基于平滑A*算法的6×6轮式车最优路径规划

针对传统A*算法规划的路径并非最优路径,存在转折次数多、折线多、长度大、不易于移动机器人的运动控制及路径跟踪,本文提出了一种在栅格化环境中,基于平滑A*算法的最优路径规划方法.首先采用A*算法生成目标序列点,除去初始节点,依次屏蔽每个子结点,进行多次搜索比较,选择最短路径序列点,然后循环遍历路径中的所有点,当某一节点前后节点之间的连线不存在障碍物时,删除中间节点,并采用对称极多项式曲线对路径转折处进行平滑处理.该方法生成的路径最短且平滑,易于实现移动机器人运动控制及路径跟踪.仿真结果表明了该算法的有效性.     

基于改进蚁群算法的移动机器人路径规划研究

针对传统蚁群算法在移动机器人路径规划中存在收敛速度慢、易陷入局部最优和规划路径不平滑等问题,提出一种用于移动机器人路径规划的改进蚁群算法。首先在状态转移概率中引入平滑函数,使蚂蚁在进行路径节点选择时,考虑路径的平滑性。然后在对路径信息素更新时,引入多目标评价函数;同时提出一种基于熵权的分段信息素更新方式,每次迭代规划路径按多目标评价函数数值进行排序并分段,对不同的分段,引入不同的信息素强度放大系数,提升了算法的收敛速度。最后对规划路径进行二次优化,即先对路径节点进行优化,减少不必要的转弯节点,减小了路径转弯角度以及路径长度;再利用贝塞尔曲线对节点优化后路径的转弯拐点处进行平滑。在20×20的简单和复杂栅格环境中进行仿真实验,结果表明,改进蚁群算法规划出的路径长度更短、转弯角度更小和路径更加平滑,同时改进蚁群算法的迭代收敛速度更快,验证了改进蚁群算法在移动机器人路径规划中的优越性。     

动态环境下果园移动机器人的路径规划研究

为了实现移动机器人对可移动障碍物的避让,提出一种改进的蚁群算法,该算法通过建立方向夹角启发因子,使得蚂蚁尽量选择夹角小的节点作为下一节点,提高了最短路径搜索速度;引用了较复杂的对角线距离的倒数作为新的启发式因子,因该距离公式无需进行平方根运算,求解简单,再一次提高了搜索效率。并将其与A*算法相结合,来实现与动态障碍物的避让。试验结果表明,改进后的蚁群算法与原蚁群算法在同等最短路径的情况下,前者搜索最短路径的速度是后者的3倍,可以实现移动机器人在复杂环境下的动态避让。     

基于Voronoi图法的移动机器人路径规划

研究了一种在随机静态环境条件下移动机器人的路径规划方法.在环境地图信息的基础上,运用Voronoi图理论,建立了移动机器人运行的无碰撞路径网络.按特定的算法将给定的移动机器人起始点和目标点连入该路径网络,然后采用Dijkstra最短路径搜索算法,找出一条从起点到终点的最短路径.最后控制机器人沿着找到的最短路径运行到目标点位置,实现移动机器人的智能避障.整个系统以TI公司生产的TMS320LF2407A型号数字信号处理器(DSP)为控制器的核心.     

室内移动机器人路径规划算法

路径规划是移动机器人导航技术中的核心问题。在以往的研究中,机器人被视为一个点并且优化的目标为使路径最短,这种建模方法得到的路径往往不具有良好的可执行性。讨论了一种考虑路径平滑度和路径安全度的规划算法,并通过带惩罚函数的粒子群算法对其进行求解。最后在MATLAB中通过仿真试验验证了算法的有效性。     

蝴蝶优化算法的移动机器人全局路径规划研究

针对移动机器人路径规划问题提出了一种改进的蝴蝶优化算法。将蝴蝶优化算法与栅格法相结合,并对两种方法结合后的算法进行了具体说明;引入了禁忌表和回溯法,解决了算法在路径寻优中无后续扩展节点的问题;结合三次B样条曲线将路径规划中的最优节点作为控制点进行平滑输出,使移动机器人实际运动路径更加平滑。通过仿真实验,将改进算法与蚁群算法、遗传算法进行比较,证实了改进算法能够有效解决路径规划问题。将改进算法应用到实际的基于ROS的移动机器人上,实验结果证明了改进算法的有效性和可行性。     

关于移动机器人路径最优化问题

针对移动机器人路径规划的人工神经网络算法所存在的问题,提出应用局部路径修正和路径“张紧”法加以改进,以便适应多个障碍物的不同要求,在复杂环境下实现规划路最优化,并证验其有效性。实践表明,应用该方法改进的新算法效果十分显著,能够确保路径无碰撞,计算速度远高于原算法,快速得到最优化路径,并使路径长度有一定程度的缩短,在保证路径平滑性和兼顾快速性的前提下,解决了碰撞和路径最短问题,有效地实现了路径规划最优化。     

基于云计算的果园移动机器人动态路径规划

针对复杂果园环境下的移动机器人路径规划,提出一种基于云计算的混合改进人工鱼群算法.首先云端服务器利用栅格地图对环境进行建模,将Pareto支配关系和A*算法引入人工鱼的设计中,结合自适应的视野范围计算出静态全局最优路径,然后发送至移动机器人完成果园环境的路径规划.最后,针对动态环境中不同障碍物的速度和方向,提出3种避障...     

基于模糊推理技术PSO算法的 机器人路径规划研究

针对移动机器人路径规划质量不高的问题,对环境建模、适应度函数建立、算法选择等方面进行了研究归纳,提出了一种基于模糊推理技术PSO算法的路径规划方法。首先,对障碍物进行了扩展处理,通过坐标系转换建立了简化的环境模型;其次,在分析传统PSO算法采用定值的惯性因子ω和学习因子c_1、c_2取值对算法性能影响的基础上,提出了改进的PSO算法,采用模糊推理技术自适应地动态调整c_1、c_2;最后,将改进PSO算法应用于提高移动机器人路径规划中。研究结果表明:相对于传统PSO与APSO算法路径规划,改进算法在复杂环境下路径长度、平滑度、运行时间方面分别最少提高了17%、14%、7%,验证了算法在路径规划方面的可行性与高效性。     

面向方形节点拓扑地图下的移动机器人路径规划算法研究

针对方形节点拓扑地图下的移动机器人的特性,采用了A^*算法来实现路径规划,并对传统的A^*算法进行改进,一是在启发函数中引入了位移和角度2个因素,提高了函数的启发性; 二是引入堆的方法优化了数据结构,提高了列表中代价最小节点的搜索速度。仿真实验结果表明,改进后的A^*算法节点的最短路径节点相对减少,算法效率明显提高,具有良好的可行性和有效性。     

A~*算法在移动机器人路径规划中的应用

采用A*算法对已知环境中的移动机器人路径规划问题进行研究。利用栅格法建立环境模型,然后对节点的选择进行分析,最后通过MATLAB仿真。仿真结果表明算法能找到一条从起点到终点的较优路径,验证了算法的有效性。     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

非完整移动机器人的路径光滑化研究

针对非完整移动机器人的路径光滑问题进行了研究.在传统的路径规划研究中,仅仅考虑某一或某些性能指标,如路径最短、运行时间最少等等,这样规划出的路径存在曲率不连续现象,不能直接用于移动机器人的路径跟踪.文中利用立方螺线作为过渡曲线,对原有路径进行修正,且修正过程中考虑机器人的最小转弯半径约束以及移动机器人的非完整约束,建立的过渡曲线不仅能够保证过渡点处的曲率连续,而且能较好地逼近原有路径.文章最后针对不同初始情况进行了计算,仿真结果表明了该方法的有效性.     

A two-layered subgoal based mobile robot navigation algorithm with vision system and IR sensors

The present work describes the real-life implementation of a mobile robot navigation scheme where vision sensing is employed as primary sensor for path planning and IR sensors are employed as secondary sensors for actual navigation of the mobile robot with obstacle avoidance capability in a static or dynamic indoor environment. This two-layer based, goal-driven architecture utilizes a wireless camera in the first layer to acquire image and perform image processing, online, to determine subgoal, employing a shortest path algorithm, online. The subgoal information is then utilized in the second layer to navigate the robot utilizing IR sensors. Once the subgoal is reached, vision based path planning and IR guided navigation is reactivated. This sequential process is continued in an iterative fashion until the robot reaches the goal. The algorithm has been effectively tested for several real-life environments created in our laboratory and the results are found to be satisfactory.     

基于智能路径规划算法的移动机器人设计

介绍了一种基于智能路径规划算法的移动机器人。该机器人以TMS320LF2407A作为主控制芯片,控制机器人左右轮电机运转．驱动机器人按照预定路径行走。其设计算法首先采用了改进的栅格和Distbug的组合进行全局和局部路径规划。详细阐述了该算法的基本原理及采用该算法的移动机器人控制系统硬软件设计。最后,介绍了该移动机器人自学习路径跟踪PID算法。实践表明,采用该算法的移动机器人行走速度快,实时性强,稳定性好,控制精度高。     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。     

自适应蚁群算法在轮式机器人三维路径规划中的应用

为了优化轮式机器人三维路径,进行了特殊三维空间有效路径设计,提出了自适应蚁群算法(AACS)。并将该算法应用于三维空间机器人路径规划中,将轮式机器人所处位置与目的点之间的空间划分成带有坡度角的立体网格,定义其有效路径,形成TSP模式。自适应蚁群按TSP模式搜索从原点到目的点之间的最短路径。实验表明:自适应蚁群优化方法克服了传统蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,提高了收敛速度和精度,输出稳定性好,可以解决轮式机器人在三维实际工作环境中的路径优化问题。     

未知环境中基于强化学习的移动机器人路径规划

为解决未知环境中移动机器人的自适应路径规划问题,提出了一种基于Q学习算法的自主学习方法。首先设计了未知环境中基于传感器信息的移动机器人自主路径规划的学习框架,并建立了学习算法中各要素的数学模型;然后利用模糊逻辑方法解决了连续状态空间的泛化问题,有效地降低了Q值表的维数,加快了算法的学习速度;最后在不同障碍环境中对基于Q学习算法的自主学习方法进行了仿真实验,仿真实验中移动机器人通过自主学习较好地完成了自适应路径规划。研究结果证明了该自主学习方法的有效性。     

基于遗传算法的深海集矿车避障路径规划方法

本文主要研究和利用遗传算法实现深海集矿车避障路径规划的方法。将连续的路径离散化，并用随机数模拟各路径种群。把二维的路径转化为一维，生成简单的路径基因，提出了物理意义明确的适应函数和相应的变异算子，从而引导遗传算法快速收敛于最优解。实验仿真表明，该算法能够快速、稳定的搜寻到所需的最佳路径。