期望时间下的移动机器人目标搜索路径规划

不确定环境下移动机器人目标搜索问题中,目标在观测点被发现的概率常被设为理想的均匀分布,其路径优化指标通常为最短距离,但最短距离路径不等同于最优期望时间路径.针对此问题,本文提出了一种以期望时间为优化指标的概率多目标搜索算法.针对观测点的访问顺序不同会导致期望时间不同的现象,采用分层式路径优化策略.首先,构造一个新的非均匀目标分布概率测算模型;然后,在上层序列规划中,采用改进的改良圈算法生成期望观测点序列;最后,在下层特征地图的观测点间可行路径规划中,采用改进的快速随机生成树算法(GBC–RRT).实验结果表明:本文所提方法可显著缩短移动机器人目标搜索的期望时间,且能在目标不确定、非均匀分布的工作空间中得到最优期望时间的搜索路径.     

基于分层搜索的移动机器人路径优化

分析比较了经典的全局路径规划算法,针对移动机器人运动路径规划的优化问题,将A*、人工势场、栅格等多种算法的优势加以综合考虑,提出一种基于栅格的分层搜索概念。该方法采用栅格法进行建模,以分层搜索为核心思想,外层采用A*算法将复杂的图元模糊化以简化环境,内层则采用人工势场算法将具体的栅格还原以解模糊,具有一定的理论意义与应用前景。其仿真实验表明,该方法能达到较好的路径规划效率和实时性。     

基于电路地图的带拖车移动机器人路径搜索

采用电路映射地图进行环境建模,在等效尺寸的基础上对带拖车移动机器人的路径规划进行研究．这种方法在局部规划的同时,兼备了路径规划的全局性,有效地从根本上避免了人工势场法等局部分析方法容易陷入局部最优的不足．理论分析和仿真验证了本方法的可行性和正确性．     

移动机器人的时间最优编队

针对移动机器人的最速编队问题,结合路径规划和任务分解,提出一种分派问题的新解法和时间最优的编队策略。该策略充分考虑了障碍物环境约束和各机器人运动时的相互影响,通过将系统整体路径规划的复杂问题分解为独立路径规划问题和冲突协调问题来分别求解,降低了计算的复杂性,并能了快编队。     

一种基于多层代价地图的移动机器人导航方法

当前移动机器人导航方法大多数是改善局部路径规划的反应式导航而没有充分考虑全局环境中的行人,借助全局范围的行人感知,提出并实现一种基于多层代价地图的全局路径规划方法.首先基于行人感知进行个人空间和群组交互的社会代价建模,基于行人轨迹预测生成包含预测阶段社会代价的多层动态代价地图,提供预测阶段的社会约束信息.全局路径规划器...     

基于笼图-快速搜索的移动机器人目标搜索

随着信息技术的发展,人工智能已成为全球热点,以移动机器人目标搜索为代表的一系列人工智能应用已逐步影响人类生活的各个方面.为了解决移动机器人目标搜索在特定区域的搜索问题,提出一种基于笼图的快速搜索的移动机器人目标区域搜索模型.该模型为移动机器人目标搜索问题在笼图区域的搜索提供了有效的解决方法.首先通过分治思想研究笼图的性...     

基于场景图谱的室内移动机器人目标搜索

在移动机器人执行日常家庭任务时,首先需要其能够在环境中避开障碍物,自主地寻找到房间中的物体。针对移动机器人如何有效在室内环境下对目标物体进行搜索的问题,提出了一种基于场景图谱的室内移动机器人目标搜索,其框架结合了导航地图、语义地图和语义关系图谱。在导航地图的基础上建立了包含地标物体位置信息的语义地图,机器人可以轻松对地标物体进行寻找。对于动态的物体,机器人根据语义关系图中物体之间的并发关系,优先到关系强度比较高的地标物体旁寻找。通过物理实验展示了机器人在语义地图和语义关系图的帮助下可以实现在室内环境下有效地寻找到目标,并显著地减少了搜索的路径长度,证明了该方法的有效性。     

基于概率栅格地图的移动机器人可定位性估计

基于广泛使用的概率栅格地图,提出了一种移动机器人可定位性估计方法.通过对定位Fisher信息矩阵进行栅格离散化,提出了静态可定位性矩阵,该矩阵适用于已知地图条件下的离线估计.在此基础上,针对在线估计中环境存在的非预期动态变化问题,采用局部感知的未知障碍物影响因子来修正静态可定位性矩阵,进而得到动态可定位性矩阵,该矩阵定量描述了机器人可定位性能力及其方向性.各种典型环境下的机器人实验结果表明了所提方法的有效性.     

一种移动机器人全局最优路径规划算法

针对移动机器人全局最优路径规划问题,首先提出一种基于线性操作的遍历式算法,该算法通过场扫描方式生成步长转换矩阵(STM,Step Transform Matrix),并在步长转换矩阵中搜索考虑方向一致的最短路径,从而可以得到避免不必要路径转折的全局最短路径.其次提出了一种评价标准来区分路径优劣.最后通过仿真与圆形波传播算法进行了路径规划对比实验,实验结果表明本文所提算法在所提出的路径评价标准下可以获得比波传播算法更优的路径.     

一种新的移动机器人全局路径规划算法

提出了一种新的移动机器人全局路径规划算法．该算法不需要对环境中的障碍物特征做任何假设,也不需要建立障碍物的连通图模型,有效地克服了传统路径规划算法因为搜索而带来的计算复杂性问题,提高了算法的适应性和实时性．仿真结果证明了算法的有效性．     

基于改进概率栅格分解的路径规划算法

栅格分解法是目前研究最广泛的路径规划方法之一,但随着机器人自由度增加会出现“维数灾难”问题,不太适合于解决高自由度机器人在复杂环境中的路径规划。该文提出了基于改进概率栅格分解的路径规划算法,将随机采样应用到栅格分解算法中,虽然不能保证算法的最优性,却极大地提高了算法的效率,使其适合于解决高自由度机器人在复杂环境下的路径规划问题。仿真试验表明该算法可以在较短时间内获得可通行的路径。     

改进双向动态JPS算法的移动机器人全局路径规划

针对跳点搜索(jump point search, JPS)算法在寻路过程中所存在的路径拐点多、中间搜索跳点数多、寻找跳点的过程中扩展节点数多和寻路时间较长等问题,提出改进双向动态JPS算法。改进算法动态定义正、反扩展方向上的目标点,动态定义启发函数,并利用动态约束椭圆对算法的扩展区域加以限制,以区分椭圆内、外区域的扩展优先级。在算法从起点和目标点两个方向上分别向对方进行扩展的过程中,以寻找到的新的代价最小点为新椭圆的焦点,椭圆的方位和约束区域也随之动态调整。仿真结果表明,经过优化改进的双向动态JPS算法在一般地图中有一定的表现,在障碍物较少且目标点距离起点较近的室内环境地图中表现尤为良好。     

基于栅格法的机器人路径规划蚁群算法

描述了一种静态环境下的机器人路径规划仿生算法．该算法用栅格法对场景进行建模,模拟蚂蚁的觅食行为,由多只蚂蚁协作完成最优路径的搜索．搜索过程采用了概率搜索策略、最近邻居策略和目标导引函数,使得搜索过程极为迅速高效．仿真实验结果表明,即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出最优路径,且能进行实时规划,效果十分令人满意．     

基于地图的移动机器人自定位与导航系统

针对地图已知情况下的移动机器人大范围导航问题,研制了一个由地图编辑器模块、地图匹配与定位模块以及多层递阶规划模块三部分组成的移动机器人导航系统．地图编辑器负责导航地图的编辑;地图匹配与定位模块利用里程计和激光雷达数据实现基于地图匹配的自定位;多层递阶规划模块将基于拓扑地图的全局规划、基于栅格地图的局部规划和底层的行为控制功能有机结合．通过室内定位和大范围导航实验评估了本系统的有效性和准确性．     

未知动态环境中基于分层强化学习的移动机器人路径规划

提出了一种基于分层强化学习的移动机器人路径规划算法．该算法利用强化学习方法的无环境模型学习能力以及分层强化学习方法的局部策略更新能力,克服了路径规划方法对全局环境的静态信息或动态障碍物的运动信息的依赖性．仿真实验结果表明了算法的可行性,尽管在规划速度上没有明显的优势,但其应对未知动态环境的学习能力是现有其它方法无法比拟的．     

Roadmap Coverage Improvement Using a Node Rearrangement Method for Mobile Robot Path Planning

Abstract

This paper proposes a method to efficiently abstract the traversable regions of a bounded two-dimensional environment using the probabilistic roadmap (PRM) to plan the path for a mobile robot. The proposed method uses centroidal Voronoi tessellation to autonomously rearrange the positions of initially randomly generated nodes. The PRM using the rearranged nodes covers most of the traversable regions in the environment and regularly divides them. The rearranged roadmap reduces the search space of a graph search algorithm and helps to promptly answer arbitrary queries in the environment. The mobile robot path planner using the proposed rearranged roadmap was integrated with a local planner that considers the kinematic properties of a mobile robot, and the efficiency and the safety of the paths were verified by simulation.     

采用改进D*Lite算法的自主移动机器人路径规划

针对动态环境下自主移动机器人的路径规划问题提出了改进D*Lite算法;该算法在D*Lite算法的基础上,引入Bresenham画线算法对扩展节点进行可视检测,得到方向任意且避免不必要转折的预规划路径,并建立分辨率高于全局障碍图的局部障碍图,动态存储传感器实时获取的局部环境信息,充分利用局部环境信息实时重规划机器人当前位置到目标点的最优路径,提高算法的规划精度及对动态环境的适应性;仿真实验结果证明,该算法大大缩短了路径长度,并且具有可行性和实时性.     

基于改进A*算法的移动机器人路径规划

为了解决较大场景下A^*寻路算法存在的内存开销大、计算时间长等问题,本文在A^*算法的基础上,结合跳点搜索算法,提出一种改进的A^*算法．该算法通过筛选跳点进行扩展,直到生成最终路径,扩展过程中使用跳点代替A^*算法中大量可能被添加到OpenList和ClosedList的不必要节点,从而减少计算量．为了验证改进A^*算法的有效性,分别在不同尺寸的2维栅格地图中进行仿真,仿真结果表明,相比A^*算法,改进A^*算法在寻路过程中扩展更少的节点,寻路速度更快,且加速效果随环境地图的增大更加明显．最后将改进A^*算法应用于移动机器人Turtlebot2进行对比实验．实验结果表明,在生成相同路径的基础上,改进A^*算法的寻路速度较A^*算法提高了约200%,能够满足移动机器人路径规划的要求．     

基于改进A*算法的移动机器人路径规划研究

A*算法广泛应用于移动机器人路径规划中，而传统A*算法在寻路时，普遍存在搜索时间较长、效率低下等问题，因此，采用双向搜索的方式，对传统A*算法加以改进，该算法在路径规划过程中，可同时进行正反向路径搜索，同时采用正反向搜索交替机制，保证了最终目标节点搜索在连线中点区域内相遇，从而缩短了寻路计算时间。在MATLAB平台上，针对改进后的A*算法进行仿真实验，结果证明，双向A*算法减少了规划时间，且可生成最优路径。最后，将该算法应用到基于开源机器人操作系统的Turtlebot2移动平台上，进行现场实验，实验结果表明，双向A*算法减少了寻路计算时间，从而使得路径搜索效率得到显著提升，且规划路径合理，满足路径规划要求。