解,并进行仿真。仿真结果表明,基本蚁群算法得到的解质量最差;粒子群蚁群算法得到的分配解最好,但是运算时间最长;量子蚁群算法得到的解稍次于粒子群蚁群算法,但分配时间比另两种算法减少了一半。因此,在大规模的多机器人任务分配中,量子蚁群算法具有更强的适用性。     

面向声源搜索的机器人Z形路径算法实现

对移动机器人依靠单个传感器在二维区域搜索气味源的Z形路径算法进行计算机仿真,经分析得到多种情况下算法的应用性能,最后将该算法移植于搜索地面音频声源,通过实物机器人实现了该算法,为进一步改进该算法和进行机器人复杂实验创造了条件.     

改进蚁群算法在机器人水下作业路径规划中的应用

利用改进的蚁群算法对机器人水下作业进行路径规划,找出能耗最低路径,提高机器人续航能力;将蚁群算法中信息素的更新改进为用能量表示,使转移概率受能量、距离双重影响。通过matlab仿真建立障碍地图和路径规划平台,利用改进蚁群算法找到能耗最低路径,和传统以最短路径为最优解的蚁群算法相比,仿真实验求得的能耗最低路径,虽距离长但能耗低,更符合路径规划的最终目的。     

基于RTM的自主服务机器人智能化分散控制

为提高智能服务机器人的服务质量及智能化水平,基于机器人技术中间件(robot technology middleware,RTM),对室内环境下的机器人定点物体传送任务及其相关技术进行了深入研究.首先,为了提高系统的稳定性及开发效率,建立功能模块集,并结合模糊树图与DS(Dempster-Shafer)证据理论实现模块的粒度划分;对于机器人定点物体传送过程中所面临的即时定位与地图创建问题,采用Rao-Blackwellized粒子滤波算法完成底层栅格地图的创建,进而构造动态精简式混合地图,并利用记忆循迹规则实现机器人定点导航;通过改进的显著性区域提取算法实现对空间物体坐标的提取,并利用智能机械臂平台完成对物体的抓取及传送任务.以机器人移动平台和UR5机械臂为基础对设计系统进行实际测试,结果验证了所提分散控制方法的有效性和可行性.     

基于采样空间约束的改进RRT算法

由于水下环境比陆地环境复杂，在进行机器人水下路径规划时，利用传统算法规划的路径质量较差。为此，提出一种基于采样空间约束的改进快速扩展随机树(RRT)算法。首先，提取边界点，通过凸包算法划定障碍范围；其次，利用膨胀算法对划定的范围做区域膨胀，对采样空间进行约束；最后，通过对随机节点的四个特征进行计算，确定采样点的概率，为采用点的选择提供导向性，缩短因采样空间过大而导致过长寻路时间，提高路径质量。通过在PyCharm环境下的仿真实验对比RRT算法、RRT^*算法和改进后的RRT算法，实验结果表明改进的RRT算法各项性能均优于RRT算法和RRT^*算法。     

基于Voronoi图的点群移位算法效率优化研究

点群移位算法是点综合算法中一个重要的方法,可以解决因比例尺缩放和符号化后引起的要素空间冲突,但由于目前点群移位算法效率较低,难以满足快速地图成图的要求. 本文在分析已有点群移位算法效率的基础上,选择了基于Voronoi图的点群移位算法,并从算法级和代码级两方面对其进行了效率优化. 实验表明,本文提出的优化方法,在保持点群移位结果可用性的前提下,可以提高点群移位算法的效率.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

粒子群算法在多传感器多目标跟踪的应用

多传感器多目标跟踪系统中,数据关联是其中的关键问题之一.它可以表述为多维分配问题,提出了基于粒子群优化算法的多维分配算法,它将多维分配问题中的目标代价函数极小化问题作为组合优化问题求解.通过在粒子群初始化步骤以及交叉和变异时充分考虑确认备选量测,缩小优化搜索范围,能较快找到最优解实现关联.在虚警和漏检、密集目标环境下,该算法应用于多传感器多目标融合系统仿真,结果表明所述算法在多目标数据关联中有较好的可行性和优越性.