基于时延补偿的移动机器人动态避障方法

为提高自主移动机器人的动态避障能力,提出以视觉信息为决策依据,通过时延补偿提高机器人对障碍物定位精度局部动态避障方法．在避障过程中无需考虑障碍物的运动速度和运动方向,更加适用于机器人在未知或部分未知环境下的路径规划．实验表明,这种方法是可行而有效的．     

基于视觉的移动机器人实时避障和导航

阐述了移动机器人通过视觉传感器在不确定的环境中实现自主避障和导航的一种方法，首先讨论了路径规划的分层结构，然后通过简单的图像处理方法获取运动环境中的避碰点，最后给出机器人实现局部路径规划的算法，该方法有效地利用了全局环境地图和视觉信息。减少了计算量，提高实时性，通过仿真研究说明了该算法的有效性和可行性。     

基于深度强化学习的移动机器人轨迹跟踪和动态避障

针对移动机器人在局部可观测的非线性动态环境下,实现轨迹跟踪和动态避障时容易出错和不稳定的问题,提出了基于深度强化学习的视觉感知与决策方法.该方法以一种通用的形式将卷积神经网络的感知能力与强化学习的决策能力结合在一起,通过端对端的学习方式实现从环境的视觉感知输入到动作的直接输出控制,将系统环境感知与决策控制直接形成闭环,其中最优决策策略是通过最大化机器人与动力学环境交互的累计奖回报中学习获得.仿真实验结果证明,该方法可以满足多任务智能感知与决策要求,较好地解决了传统算法存在的容易陷入局部最优、在相近的障碍物群中震荡且不能识别路径、在狭窄通道中摆动以及障碍物附近目标不可达等问题,并且大大提高了机器人轨迹跟踪和动态避障的实时性和适应性.     

移动机器人动态避障算法

把滚动规划和径向基函数神经网络（RBFNN）预测相结合，提出一种动态不确定环境下移动机器人局部路径规划过程中，针对动态障碍物的新的混合避障算法．利用摄像镜头采集动态障碍物的移动轨迹，提取形心序列，利用RBFNN建立预测模型．在移动机器人实时规划时，根据当前位置在超声波传感器的扫描范围内建立滚动窗口．当检测到动态障碍物进入滚动窗口以后，才开始进行预测计算．根据动态障碍物相邻时刻的三个时间序列值，来预测障碍物下一时刻的运动轨迹，从而把动态障碍物的避障问题转化为瞬时静态障碍物的避障问题，实现实时规划．这种算法能够提高动态避障的安全性和规划的实时性．仿真结果证明了算法是可行、高效的．     

移动机器人动态避障算法

把滚动规划和径向基函数神经网络（RBFNN）预测相结合,提出一种动态不确定环境下移动机器人局部路径规划过程中,针对动态障碍物的新的混合避障算法.利用摄像镜头采集动态障碍物的移动轨迹,提取形心序列,利用RBFNN建立预测模型.在移动机器人实时规划时,根据当前位置在超声波传感器的扫描范围内建立滚动窗口.当检测到动态障碍物进入滚动窗口以后,才开始进行预测计算.根据动态障碍物相邻时刻的三个时间序列值,来预测障碍物下一时刻的运动轨迹,从而把动态障碍物的避障问题转化为瞬时静态障碍物的避障问题,实现实时规划.这种算法能够提高动态避障的安全性和规划的实时性.仿真结果证明了算法是可行、高效的.     

移动机器人的避障模糊算法

超声波传感器是移动机器人避障常采用的传感器,但是存在缺点,如三角误差,多次反射.采用多个超声波传感器的模糊避障算法,通过此算法,降低干扰,用VB编写了仿真软件,对算法进行可行性的分析.结果表明,该模糊算法可以实现机器人的安全避障.     

基于光流的非结构化环境中移动机器人避障方法

为了解决在复杂非结构化环境中的避障问题,提出了一种基于光流的适用复杂非结构化环境的移动机器人避障方法.首先,引入梯度守恒假设和局部加权对光流算法进行改进,减少了光照变化不均和噪声对光流算法的影响,提高了算法的计算精度和鲁棒性.然后,使用光流散度来计算相碰撞时间(time-to-contact,TTC),并利用TTC构建障碍地图.设计的航向决策算法能在机器人与障碍物发生碰撞危险时,为机器人选择最优的前进方向.对提出的避障方法进行了仿真及物理实验,实验结果表明:利用该避障方法可以实现移动机器人在复杂非结构化环境中无碰撞地行走.     

移动机器人模糊控制系统避障研究

对全区域覆盖的局部路径规划,采用了一种模糊控制算法,利用模糊控制算法自身所具有的鲁棒性和基于生物学上的感知-动作的行为相结合.对于移动机器人的避障系统提出了充分接近障碍策略,并对相关理论和实现方法作了深入的研究.     

复杂环境中移动机器人的一种避障策略

提出了机器人在复杂环境中寻找到达目标点最优轨迹的一种避障策略.首先,从3个方面考虑,提出了机器人的运动函数.第一,机器人运动必须在指定区域内;第二,机器人能够动态避障并到达目标位置;第三,机器人运动路径保证最短.其次,给出了机器人路径优化设置的条件:个体适配值、路径再优化和运动策略突变.最后,通过仿真实验,证明了所提出的方法是可行的.     

机器人在未知环境条件下的动态避障

为了使机器人在工作过程中顺利的躲避行进途中的各类障碍物,采用人工势场法作为机器人的避障算法并针对传统人工势场法存在的目标不可达的问题进行了详细的分析.在传统人工势场法斥力函数中引入机器人与目标点的距离关系作为其中的因子,分别重新定义了势能函数中的斥力和引力,从而得到了新的势能函数,成功地解决了目标不可达的问题.基于Matlab平台的仿真结果表明,本方法控制的机器人能够较出色地躲避大小不一的障碍,最终到达指定位置.     

Swarm intelligence based dynamic obstacle avoidance for mobile robots under unknown environment using WSN

To solve dynamic obstacle avoidance problems, a novel algorithm was put forward with the advantages of wireless sensor network （WSN）. In view of moving velocity and direction of both the obstacles and robots, a mathematic model was built based on the exposure model, exposure direction and critical speeds of sensors. Ant colony optimization （ACO） algorithm based on bionic swarm intelligence was used for solution of the multi-objective optimization. Energy consumption and topology of the WSN were also discussed. A practical implementation with real WSN and real mobile robots were carried out. In environment with multiple obstacles, the convergence curve of the shortest path length shows that as iterative generation grows, the length of the shortest path decreases and finally reaches a stable and optimal value. Comparisons show that using sensor information fusion can greatly improve the accuracy in comparison with single sensor. The successful path of robots without collision validates the efficiency, stability and accuracy of the proposed algorithm, which is proved to be better than tradition genetic algorithm （GA） for dynamic obstacle avoidance in real time.     

全自主足球机器人的超声波定位避障系统

为实现全自主足球机器人的定位和避障，介绍了超声波定位避障系统的体系结构，说明了超声波传感器的这种分布应用于足球机器人的必要性及这种结构的优点．针对超声波传感器测量数据变化较大和时常出现粗大误差的特点，引入了剔除不合理数据后再进行平均的思想，可以明显地提高测量数据的准确性和可靠性．实验数据证明了算法的可行性．     

一种基于仿真比赛平台的足球机器人避障方法

研究了一种基于仿真比赛平台的足球机器人避障方法,机器人通过一段弧线智能地躲开前方的障碍物.通过改变左右轮速实现旋转,机器人在追球的过程中,要预测小球的位置,然后以最快的速度追球;机器人在避障过程中,寻找障碍物附近一点,当机器人到达这一点的过程中,保证无碰撞运动,然后再向目标点运动.整个运动过程中,机器人会走一条最佳弧线,保证运动的时间最短.仿真结果验证了该避障方法的正确性.     

一种改进dueling网络的机器人避障方法

针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型。该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值。该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励。实验结果表明,该新算法模型能有效地提升机器人避障性能。     

一种移动机器人的全局动态运动规划方法

将遗传算法用于移动机器人的动态避障运动规划,使机器人在满足速度及加速度约束的前提下,按规划的运动规律运动,在实现动态避障的同时,从起始点到目标点耗时最少．为利用遗传算法实时、稳定地进行动态运动规划,将复杂的二维编码问题简化为一维编码问题,把边界约束、速度和加速度约束、动态避障、耗时最少要求融合为一个简洁的适应度函数．仿真实验表明了该方法的有效性．     

基于融合边界信息的机器人路径选择方法研究

研究了机器人融合多元视觉边界信息检测障碍并选择可行路径实现导航的方法。针对检测到的视觉环境信息,研究了多元边界表示与提取算法,通过融合处理得到了实际环境中前进方向上的径向障碍分布(ROP),研究了相关的路径规划算法。对如何提高边界提取算法效率以及在机器人尺寸和实时速度约束条件下的规划等问题提出改进算法,实现了非结构化环境下机器人的局部导航控制。实际机器人在不同环境下的实验,验证了所研究算法的有效性。     

速度矢量坐标系下水下机器人动态避障方法

针对水下机器人能力有限问题设计了一种适应水下机器人能力的动态避障方法.以水下机器人对运动障碍物的相对速度信息建立速度矢量坐标系,在坐标系内,根据水下机器人速度矢量和障碍物速度矢量的相互关系以及水下机器人的能力,确定理论上能够避开障碍物的期望速度解集,然后按照满足碰撞时间条件的最小转艏避障原则求解水下机器人最优期望速度的大小和方向,使水下机器人能够以相对小的代价安全避开动态障碍物.仿真研究验证了此规划方法对躲避动态障碍物的有效性,该研究大幅度提高了水下机器人的智能水平.