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。     

基于势场法的移动机器人避障路径规划

针对势场法所固有的几个缺陷,提出了一种基于势场法的移动机器人避障路径规划算法,并成功应用于未知复杂环境下移动机器人的路径规划中。仿真试验表明:提出的方法具有较强的路径规划能力,克服了传统势场法的缺点,具有较强的实用性。     

井下移动机器人智能视觉避障研究

针对现有井下移动机器人避障方法在面对井下复杂障碍物时不能准确检测障碍物位置信息,对井下非线性障碍物不能准确进行避障控制等问题,提出了一种基于模糊控制的井下移动机器人智能视觉避障方法。首先采用双目立体视觉模组作为障碍物检测传感器,感知井下环境信息,实时检测障碍物分布情况,并构建占据栅格地图。然后通过八叉树结构模型构建三维点云,使用树状结构对点云数据进行结构化描述,并将其映射到占据栅格地图中,得到障碍物的区域分布情况。最后采用模糊控制策略对实时检测到的障碍物在占据栅格地图中的分布情况进行处理,将当前时刻障碍物在占据栅格地图中的分布情况和移动机器人运行速度作为模糊控制器的输入变量,通过模糊控制算法计算下一时刻移动机器人的转向角度和加速度,从而实现井下移动机器人的智能避障控制。根据移动机器人实际占据空间,设计外接包围盒进一步稳定控制算法,结合避障策略进行智能避障,避免移动机器人与障碍物发生碰撞。实验结果表明,该方法能够准确对井下障碍物分布情况进行描述,使移动机器人能够根据所设计的模糊控制规则准确自主地进行避障操作,从而实现自适应运动。     

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

基于动态模糊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中存在局部极小值问题,而且不能满足动态环境中移动机器人路径规划对实时性、安全性和可达性的要求.针对传统人工势场法存在的问题,通过引入速度矢量,改势场力函数,并与模糊控制方法相结合,实时调节斥力势场系数,克服人工势场法的缺陷.在MATLAB平台中验证了方法的有效性,实验结果表明,该方法优于人工势场法模型的路径规划.     

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.     

移动机器人双目立体视觉测量系统研究

研究了一种用于移动机器人进行三维感知的被动双目立体视觉测量系统。首先建立了该系统的数学模型,然后针对其双通道图像同时采集和大数据量快速处理的需要,采用了基于多媒体DSP芯片DM642硬件系统构架,并应用了一种基于SUSAN角点特征的区域匹配算法。实验表明该系统测量速度快、精度高。     

基于Q-GA的人工势场的移动机器人路径规划

针对人工势场的路径规划具有目标不可达、合力为零而导致的陷阱,提出了一种基于改进人工势场模型和量子遗传算法相结合的移动机器人路径规划方法。在路径评价指标引入了路径安全性能和路径校正频率,采用量子遗传算法来选择人工势场模型的参数,从而克服其模型缺陷,同时实现了路径和安全性的优化。仿真结果表明,该方法能有效地提高路径规划的性能。     

采用Kinect的移动机器人目标跟踪与避障

为实现移动机器人在目标跟踪的同时进行避障,采用Kinect代替传统的测距雷达和摄像机.针对Kinect在使用中存在盲区和噪声的问题,提出一种基于统计的局部地图更新方法,利用动态更新的局部地图保存可能影响机器人运动的障碍物信息,并通过统计信息来消除测距噪声的影响,确保障碍物信息的有效性.同时使用增加安全区域的人工势场法去除对移动机器人运动无干扰的障碍物信息,改善了传统人工势场法通过狭窄通道的能力.在差动驱动移动机器人的实验证实了此系统能够很好地完成跟踪与避障任务,结果表明,使用Kinect可以代替传统测距传感器.     

基于模糊控制的移动机器人避障研究

针对移动机器人在未知环境中的不确定性,利用Matlab构建了多传感器仿真试验移动平台,在Simulink中搭建移动机器人运动学模型,利用多传感器采集环境中的障碍物信息与目标物的方位角,设计了具有避障功能的模糊控制算法.通过模糊控制器控制移动机器人的左右轮速度实现机器人的转弯以及直走,根据机器人实时的角度反馈信息不断修正机器人的位姿以精确避障.仿真实验验证了该方法的可行性及有效性.     

基于光束平差法的双目视觉里程计研究

机器人自定位是实现机器人自动导航及其他智能行为的前提, 一种基于光束平差法的移动机器人双目视觉里程计可以有效地实现机器人自定位. 为此, 首先采用点模式匹配方法建立相邻图像之间的特征匹配关系, 根据立体视觉算法得到匹配点对的三维对应关系; 然后, 计算摄像机的相对运动参数, 并采用光束平差分段优化算法对其进行优化. 所提出的双目视觉里程计能够避免车轮半径变化、空转、打滑等对里程计测量精度的影响, 相对定位精度较高.

     

基于自组织LMBPNN的移动机器人路径规划器

提出一种自组织LMBP神经网络,并将之用于移动机器人免碰路径规划。该算法首先用基于距离传感器的底层局部路径规划器生成初始路径,然后用自组织神经网络将该路径进行样本数据分类,之后将自组织神经网络的权值作为LMBP的输出样本,移动机器人的起始点与目标点作为LMBP神经网络的输入样本进行学习。这样,不但解决了三层LMBP样本若庞大则增加存贮、运行成本,以及数据冗余问题,并且随着机器人对未知环境探索的增多,所构建的地图越趋丰满。仿真结果说明该方法很好效。     

模糊控制在移动机器人路径规划中的应用

针对移动机器人最优路径规划问题,设计了一种模糊智能控制方法。利用超声波传感器对机器人周围环境进行探测,得到关于障碍物和目标的信息。通过设计模糊控制器,把得到的障碍与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好地避障,并且解决了模糊算法存在的死锁问题,从而实现了移动机器人的路径规划。仿真实验结果表明了模糊算法优于人工势场法,具有有效性和可行性。     

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。     

基于势场法的移动机器人路径规划仿真研究

针对势场法的障碍物附近目标不可达（GNRON）问题,采用改进斥力势场函数,把机器人和目标的相对距离考虑进去,从而确保目标点为整个势场的全局最小点,使得机器人能够顺利到达目标。针对局部极小引起的陷阱区域问题,提出了增加引导点的方法,使得机器人能够快速走出陷阱区域,向目标点移动。通过仿真实验,还实现了机器人在限定区域内漫游。改进后的势场法适用于复杂环境下的移动机器人路径规划。仿真结果证明了此方法的有效性。     

基于非线性函数的移动机器人模糊避障算法

根据模糊逻辑的特点,利用非线性函数对传统的模糊控制算法的隶属度函数进行了改进.通过MATLAB给出的仿真证明,在采用多传感器避障过程中,机器人不仅能成功避开障碍物达到目标所在位置,并且非线性函数隶属度函数优于传统隶属度函数.新算法使机器人的行进更加平滑、稳定且具有较高的实时性.     

智能移动机器人的超声避障研究

智能移动机器人是机器人研究领域的重要方向,是当前机器人领域中最活跃的研究主题之一.在分析了智能移动机器人避障常用传感器的基础上,提出了基于多超声传感器的移动机器人的超声避障系统.介绍了超声避障系统的模糊控制规则和非模糊化,并给出了实验结果.实验结果表明,模糊控制机理和策略易于接受和理解,便于应用开发,模糊避障算法对环境有很大的适应性,机器人在不同的环境条件下实现了避障.