全局环境未知时机器人导航和避障的一种新方法

研究了全局环境未知情况下的移动机器人实时导航问题．将栅格法描述环境与基于滚动窗口的路径规划相结合，提出了一种新的移动机器人导航方法．将超声传感阵列探测到的环境信息以基于栅格的概率值进行表示，利用不确定性证据推理对其进行数据融合，得到机器人的局部环境信息；在此基础上，采用基于滚动窗口的方法进行机器人路径规划，实现机器人的实时导航．仿真与实验结果表明了该方法的有效性．     

基于JPS策略的ACS移动机器人全局路径规划

针对蚁群系统（ACS）算法收敛速度慢、易陷入局部最优、路径转折点数量过多等问题,提出了一种基于跳点搜索（JPS）策略的ACS全局路径规划算法．该算法在迭代前加入一只特殊蚂蚁,利用方向因子引导该蚂蚁始终朝着目标方向前进,并查询是否存在最简路径;在蚂蚁查询下一个节点时,利用JPS算法思想舍去大部分不需要计算的节点．最后,为验证该方法的有效性,使用不同规格的栅格地图进行了仿真实验,仿真结果表明,改进的ACS算法相比于ACS算法,收敛速度加快、收敛时间缩短,且路径更优．最后将算法应用到实际的基于机器人操作系统（ROS）的移动机器人导航实验中,实验结果表明,改进的ACS算法能够有效地解决移动机器人全局路径规划问题,且能明显提升机器人全局路径规划的效率．     

微粒群与蚂蚁融合的机器人路径规划新算法

针对栅格法建模的不足,研究了一类全新的微粒群与蚂蚁算法融合的机器人路径规划算法。该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行搜索得到全局导航路径,然后用微粒群算法局部调节导航路径上的路径点,得到更优路径。计算机仿真实验表明,即使在蚂蚁算法得到的导航路径不佳的情况下,利用本算法也可以规划出一条全局优化路径,且能安全避障。     

未知环境下机器人路径规划的粒子群优化

研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的基于粒子群算法的滚动规划算法。该方法在机器人视野域内产生若干个同心圆进行环境建模,然后利用粒子群优化算法规划出一条导航路径,机器人每前进一步,都由粒子群优化算法重新规划导航路径,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径接近终点。仿真实验结果表明,即使在障碍物非常复杂的地理环境,用该算法也能迅速规划出一条优化路径,且能安全避碰,效果令人满意。     

一种蚂蚁粒子群融合的机器人路径规划新算法

研究了一种全新的蚂蚁粒子群融合的机器人路径规划算法。该方法首先用链接图建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用粒子群算法局部调节全局导航路径上的路径点,得到更优路径。计算机仿真实验表明,即使在复杂的环境下,利用该算法也可以规划出一条全局优化路径,且能安全避障。     

机器人导航系统的设计与开发磁

论文介绍了一个机器人导航系统,该系统将机器人的地图路径生成、机器人移动、机器人避障功能加以分离,当传感器发现规划路径不能继续时,可以对路径进行动态调整。仿真实验表明该系统结构能够完成基本的导航任务。     

一种蚂蚁遗传融合的机器人路径规划新算法

针对栅格法建模的不足,本文研究一种全新的蚂蚁算法与遗传算法融合的机器人路径规划算法.该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用遗传算法局部调节全局导航路径上的路径点,得到更优路径.计算机仿真实验表明,即使在复杂的环境下,利用本算法也可以规划出一条全局优化路径,且能安全避障.     

基于视觉的轮式移动机器人导航问题研究

环境建模和路径规划是轮式机器人视觉导航的关键技术。针对传统视觉导航中环境建模实时性较差的问题,提出利用边缘延伸原理对轮式机器人视觉环境进行感知的方法;针对人工势场法在路径规划中出现局部最优解、路径震荡的问题,提出改进的逆势场导向法,给出新的人工势场函数,得到广义上的轮式机器人安全通道;针对轮式机器人路径不能出现急转急停的问题,提出一种曲率映射法,将轮式机器人的运动轨迹映射成曲率,设计相应的平滑路径生成策略。最后给出路径生成的算法,通过仿真研究与实验验证了该算法的有效性和正确性。     

一种改进的未知动态环境下机器人混合路径规划方法

动态未知环境下的机器人路径规划是机器人导航领域的重要课题之一,采用传统的方法求解并不理想。针对这个问题,提出一种改进的机器人混合路径规划方法。首先利用改进的文化基因算法规划出较优的全局路径,指引机器人沿着全局路径行走,然后根据传感器探测到的局部环境信息,利用Morphin算法进行局部路径实时规划,使机器人有效地躲避动态障碍物。仿真实验表明,该算法在未知动态路径规划中具有良好的效果。     

一种蚂蚁遗传融合的机器入路径规划新算法

针对栅格法建模的不足,本文研究一种全新的蚂蚁算法与遗传算法融合的机器人路径规划算法．该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用遗传算法局部调节全局导航路径上的路径点,得到更优路径．计算机仿真实验表明,即使在复杂的环境下,利用本算法也可以规划出一条全局优化路径,且能安全避障．     

全局未知环境下多机器人运动蚂蚁导航算法

研究了全局未知静态复杂环境下多机器人运动的导航问题,提出了一种新颖的蚂蚁导航算法.该方法将全局目标点映射到机器人视野域边界附近作为局部导航子目标,再由两组蚂蚁相互协作完成机器人视野域内局部最优路径的搜索,在此基础上进行与其他机器人的碰撞预测与避碰规划.机器人每前进一步都重复上述过程.因此,机器人前进路径不断地动态修改,从而在每条局部优化路径引导下,使机器人沿一条全局优化的路径到达目标点.仿真实验结果表明,即使在障碍物非常复杂的地理环境下,算法也能沿一条全局优化路径导航,且能安全避碰,效果十分令人满意.     

移动机器人路径规划中的仿真研究

研究移动机器人路径规划问题.针对传统移动机器人路径规划算法搜索时间长,效率低,寻优能力差等问题,提出了一种基于粒子群算法的机器人路径规划方法.该方法首先采用神经网络描述机器人工作环境,在此基础上通过坐标变换建立新地图;然后将机器人路径表示为粒子位置,并以路径长度为粒子群的适应度值;最后粒子之间的相互协作,不断更新粒子位置和速度,获得-条从起始点到目标点全局最优路径.在MATLAB平台上对该方法进行了仿真,实验结果表明,基于粒子群的机器人路径规划方法提高了路径规划的计算效率和可靠性,可应用于机器人的实时导航.     

基于优化蚁群算法的机器人路径规划

研究机器人导航中的路径规划问题,运用栅格法和图论思想建立环境模型,在该模型中通过蚁群算法进行路径寻优,提出用遗传算法的思想改进已有蚁群算法,即GAA算法。仿真实验结果表明,该算法能有效地提高机器人的路径搜索速度及路径优化、路径平滑等方面的指标。     

完全未知环境下机器人路径规划的RPC算法

提出一种适合存在多种类型障碍的完全未知环境的机器人路径规划方法：RPC算法（全称为实时规划－选择算法）。即将BUG规划算法与所提出的两级路径选择策略相结合实时决策机器人的行为。其中两级路径选择策略模拟人类探索路径的思维模式实时决定机器人绕行障碍的方向,能够减小机器人避障中的盲目性和降低路径冗余度。此算法提高了机器人在未知环境中的智能性,增强了对较复杂环境的适应性。仿真实验表明了该算法的可行性。     

动态确定基因数的遗传算法路径规划*

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题。探讨了一种改进的基于遗传算法的静态环境下机器人全局路径规划方法的可行性。该方法通过障碍物的数量来动态确定所需的路径点数（基因）,使得它能更广泛地应用于不同环境,最后对结果进行修正。仿真实验表明了该方法的有效性。     

一种基于深度强化学习的无人小车双层路径规划方法

随着智能无人小车的广泛应用，智能化导航、路径规划和避障技术成为了重要的研究内容。文中提出了基于无模型的DDPG和SAC深度强化学习算法，利用环境信息循迹至目标点，躲避静态与动态的障碍物并且使其普适于不同环境。通过全局规划和局部避障相结合的方式，该方法以更好的全局性与鲁棒性解决路径规划问题，以更好的动态性与泛化性解决避障问题，并缩短了迭代时间；在网络训练阶段结合PID和A^*等传统算法，提高了所提方法的收敛速度和稳定性。最后，在机器人操作系统ROS和仿真程序gazebo中设计了导航和避障等多种实验场景，仿真实验结果验证了所提出的兼顾问题全局性和动态性的方法具有可靠性，生成的路径和时间效率有所优化。     

基于四轮差速模型的多机器人路径规划北大核心CSCD

针对多机器人路径规划问题,设计了一种基于四轮差速模型的多机器人路径规划系统。首先,对单个移动机器人底盘进行建模分析,建立底盘位姿变化与速度之间的运动学关系。其次,改进机器人的全局路径规划A*算法,并结合建模分析的结果,使用局部路径规划动态窗口算法(DWA)推导机器人运动轨迹,实现多机器人动态避障功能。最后,搭建机器人实物模型和实验场景,通过机器人操作系统(ROS)平台设计多机器人自主导航,在实验场景中对所提方法进行验证,实验结果表明了该方法的可行性和稳定性。     

一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存 在已知和未知、静止和运动障碍物的复杂情况．采用链接图法建立了机器人工作空间模型， 整个系统由全局路径规划器和局部路径规划器两部分组成．在全局路径规划器中，应用遗传 算法规划出初步全局优化路径．在局部路径规划器中，设计了三种基本行为：跟踪全局路径 的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径．其中，避碰 的行为是通过强化学习得到的．仿真和实验结果表明所提方法简便可行，能够满足移动 机器人导航的高实时性要求．     

基于混合策略的轮式机器入路径规划方法

快速扩展随机树方法（R RT）是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。R RT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,R RT算法的路径搜索效率将会降低。另一方面,R RT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典R RT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树R RT结构,利用多树R RT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。     

基于遗传算法的移动机器人路径滚动规划

研究了一种全新的基于遗传算法的机器人路径滚动规划方法。该方法将目标点映射在机器人视野域内侧边界附近，规划出机器人局部最优路径，机器人根据此局部路径前进一步。机器人每前进一步就重复该过程，沿一条全局优化的路径安全地到达终点。仿真实验表明，即使在复杂的未知静态环境下，利用该算法也可以规划出一条全局优化路径，且能安全避碰。