改进A*算法融合自适应DWA的移动机器人动态路径规划

为解决传统A*算法和传统动态窗口法（Dynamic window approach,DWA）在移动机器人路径规划中存在的问题,提出一种改进A*算法和改进DWA相结合的动态路径规划方法。首先,采用16邻域16方向的路径搜索方式扩大路径搜索视野,减少节点访问量和转角度数;其次,对启发函数进行优化,增强路径搜索的目的性;接着,采用冗余点删除策略,减少转折点数目,路径平滑度进一步提高,再使用B样条曲线对路径拐角进行处理,得到的路径较为平滑;然后,在DWA的评价函数中对障碍物进行分类并区别对待以及添加速度自适应因子,能够提高避障灵敏度;最后,通过与其他算法进行三部分仿真实验以及优先级策略仿真实验,验证改进A*算法的有效性和融合方法避障的优越性。     

无人驾驶路径规划算法研究

快速扩展随机树(Rapidly-exploring Random Trees,RRT)是路径规划中常用到的算法之一,具有结构简单、搜索能力强、搜索效率高的优点,但也具有随机性强、算法路径不平滑的缺点。文章通过引入动态步长和增加平滑算法改进RRT算法。首先,改进动态步长,通过设置固定最大步长和最小步长,计算目标节点与障碍物的距离;其次,计算具体每一步的步长;最后,比较最小二乘法、二次指数平滑法、三次B样条曲线3种平滑算法的平滑性能,采用三次B样条曲线改进原RRT算法。通过MATLAB仿真软件对传统RRT算法和改进RRT算法进行仿真测试,得出改进后的RRT在路径搜索和路径平滑方面都有一定的提升。     

基于APF的AGV局部路径规划改进算法研究

针对原有人工势场法（artificial potential field,APF）在局部路径规划时的避障效果不良问题,提出一种APF-PSO的改进算法改善原算法优化路径规划的效果。将速度势场引入位置势场中使AGV(automated guided vehicle)动态避开不同速度的移动障碍物;当算法陷入局部最小值时,采取PSO(particle swarm optimization)算法,并对其惯性权重因子和学习因子做出调整,通过三次样条曲线插值来平滑路径,使得AGV找到最短路径。结果表明APFPSO改进算法可根据障碍物速度不同动态避障,解决了APF算法运算中避障效果不良问题。     

融合改进A*蚁群和滚动窗口法的平滑路径规划

针对蚁群算法应用于移动机器人路径规划时,出现的死锁、收敛慢、易陷入局部最优以及路径不平滑的问题,提出了一种融合改进A*蚁群算法与滚动窗口法的平滑路径规划方法.首先,用改进的A*算法初始化蚁群信息素,解决前期蚁群效率低的问题.然后,改进状态转移概率函数,在函数中考虑可行路径"活跃度"以及终点位置,避免死锁现象.同时,基于不平等原则机制更新蚁群的信息素,避免陷入局部最优路径,加快算法的收敛速度.其次,融合滚动窗口法,在全局路径规划的基础上,结合动态避障策略进行局部实时路径规划.最后,使用贝塞尔曲线对所规划出的路径进行平滑度处理,使平滑后的路径更加接近实际运动路径.为确保算法表现出最好的性能,利用带精英策略的遗传算法对该算法中的参数进行自主优化选择.三组实验结果表明,无论是简单还是复杂的静态或动态障碍物存在的环境中,该算法均有不错的效果.     

笛卡尔空间轨迹平滑过渡的前瞻插补算法

为了解决由于六轴串联工业机器人由于笛卡尔空间运动轨迹不平滑导致频繁启停的问题,提出了基于三次准均匀B样条曲线的前瞻插补算法实现轨迹平滑过渡和提高运行效率。该算法采用三次准均匀B样条曲线作为笛卡尔空间中相邻轨迹的过渡曲线,根据过渡曲线的曲率求出过渡曲线的速度约束,利用速度前瞻根据各轨迹段长度规划出合适的衔接速度,对各轨迹段分别采用非对称S曲线加减速控制,通过等时插补获得实际插补点。在六轴串联工业机器人的控制平台上进行实验验证,结果表明,相较于传统算法,该算法可以使六轴串联工业机器人在笛卡尔空间的运动轨迹更加连续与平滑,运行效率得到了有效提升。     

基于粒子群三次样条优化的局部路径规划方法

为解决机器人在静态未知环境下如何利用局部环境信息规划出连续平滑的路径问题,提出一种基于粒子群三次样条优化与滚动窗口结合的局部路径规划方法。借助三次样条描述路径,根据机器人实时探测到的局部环境信息,在滚动窗口中运用粒子群算法解决样条参数的优化问题,使各部分路径光滑且一阶连续,从而实现最优局部路径规划。仿真结果表明：所提算法可以在静态环境下快速有效地实现机器人的无碰撞局部路径规划,且所规划路径平滑,便于运动控制。     

面向自动驾驶的动态路径规划避障算法

针对自动驾驶中避障的动态路径规划问题,提出一种在已知车辆的初始位置、速度、方向和障碍物位置情况下,实时避开障碍物的动态规划算法。首先,利用三次样条曲线的二阶连续性,结合已知的车道信息产生道路基准线;其次,以车辆的位置方向和道路的曲率构建s-q坐标系,并在s-q坐标系内产生从车辆当前位置到目的位置的一簇平滑曲线,作为候选路径;最后,综合考虑车辆行驶的安全性、平滑性和连贯性准则,设计一种新的代价函数,并且通过使代价函数最小化的方法从候选路径中选择最佳路径。在实验过程中,通过设计多种不同的模拟道路来检验算法的性能。实验结果表明,该方法在多种地形的单车道和多车道道路上都能够规划出安全、平滑的路径,有效避开障碍物,并且具有较好的实时性。     

改进RRT算法的室内移动机器人路径规划

针对传统RRT（快速扩展随机树）寻路算法由于扩展点的随机选取而存在搜索平均、采样效率低、偏离最优解的缺陷,提出一种偏向目标型的改进RRT算法。该算法采用目标偏向策略和气味扩散法来改善扩展节点的选取,使得随机树的生长趋向于目标点,并提出一种基于3次B样条曲线的路径平滑方法,极大地提升了搜索效率和路径质量。在仿真环境下对算法有效性进行验证,并将算法应用到真实环境下。仿真结果表明,与传统RRT算法相比,改进算法的路径长度缩短约22.1%,且路径更为平滑,在复杂环境中避障能力强。将改进RRT算法应用到Turtlebot2中,在真实环境下开展实验,实验结果证明了该算法的可靠性和实用性。     

基于改进人工蜂群算法的机器人路径规划北大核心CSCD

为了实现在避障环境空间下移动机器人的平滑最优路径规划,提出了一种基于改进蜂群算法的三次Bezier曲线优化的路径规划方法。借助Bezier曲线描述路径,把路径规划问题转换为生成Bezier曲线有限个点的位置优化问题,并改进人工蜂群优化算法进行最优路径搜索。该改进算法在雇佣蜂的搜索阶段中引入个体当前最优值及随机向量,并选择新的选择概率函数,不仅加快算法的收敛速度,而且在一定程度上有利于保持种群多样性,防止算法陷入局部最优。仿真结果表明,该算法可以有效地进行平滑路径的无碰撞路径规划。     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

基于速度修正项的机械臂避障路径规划

针对机械臂运行过程中存在的碰撞问题, 提出一种基于速度修正项的机械臂避障路径规划方法. 利用B 样条曲线进行机械臂关节空间规划, 使机械臂能够在特定时刻运行到指定构型. 在运行过程中, 利用碰撞检测算法实时计算机械臂与障碍物的最小距离, 在碰撞即将发生时引入积分为零的避障速度修正项改变机械臂运行轨迹, 使得机械臂能够在实现障碍回避的同时, 保证其在特定时刻通过指定构型的要求. 仿真实验表明了所提出方法的正确性和有效性.     

基于三次B样条曲线的叉车型AGV路径规划研究

针对工厂环境下叉车型AGV在沿给定参考路径运行时,因避障等问题产生的大幅度偏离参考路径的现象,将三次B样条曲线用于路径规划。规划路径在满足AGV运动学约束、最大曲率约束、起点和终点位姿等约束的条件下,使AGV以最短距离回到原参考路径。算法将路径规划问题转化为参数优化问题,将规划路径距离作为目标函数优化求解参数。算法最后使用Matlab针对直线和圆弧参考路径进行了仿真验证,结果表明本文算法能够在大偏差情况下,规划出一条最短路径,使AGV回到参考路径。     

基于最小变量的B-样条移动机器人路径规划研究

为解决移动机器人在避障时的曲线优化问题,提出了基于最小变量的B-样条路径规划方法。对该方法从数学模型上进行了推导,指出了该方法相对于其它B-样条方法的优点,并对该方法进行了优化,给出了相应的优化算法。研究表明：具有最小变量的B-样条函数比只用B-样条函数定义的曲线具有更优化的线性约束,其曲线具有更好的光滑性。     

多无人机航迹规划的自适应B样条算法

无人机集群能更高效地完成复杂和具有挑战性的任务,航迹规划和编队控制是无人机集群的研究重点。针对复杂环境下的无人机编队控制问题,提出了一种结合分段自适应B样条（Piecewise Adaptive B-Spline,PABS）方法的领航-跟随策略。采用滚动时域控制及快速粒子群优化算法为领航者无人机生成一条安全的参考航迹,并根据跟随者与领航者保持的几何关系为跟随者无人机生成参考航迹。针对生成的跟随者航迹不平滑以及可能与障碍物发生碰撞的问题,使用PABS方法对跟随者航迹进行平滑和避障处理。实验表明,使用滚动时域控制及快速粒子群优化算法及PABS方法能为领航-跟随策略下的无人机编队生成安全平滑的航迹,相比于圆弧插补技术,PABS方法能使航迹更光滑。     

基于并行-交替式双向JPS算法的机器人路径规划

针对跳点搜索(JPS,jump point search)算法在障碍物位置随机的栅格地图中路径规划时间较长的问题,提出了并行-交替式双向跳点搜索(PA-BJPS,parallel alternate bidirectional jump point search)算法;首先,在起始点与目标点间确定一个中心热点区域;其次,采用改进了预计代价函数的并行式双向跳点搜索算法,分别规划从起始点抵达中心热点区域以及目标点抵达中心热点区域的路径;然后,采用交替式双向跳点搜索算法,规划中心热点区域内部的路径;最后,提出迭代式路径修正方法来改良危险路径,并采用3次B-样条曲线替代拐角来平滑路径;仿真结果表明,并行-交替式双向跳点搜索算法有效地缩短了路径规划时间,同时提高了路径的安全性和平滑性。     

多帧时间窗轮换算法规划仓储多AGV小车路径

针对在仓储环境中多AGV小车的路径规划问题,提出一种基于多帧时间窗轮换算法。所提算法运用A*寻路算法进行全局路径规划,得到多AGV小车的初始路径离散点的集合。通过在仓储环境岔路口设置多帧时间窗切换阈值,将小车的全局路径点集离散成多帧小窗体,在每个小窗体建立凸集特征最优目标障碍函数,引入小车的运动学约束和防碰撞最优超平面约束,将小车的各种约束参数化为多项式B样条曲线形式,采用牛顿迭代融合回溯直线法更新步长,解决下一帧时间窗多项式B样条曲线控制点的更新问题。最后通过实验测试表明,在满足所有约束的情况下实现多AGV小车的路径规划。     

基于障碍物运动预测的移动机器人路径规划

针对移动机器人局部动态避障路径规划问题开展优化研究。基于动态障碍物当前历史位置轨迹,提出动态障碍物运动趋势预测算法。在移动机器人的动态避障路径规划过程中,考虑障碍物当前的位置,评估动态障碍物的移动轨迹;提出改进的D*Lite路径规划算法,大幅提升机器人动态避障算法的效率与安全性。搭建仿真验证环境,给出典型的单动态障碍物、多动态障碍物场景,对比验证了避障路径规划算法的有效性。     

六轴工业机器人先验引导RRT*避障轨迹算法研究

针对六轴工业机器人装配避障路径运动问题,研究了机器人整体避障运动路径规划方法,提出一种RRT*改进算法;算法以RRT*算法为基础,在障碍物建模中引入包围盒算法,加入对机器人各轴与障碍物的碰撞检测;在路径规划中加入对随机点生成方向与树枝生长方向的先验引导机制,优化了算法路径长度与路径搜寻效率;通过Matlab进行了试验验证,结果表明与标准RRT*算法相比,先验引导RRT*算法缩短路径长度14%左右,且满足机器人末端路径与手臂各轴的避障需求。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

无人机三维路径规划及避障方法

针对无人机(UAV)在三维环境中如何由起始点到目标点合理地规划路径避开障碍物,提出了一种基于改进粒子群算法与滚动策略相结合的UAV路径规划与避障方法.该方法首先以UAV为中心,通过传感器建立UAV的可视区域模型;其次结合滚动策略滚动探知UAV周围环境信息;最后,利用改进的粒子群算法进行路径搜索,并加入综合转角控制提高路径的平滑性.在传统粒子群算法中加入信息素与启发函数,增强算法的全局搜索能力,并对参数进行特定设计提高算法的收敛速度.仿真结果表明,该方法可以实现实时避障,所规划的路径相对平滑,且改进算法比传统算法具有较高的收敛性.