基于四边形的移动机器人全局路径规划方法

提出用四边形轮廓代替障碍物真实轮廓,首先进行粗略路径规划,得到一条由直线组成的最优路径,然后沿边连接得到真实路径。在起始点或目标点在四边形内部的情况下,采用短边优先来脱困。该方法具有图像预处理方便,规划出的路径精细且路径规划所用的时间少。     

移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

基于ROS的移动机器人定位与路径规划仿真

针对移动机器人研发过程中成本高、无硬件条件下无法对机器人运动进行控制的缺点,通过仿真实验的方法对移动机器人的关键技术进行了研究。首先,对移动机器人的定位展开研究,在ROS系统内使用gazebo工具构建室内2D环境及带有传感器的移动机器人模型,使用AMCL算法进行定位仿真实验。其次,对路径规划方法展开了研究,在MATLAB中使用A*算法与DWA（动态窗口法）相结合的方法对移动机器人进行了仿真分析。最后,通过对实验结果的分析验证了AMCL（自适应蒙特卡洛）定位方法、A*算法及DWA算法的有效性。     

静态环境下移动机器人MFNN全局路径规划算法研究

针对移动机器人的路径规划计算问题,通过对其系统特性的分析,提出一种MFNN全局路径规划计算方法,并从理论上进行建模与推导.仿真结果表明:此方法计算简单,收敛速度快,能显著提高求解移动机器人全局最优化问题的计算效率,并避免了某些局部极值情况.     

基于八卦图的移动机器人全局路径规划

针对已知环境信息下的移动机器人全局路径规划问题,提出了一种基于八卦图的波传播路径规划算法。首先将移动机器人运行环境建立极坐标系下的八卦图,然后搜索合理路径,最后通过合理路径评价与优化得到最终规划路径。仿真与实验结果证明了算法的低耗时和实用性。     

一种考虑安全的移动机器人矢量场路径规划算法

提出了一种考虑安全的移动机器人矢量场路径规划算法,环境的矢量场模型体现了路径对安全的不同要求。通过调节模型参数可以规划得到安全和长度两个标准下的满意路径,此路径既不会太接近障碍,也不会太长。所提出模型计算简单,计算量与运动空间障碍的个数成正比。算法鲁棒性强,除了固定环境,还适合用来进行动态环境下的路径规划。仿真结果验证了算法的有效性。     

一种移动机器人的路径规划算法研究

针对移动机器人路径规划过程中存在易陷入局部最优、规划质量差和规划效率低等问题,提出一种结合入侵杂草算法和NURBS算法的混合路径规划方法。首先,根据路径规划要求建立目标函数,并将规划问题转化为函数最小值求解问题。然后,利用目标函数来指导入侵杂草算法寻找安全可行的路径点,接着将NURBS算法作为局部路径优化算子光滑处理路径,缩短路径长度。最后,在仿真环境下进行对比分析。结果表明,该方法相比于传统的入侵杂草算法在路径质量和效率上均有所提高,对实际移动机器人路径规划研究具有较高指导作用。     

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。     

蚁群优化在移动机器人路径规划上的研究

本文将蚁群优化算法应用于移动机器人的路径规划问题上,介绍了蚁群优化的原理,并根据路径规划的具体要求,对算法中的路径选择策略、信息素更新策略等进行了相应的改进,得出具体的算法流程,最后在Matlab平台上进行了实验仿真。此方法较传统算法具有正反馈性和协同性,实验证明可以更快的得到较优的结果。     

基于ARM的移动机器人全局路径规划策略

针对移动机器人在已知环境下对地图进行全局路径规划的问题,提出一种采用AutoCAD软件的DXF文件作为地图源码,在不采用任何外设传感器的情况下,实现移动机器人地图匹配与定位的全局路径规划策略。该策略由软件体系和硬件体系两部分结构组成,软件体系采用Windows CE作为系统平台,C语言作为读取工具,对DXF文件进行读取处理;硬件体系选取ARM(S3C2410)为移动机器人处理器,实现Windows CE系统的嵌入;并对该策略的可靠性进行分析。通过室内定位实验评估其有效性和准确性。     

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。     

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。     

基于感知-行为的移动机器人全区域覆盖路径规划

针对未知环境信息下的移动机器人全局区域覆盖路径规划问题,提出了一种基于感知-行为的路径规划方法。根据移动机器人实时感知的传感器信息,建立机器人全区域覆盖的行为执行表,在机器人全区域覆盖过程中,通过这种感知与行为的关联能够实时有效地驱动机器人实现路径规划。模拟与仿真的结果证明了算法的简单性和实用性。     

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*     

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。     

移动机器人路径跟踪控制方法研究

基于两轮差动驱动的移动机器人,设计了一种路径跟踪控制系统。系统采用临时路径生成方法,通过规划移动机器人跟踪上期望路径前的轨迹,消除初始位置误差和方向误差,解决了移动机器人直接跟踪期望路径时控制量可能过载的问题,使机器人光滑趋近到期望路径。控制器的设计采用模糊控制器。试验验证了系统的有效性。     

移动机器人路径规划技术的研究现状与发展趋势

路径规划技术是移动机器人技术研究中的一个重要领域。介绍了移动机器人路径规划技术的分类,综述了基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划的发展现状,指出了各种方法的优点与不足;同时分别探讨了反应式规划和慎思规划、全局规划和局部规划、传统方法和新的智能方法之间的结合状况,总结了有关路径规划技术的一些新的发展趋势。     

基于改进粒子群算法的移动机器人全局路径规划

在标准粒子群算法的基础上加入混沌初始化、变异以及杂交操作。改进算法在保持标准粒子群算法结构简单、收敛速度快等特点的同时增加了种群的多样性,扩大了粒子搜索空间,有效克服了算法的早熟收敛问题,获得了从起点到终点的最优路径,证明了该方法的有效性和实用性。