在动态环境中移动机器人导航和避碰的一种新方法

本文提出了基于超声传感器的信息,将改进的栅格 和回归预测法结合起来,应用于具有静态和动态障碍物的动态环境中,移动机器人THMR-Ⅱ 的导航和避碰的一种新方法．对栅格法的改进就是以障碍物为单位记录信息量,结果比原来 以栅格为单位记录的信息量少得多,克服了栅格法中存在环境信息存储量大的问题,提高了 实时性．对回归预测法也作了改进,并把它们结合起来,在求得最佳候选扇区后,使移动机 器人躲避了静态和动态障碍物,实现了导航,最终到达目标．通过三种仿真实验,结果表明 作者提出的方法是正确和有效的．     

基于初等运动的多机器人避碰及死锁预防

该文以一实际应用为背景提出了多移动机器人避碰及死锁预防算法,该算法将机器人的运行环境形式化地描述为初等运动集、冲突图、总任务集及机器人作业集,利用集合论、图论的有关方法及技术实现了多机器人间的避碰与死锁预防。当机器人的运行环境改变时,只需要对相应的集合描述文件进行修改,而不用对程序做任何屐改动。算法的另一个特点是利用避碰算法巧妙地完成了死锁预防。仿真和实际运行证明了该算法高效可靠。     

未知环境下分布式多机器人避碰协作算法

针对多机器人协作问题,提出一种未知环境下分布式多机器人协作避碰算法。该算法基于分布式投标模型协调多机器人运动,改进过去算法的前提假设,综合考虑机器人的实际尺寸和传感误差,通过自适应设定投标时间,提高算法的效率,针对通信延时引起的信息不一致,采用按优先级顺序进行探测的方法。仿真实验验证了该算法的可行性。     

多机器人系统中的动态避碰规划

研究冲突区域中多机器人间的协调和避碰问题。采用集中-分布相结合的规划方法，根据系统的拓扑结构为每个机器人规划路径，在冲突区域内使用优先级策略对机器人的运动特征进行分布式规划。通过上下层智能的融合，提高整个系统的智能。     

基于速度变化空间的移动机器人动态避碰规划

研究了移动机器人对运动障碍物的动态避碰．针对以往速度障碍法在动态避碰应用中存在的问题,制 订了相应的改进方法．综合考虑障碍物速度的动态变化和碰撞时间、碰撞距离,在速度变化空间中,基于避碰行为 动力学原理,设计了新的优化评价函数,采用双障碍物检测窗口进行动态避碰规划．仿真实验表明,该方法有效地 克服了避碰规划的保守性,提高了机器人运动的安全性,并能实现对运动目标的及时追踪．     

一种多移动机器人避碰规划方法

本文采用集中预规划方法,通过调整机器人的运动速度实现多机器人避碰,所提算 法的基本思想为：将机器人的运动路径分段,然后按避碰要求对机器人通过各段的时间进行 约束,从而将避碰问题转化为高维线性空间的优化问题,并进一步将其转化为线性方程的求 解,使问题具有明确的解析解．由于该方法的复杂度较高,在实现过程中采用了多种方法降 低复杂度,简化计算．本文给出了该算法的基本思路,有关定理及证明,算法的化简方法, 最后给出了实验结果及分析．     

基于改进速度障碍法的多机器人避碰规划算法

针对多移动机器人运动协调中的动态安全避碰问题,在分析速度障碍法原理的基础上,设计用于机器人之间相互避让的互动速度法则,并通过制定机器人的碰撞时间、碰撞距离因子对构型障碍的大小进行实时调整,把运动障碍物、动力学约束下的多步可达窗口、目标点都映射到一种速度变化空间当中,使多机器人的动态避碰问题转化为一种最优化问题,并构造了新的优化评价函数;设计了基于改进速度障碍法的机器人动态避碰规划算法。仿真实验表明,该方法有效地克服了碰撞冲突,实现了多机器人之间的运动协调控制,提高了机器人追踪运动目标的快速性。     

动态环境中服务机器人的改进型地图学习规划

针对室内服务机器人进行服务工作时需要躲避碰撞和抵达目标点的功能需求,本文提出了一种改进型地图学习路径规划算法.在地图学习规划算法的基础上,该算法首先约定了移动机器人的非完整性,使规划具有更高的可行性.然后改进了障碍物的影响方式,令已探测到的障碍物仅对已知区域产生作用,从而减少未知区域对路径选择的影响.接着,优化了地图学习算法中的随机选点策略,即若目标点出现在探测范围内时则令目标点作为初始选取点,解决了地图学习规划在临近目标点时收敛性不佳问题.并设计自适应速度移动策略以进一步提高算法的收敛性能和机器人的规划效率.最后,仿真及实验结果表明改进型地图学习路径规划算法相比于传统地图学习算法具有更好的规划效率和目标收敛能力.     

一种基于相对坐标系下移动机器人动态实时避碰的新方法

本文提出了一种机器人在动态环境下的动态实时避碰的新方法．此方法是基于相 对坐标系，在加速度空间中，通过动态实时地调整机器人自身速度的大小和方向使其离开碰 撞区域，即碰撞危险区域，达到与动、静态障碍物之间的避碰．仿真实验验证了此方法的有 效性．     

基于遗传模糊控制的多机器人避碰规划

设计了一种基于遗传算法优化的模糊逻辑控制的多机器人避碰规划方法,采用简化的三层行为结构:躲避机器人、躲避静态障碍物和趋向目标点,三个行为分别独立推理,将不同传感器信息作为输入,机器人动作作为输出,再通过优先级和加权的方法对三个行为输出进行综合.随后,针对模糊控制中构造全部的模糊规则比较复杂的问题,采用遗传算法对模糊规则的隶属度函数宽度和中心值进行优化,实现模糊控制器的离线自寻优,得到一组最优参数.从最终的仿真效果看,通过遗传算法优化提高了机器人的自导航性能.     

动态环境下基于速度空间寻优的局部避障方法

在动态环境下的局部避障是移动机器人的一项基本功能.在各种速度空间方法,如曲率-速率法(CVM)、巷道-曲率法(LCM)和扇区-曲率法(BCM)的基础上,提出了一种适用于未知或部分未知动态环境的局部避障方法.该方法将碰撞预测模型与改进后的BCM有效结合,不仅兼备了CVM的平滑性、LCM的安全性和BCM快速性的优点,而且弥补了各种速度空间寻优方法的不足,使其能够适用于移动机器人在动态环境下的避障与导航.实际机器人的导航实验表明该算法是可行而有效的.     

Global Navigation in Dynamic Environments Using Case-Based Reasoning

This paper presents a global navigation strategy for autonomous mobile robots in large-scale uncertain environments. The aim of this approach is to minimize collision risk and time delays by adapting to the changes in a dynamic environment. The issue of obstacle avoidance is addressed on the global level. It focuses on a navigation strategy that prevents the robot from facing the situations where it has to avoid obstacles. To model the partially known environment, a grid-based map is used. A modified wave-transform algorithm is described that finds several alternative paths from the start to the goal. Case-based reasoning is used to learn from past experiences and to adapt to the changes in the environment. Learning and adaptation by means of case-based reasoning permits the robot to choose routes that are less risky to follow and lead faster to the goal. The experimental results demonstrate that using case-based reasoning considerably increases the performance of the robot in a difficult uncertain environment. The robot learns to take actions that are more predictable, minimize collision risk and traversal time as well as traveled distances.     

关于足球机器人避障控制的研究

介绍了足球机器人避障控制的特点,障碍物的数学描述和检测方法,把人工势场理论引入到足球机器 人避障控制中,并分析了人工势场法的优点和不足.     

一种考虑机器人尺寸约束的动态窗避障方法

针对太部分反应式避障算法未考虑机器人尺寸的束导致机器人无法通过障碍物间可行通道的问题,提出了一种复杂环境下考虑机器人尺寸约束的动态窗避障方法.利用激光雷达提供的精确测距信息,通过探索机器人运动前方的可通行区域,避免陷入“U”型等局部最小区域;以障碍物间可行通道的宽度与机器人自身尺寸间的关系作为新的引导,构造目标函数,提...     

基于改进比例导引法的机器人动态避障算法

随着机器人运动环境日益复杂,为了使机器人可以安全、有效地避开动态障碍到达目的地,提出一种基于改进比例导引法的机器人动态避障算法;首先借助比例导引法的思想,通过使机器人与动态障碍物的相对速度方向导引到避障向量方向完成避障,然后为满足避障完成时间和机器人机动性能约束要求,得到重叠比例导引系数取值范围,并采用比例导引法对机器人运动路径进行规划到达目的地,最后采用仿真实验测试其有效性;仿真结果表明,该算法可以使机器安全有效地避开动态障碍物,对机器人的实际运动轨迹控制具有一定的参考价值.     

基于激光雷达的室外移动机器人避障与导航新方法

提出了一种应用于室外移动机器人避障与导航的新方法——角度势场法．此方法将当前视场极坐标系的二维障碍物信息转换到一维的角度域内,综合评估视场内的障碍物在角度域内产生的阻力效应,以及目标点在角度域内产生的引力效应,计算得出当前目标角度及通行函数,确定移动机器人驾驶角和速度的控制输出,做到兼顾移动机器人的安全与向目标点的行进．此方法已应用于室外移动机器人THMR V．     

基于动态行为控制的移动机器人自主避障

针对环境信息未知或部分未知的情况,提出动态行为控制方法使移动机器人自主避障。采用动态窗法表示结构空间,并分析环境信息,激发相应的行为进行避障,经过行为融合后得到可行的路径和速度值。其中趋向目标的行为采用模糊逻辑控制的方法,避障行为采用VFH方法加以实现。在计算过程中考虑了动力学与运动学约束条件,使得动态行为控制方法更加可行。仿真结果论证了所提出的方法的实时性与有效性。     

未知环境中移动机器人实时导航与避障的分层模糊控制

为了解决单模糊控制器的“规则库爆炸”问题,设计了一种分层的模糊控制器,用于指导移动机器人通过未知环境到达指定的目标点．控制器根据8个超声传感器的信息和目标相对于机器人的方位确定机器人的运动．首先,每个超声传感器的信息被输入到危险度模糊控制器（DFC）中,产生关于周围环境中障碍物危险度的模糊向量．这些模糊向量经过融合与归一化处理后分别输入到上层的速度模糊控制器（VFC）和角速度模糊控制器（RFC）的推理机中．VFC根据目标的距离和障碍物的危险度控制机器人的前进速度．RFC根据目标的方向和障碍物的危险度控制机器人的转向,并采用最大隶属度法的反模糊化策略解决“对称不确定”问题．仿真与实验结果证明了所设计的模糊控制器简单而有效．