水稻插秧机自动路径规划的算法与仿真

水稻插秧机无人驾驶与自动导航可有效解决人工操作的问题,同时推进了作业方式的智能化进程。提出了一种用于水稻插秧机自动路径规划的算法,分析了算法实现的关键问题,开发了一套获取路径的程序进行仿真。该算法针对不同的插秧机宽幅及转弯半径自动生成作业路径,为水稻插秧机无人驾驶和自动导航的实现提供了理论支持。     

栅格环境下机器人导航路径的双种群蚁群规划

为了提高机器人在栅格环境下的路径规划质量和规划稳定性,提出了启发式信息素交流异构双种群蚁群算法的规划方法.对精英蚂蚁系统和蚁群系统两种算法进行了原理分析和优势分析;为了实现精英蚂蚁系统和蚁群系统的优势互补,以迭代过程中的路径偏离度为启发信息,使用启发式信息素交流的方式将精英蚂蚁系统和蚁群系统融合为异构双种群蚁群系统,将新算法命名为启发式信息素交流双种群蚁群算法(HEC-TPAC);使用标准TSP测试集对算法性能进行测试,HEC-TPAC算法规划的旅行商路径质量和稳定性优于蚁群系统和精英蚂蚁系统.将HEC-TPAC算法和蚁群系统同时应用于栅格环境下机器人路径规划,HEC-TPAC算法规划的路径明显短于蚁群系统,且路径长度方差明显小于蚁群系统,表明HEC-TPAC算法在栅格环境下的路径规划质量和规划稳定性优于蚁群系统.     

基于MRDS的清洁机器人室内路径规划算法的仿真实现

针对目前室内清洁机器人的路径规划算法理论研究较多,而难以应用于实践的问题,建立了清洁机器人相对定位的数学模型,通过使用清洁机器人的迂回式路径规划、回字形路径规划、包围式路径规划和启发式路径规划算法进行了研究,分析了路径规划算法的具体实现过程.利用微软机器人开发平台（MRDS）,使用可视化编程语言（VPL）,对4种路径规划算法进行仿真实验.对启发式路径规划中激光测距仪的返回数据进行了分析,将单位时间内各路径规划算法的转弯角度作为评价算法优劣的标准,比较了各路径规划算法的优缺点.研究结果表明,启发式路径规划中,清洁机器人能够根据当前的环境信息选择最佳路径,相同时间内所用转弯角度最少,该算法优于其他算法,具有一定的推广价值.     

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。     

基于改进蚁群算法的移动机器人路径规划研究

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。     

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。     

一种蜂巢栅格下机器人路径规划的蚁群算法

针对传统栅格法的缺陷,提出了一种蜂巢栅格法对环境建模,同时采用分布均匀度自适应蚁群算法对移动机器人在复杂静态环境下进行路径规划。该算法利用蜂巢栅格安全性和有效性兼顾的属性对环境进行建模,通过聚度和信息权重来动态的调整路径选择概率和信息素更新;使得在算法加速收敛和防止早熟、停滞现象之间取得很好的平衡。与传统蚁群比较进行仿真实验,结果证明本算法在3项重要参数上都明显优于传统蚁群算法。从而说明,在任意已知静态障碍物的复杂环境下,本算法能准确快速的规划出安全的最优路径,结果较为满意。     

无人驾驶汽车发展现状及关键技术分析

近年来,无人驾驶汽车作为汽车未来发展的重要方向,备受人们的关注与期待。文章分析了国内外无人驾驶汽车的发展现状,以及各企业无人驾驶技术发展路线的差异。此外,就无人驾驶汽车的关键技术:环境感知技术、定位导航技术、路径规划、运动控制进行了分析,并对现阶段无人驾驶汽车面临的挑战进行浅析。     

滚筒输送线路径规划方法研究

针对滚筒输送线系统中的路径规划问题,对输送线环境模型、路径规划算法及优化进行了研究。通过提取入口、出口、移载3种模块为节点,以它们间的输送路段为加权路径,提出了以输送机当量来计算节点之间的路段长度的方法,进而构建了输送线系统的精简图结构模型;以迪杰斯特拉算法和改进蚁群算法分别求解规模较小和规模较大的路径规划为基础,依据输送线在实际应用中常见的务必经过某些节点和某些路段拥堵的两种约束情况,给出了将迪杰斯特拉算法和改进蚁群算法相结合,并融入了分段拼接和路径长度加权两种调整策略的输送线路径规划算法。研究结果表明:该方法为解决两类约束下不同规模滚筒输送线路径规划提供了有效的解决方案。     

储油罐清洗机器人全覆盖路径规划研究

针对储油罐清洗机器人在清洗作业时因罐内障碍物导致重叠率较高、无法保证清洗覆盖面积问题,在一种全覆盖罐底方法的基础上提出了适用于内浮顶储油罐的改进Bug路径规划算法。首先通过正六边形拓扑结构全覆盖罐底的清洗原理,得到清洗点坐标;其次,采用坐标法进行清洗环境建模,在传统Bug算法的直线行走条件中加入机器人清洗目标点与罐底障碍物位置关系信息,优化清洗点坐标位置,规划出机器人起点到每个清洗点之间无障碍的直线行走路径;最后应用改进后的Bug算法对无障碍、有障碍两种环境进行覆盖路径规划算法的仿真分析。仿真结果表明,所提出的路径规划算法能够在覆盖面积大、重叠率低的同时实现机器人的无障碍覆盖。     

双向清洗机器人玻璃幕墙完全遍历路径规划

报道了玻璃幕墙清洗机器人设计与路径规划多采用自上而下单向作业造成作业效率较低的现状,对具有双向作业功能的玻璃幕墙清洗机器人路径规划方法进行了研究。充分利用环境物理信息,提出一种考虑机器人往复主运动方向、集成栅格法与启发式搜索算法并可应用于双向作业玻璃幕墙清洗机器人的完全遍历路径规划方法。最后以一个模拟环境为求解实例,证明了算法的有效性。仿真研究表明,该算法不仅简单有效,而且可明显改善路径规划性能,降低路径重叠率。     

基于安全点引导混合算法的启发式机器人动态路径规划

针对机器人在复杂环境下路径规划难以兼顾全局最优和实时避障的问题，将改进的A^*算法和人工势场法结合，提出一种具有启发式动态路径规划的安全点引导(SPG)混合算法。设计了终点逼近策略，解决了传统A^*算法规划路径转折点过多的问题，同时采用平面向量积法避免传统人工势场法路径振荡。设计安全点引导的启发式策略将两种改进算法结合，既保证安全路径，又逃离局部极小值点。分别在静态和动态环境下对SPG混合算法进行仿真并与传统混合算法相比，静态环境和动态环境下的路径长度与运行时间分别缩短了10%,25.6%和9.5%,30.9%,表明SPG混合算法具有良好的全局路径规划与动态避障能力。最后在真实场景中验证了SPG混合算法的有效性。     

基于改进Voronoi图的移动机器人在线路径规划

针对移动机器人在部分环境信息已知下的路径规划问题,运用Voronoi图理论及动态路径最优算法(D*算法)理论,研究了一种基于传感器信息的移动机器人在线路径规划的方法.该方法利用现有的已知环境信息离线生成路图,并根据起点与终点的位置规划出一条无碰撞的全局最优路径,然后移动机器人沿着最优路径前进,安装在机器人上的传感器不断地探测环境新信息以在线完成路图的重构及路径的重规划,实时搜索一条全局最优路径.最后,通过在自制的小车平台上的实验证明方法的可行性.     

机器人室内路径规划算法的实用性研究

机器人研究领域中的一个关键分支即路径规划技术,本课题在机器人P3-DX实验平台的基础上,通过栅格化建模对室内的环境实现分块。4种路径规划〖CD2〗回字形路径规划、迂回式路径规划、启发式路径规划与包围式路径规划的可行性已经得到验证,为验证4种路径规划的实用性,在真实环境中将这4种路径规划算法进行了实验研究,通过软件将机器人行走后返回的数据绘制出相应的路线图,同时,根据各路径规划算法的路线图的不同重复率与覆盖率,找出效率较高的路径规划算法。     

全自主清扫机器人的运动分析与路径规划

提出了一种未知环境下机器人在线路径规划算法,适用于家用清洁机器人对室内地面的智能化清扫.该算法充分考虑了家用机器人成本低、节能等特点,前期以"迂回推进"的方式,进行2次方向不同的清扫.根据结果得出障碍物和环境信息,再利用边缘跟踪对障碍物及整个环境边缘进行清扫,同时对所得信息进行校正,最终实现全区域的覆盖.整个过程路径段简单,能源利用率高.     

未知环境的移动机器人路径规划研究

为了提高移动机器人在未知环境中的路径规划的性能,提出了改进人工势场法.首先分析了传统人工势场法的优缺点,据此,提出了一种由模糊智能控制与改进人工势场法相结合算法.由模糊算法对静态障碍物进行避障,并改进引力函数将目标点速度、加速度信息加入其中对目标点进行跟踪,从而实现自动避障和路径规划.通过实验仿真对比可知,此算法在存在障碍物环境中,移动机器人可以寻得较短的路径和较快的时间,安全无碰撞的到达目标点,该算法的准确度可达96％.     

深松机器人作业环境建模和改进路径规划研究

针对深松机器人深松土壤作业时对室外环境感知能力差,还需要人力驾驶拖拉机进行室外作业的缺点,基于ROS(Robot Operating System)框架下利用SLAM(Simultaneous Localization and Mapping同时定位与建图)和路径规划技术进行高精度室外深松机器人应用研究。阐述SLAM算法和Cartographer算法的原理,根据田地环境需求,选择适用的地图模式,基于ROS框架对本地路径规划和全局路径规划的算法进行了分析和研究,设计研发了基于ROS的深松机器人实验平台,在基于ROS的深松机器人实验平台上进行测试,分析基于ROS框架下各节点之间的话题通信数据流向。实验第一步运用Cartographer算法建立栅格地图,获取地图后,针对不同土壤环境的特点和农作物对土壤主要特征的要求经行分析,研究出两种深松机器人工作模式：大型微耕模式和大型深耕模式;实验第二步基于Cartographer算法提供的地图上进行大型微耕模式的路径规划和大型深耕模式的路径规划的实验,并对不同工作模式的路径规划的算法进行分析。结果表明：Cartographer算法满足室外农田环境下的定...     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

参数α、β和ρ自适应调整的快速蚁群算法

对蚁群算法迭代次数多、收敛速度慢提出了改进。针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题,对信息素和启发式信息的权重参数α和β进行改进,动态调整两种参数;针对迭代后期信息素浓度过高,使得蚁群易陷入局部最优问题,对信息素蒸发系数加以改进,使其成为动态全局自适应参数。通过栅格法进行静态已知环境建模,通过不同规模的路径规划的实验验证了改进后的蚁群算法在寻找最优路径时具有更快的运算速度。     

基于鹈鹕优化算法的核环境巡检机器人路径规划

为提高核环境巡检机器人路径规划的效果，将一种新型智能优化算法—鹈鹕优化算法(Pelican Optimization Algorithm, POA)应用于解决该问题，并进行了实例分析。介绍了POA基本原理，给出了算法主要流程；利用4个基准测试函数对POA性能进行了验证，并与另外3种典型优化算法进行了对比分析；构建了简单和复杂的核巡检机器人两种工作环境，利用POA进行路径规划。结果表明，POA算法的寻优精度更高且计算稳定性好，在耗时更少的情况下，可以获得更短的移动路径，具有一定的优势。