基于Floyd算法的移动机器人最短路径规划研究

最短路径规划是一种点对点的路径规划方式,移动机器人最短路径规划研究即是实现始点和终点间最短路径规划问题的研究.首先采用栅格地图的方式对移动机器人工作环境建模,在建模的基础上,以垂线法方式选择移动机器人路径中的关键节点,确定关键节点的位置和权值关系,并根据所选节点,基于Floyd算法进行移动机器人的最短路径规划,以及对规划的路径算法进行简化改进,通过实验证明,改进的Floyd算法能实现移动机器人路径的最短和用时的相对减少.     

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。     

基于双层A*算法的移动机器人路径规划

移动机器人导航控制理论和方法的研究,是决定智能移动机器人能否真正实现自主化、智能化的关键,一直以来也是机器人技术领域研究的重点和热点。A*算法作为一种比较成功的算法应用在了机器人的路径寻优和规划方面,但由于A*算法本身的计算特点决定,在栅格环境下A*算法规划出的移动机器人路径往往存在着折线多、转折次数多、累计转折角度大等问题。针对A*算法的缺点和不足,在其基础上,提出了一种双层A*算法,该算法将栅格地图分为高层栅格地图和低层栅格地图,对栅格地图进行了"局部合并地图"的构建,在算法中加入了栅格占据概率函数,通过低层与高层算法相结合得到最优路径。仿真结果表明在很大程度上解决了A*算法存在的问题,使移动机器人能够在复杂环境下应用该算法进行路径规划。     

移动机器人路径规划的现状与发展

机器人路径规划是移动机器人导航的核心技术之一.移动规划技术近年发展迅速,涌现出了许多规划方法,在环境描述方式和技术的基础上,总结了机器人发展史上具有典型意义的规划方法,探讨了几种路径规划方法,分析了栅格分解法、人工势场法、同步定位与地图构建法,并指出了其各自的性能.     

基于遗传算法的自动导引机器人全局路径规划

基于轨线导引的自主移动机器人的全局路径规划是一种较典型的路径规划问题。本文将必经路径点的所有离散组合影射到连续的整数域 ,然后采用了基于二进制编码的经典遗传算法来进行最优路径规划 ,收到了良好的效果。仿真结果表明 ,此算法可在较短时间内求得最优解或近似最优解     

基于ROS的移动机器人的路径规划策略研究

提供一种使用ROS系统实现移动机器人路径规划的策略,使用JETSON TK1作为上位机,在其上安装ROS,使用栅格法对环境进行建模,使用遗传算法在已建立的环境模型上寻找最优路径,并将此二者封装到ROS中的Navigation中,系统依据此算法控制移动机器人完成在最优路径上的运动。     

基于典型栅格地图的代价地图改进方法

针对具有多种路况的复杂环境,提出了一种基于栅格地图的代价地图构建方法。改进方法分别从移动机器人可通过安全性和可通过消耗性2方面对普通的布尔栅格地图进行改进。首先,建立以机器人与障碍物距离为变量的递减代价函数和以不同路况能耗占比为变量的代价函数;然后,根据2种代价函数确定每个栅格的代价值;最后,将生成的2种代价地图融合,得到改进地图。以A*算法为例,修改其估值函数以适应新的地图,通过仿真实验对比传统地图和改进地图下的路径规划情况。实验结果表明,相对于传统的栅格地图,改进地图下规划出的路径始终保持着距离障碍物的安全距离,并且对不同价值的道路进行了选择与规避,有效地保证了移动机器人在运动过程中的安全性,并且根据实际情况考虑了能耗代价改变了路径选择,实现了多路况复杂环境下的路径规划,验证了地图改进方法的可行性。     

改进灰狼优化算法在特征栅格地图上的路径规划

针对灰狼优化算法求解移动机器人路径规划易陷入局部最优且效率低的问题,本文提出一种改进灰狼优化算法在特征栅格地图上的路径规划方法。首先,对灰狼优化算法进行改进,引入根据具体要求调节算法的全局搜索和局部搜索的调节因子,并引入动态权重和游走策略以提高算法的收敛速度和避免局部最优的能力;其次,提出一种建立特征栅格地图的新方法,加快了特征栅格的确定;最后设置远距离特征栅格和可视步长,简化了邻接矩阵的建立。仿真实验结果表明,本文算法相比于其它算法在标准测试函数和路径规划问题中,都有更优的结果。在此基础上,通过建立特征栅格地图,有效地加快了改进算法在路径规划问题上的求解速度。     

基于改进人工势场法的移动机器人局部路径规划的研究

本文介绍了一种常用的移动机器人局部路径规划方法—人工势场法,分析了传统的人工势场法由于局部最小问题而导致规划失败的原因,综述了解决该问题的方法,在此基础上重点介绍了一种通过改变斥力势场函数来解决局部最小问题的改进方法,并给出了仿真结果。     

改进遗传算法在移动机器人路径规划中的应用研究

针对基本遗传算法解决移动机器人路径规划问题存在收敛速度慢等不足,对遗传算法进行了改进,提出了一种改进自适应遗传算法。根据进化过程中个体适应度值的大小自动调节交叉概率和变异概率,从而使算法能够跳出局部最优解,克服早熟的缺点。同时采用栅格法对机器人工作空间进行建模。对移动机器人路径规划进行仿真实验,对比结果表明:该改进的遗传算法是有效可行的,能够有效的提高机器人路径规划的质量。     

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。     

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。     

自学习移动机器人在未知环境中的路径规划

通过对移动机器人在未知环境中的运动分析,结合多传感器信息,利用一种新的移动机器人在未知环境中的定位算法。该算法可根据移动机器人的运动过程。不断更新其位置状态。并能对下一步位置状态进行预估计。然后根据实测传感器信息对预估值进行修正。获得实际位置状态。并为移动机器人的路径规划提供基础。容纳后用遗传算法来获得机器人的最佳路径,最后用仿真试验验证了该方法的可行性。     

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。     

基于激光SLAM技术的电力巡检机器人交互控制

提出基于激光SLAM技术的电力巡检机器人交互控制方法,利用激光SLAM技术在地图模型、运动学模型、里程计观测模型以及多传感器观测模型的基础上绘制机器人的巡检地图,通过Dijkstra算法根据巡检地图获得最短巡检路径,并采用DWA滑动窗口法对选取的巡检路径进行评分,选择评分最高的路径作为机器人的巡检路径,完成电力巡检机器人的交互控制。实验结果表明,所提方法的避障效果好、路径规划效果好、控制精度高。     

基于GA-PSO的地砖铺设机器人作业点优化

针对建筑移动机器人路径规划中移动小车作业点问题,提出了以最大可操作度为优化指标,基于遗传粒子群混合算法搜寻移动小车作业点的方法.阐述了地砖铺设机器人系统的组成及灵巧度优化指标;给出了移动机械臂铺砖的一般步骤;结合遗传算法和粒子群算法的优点,以机械臂可操作度最大为原则进行优化,以快速准确地得到最优作业位姿点.利用MATL...     

机器人路径规划方法的探讨及应用

机器人要实现其自主化运动,路径规划是其核心技术.文中对比分析了不同路径规划方法的优缺点,提出了基于遗传算法和蚁群算法的智能路径规划法,并在此基础上进行机器人足球比赛试验,结果表明智能路径规划法能提高机器人的行动速度和目标捕捉.