新的室内移动机器人的实时定位和运动规划方法

提出了一种将传感器信息与先验环境信息融合实现移动机器人定位和运动规划的方法.这种方法选用SICK LMS200型激光扫描测距仪为机器人感知装置,根据室内障碍物的顶点或拐角信息进行定位和运动规划.这种定位和规划方法模仿了盲人在熟悉环境下用拐杖走路的过程,适于室内移动机器人的实时定位和运动规划.     

非完整移动机器人鲁棒运动规划

非完整移动机器人利用传感器可以解决不确定性模型和未知环境中的许多问题. 利用移动机器人上配备的传感器的信息组合提出了一种在线视点寻求算法, 结合移动机器人的运动方程和传感器的量测方程采用扩展Kalman估计来对移动机器人的位置进行修正, 以降低运动的不确定性, 从而得到一种鲁棒的规划算法, 仿真的结果证明了上述方法是行之有效的.     

Sensor planning with Bayesian decision theory

In this paper ongoing work on an approach for planning sensing actions and controlling intelligent, purposive robotic systems is presented. The method uses Bayesian decision analysis (BDA) for deciding what sensing actions should be performed. This offers a probabilistic framework that provides a more dynamic and modular behaviour than traditional rule based planners. Experiments show that the Bayesian sensor planning strategy is capable of controlling an autonomous mobile robot operating in partly known environments.     

基于自组织LMBPNN的移动机器人路径规划器

提出一种自组织LMBP神经网络,并将之用于移动机器人免碰路径规划。该算法首先用基于距离传感器的底层局部路径规划器生成初始路径,然后用自组织神经网络将该路径进行样本数据分类,之后将自组织神经网络的权值作为LMBP的输出样本,移动机器人的起始点与目标点作为LMBP神经网络的输入样本进行学习。这样,不但解决了三层LMBP样本若庞大则增加存贮、运行成本,以及数据冗余问题,并且随着机器人对未知环境探索的增多,所构建的地图越趋丰满。仿真结果说明该方法很好效。     

提高移动机器人路径规划效率的方法

针对传统遗传算法存在的初始种群数目庞大,寻优效率和收敛速度慢的缺点,提出了一种基于粗糙集约简决策规则和删除冗余属性的方法。首先建立基于特定栅格法的环境模型,获得机器人路径规划的初始决策表,然后根据粗糙集约简推导最小化决策规则,并用于训练初始种群。最后利用遗传算法优化初始种群,获得最优规划路径。分别在简单和复杂的环境模型下进行了实验,仿真结果表明该方法能够大大减小遗传算法初始种群的规模,缩小算法搜索范围,提高遗传算法的收敛速度和寻优效率,验证了该方法的可行性和优越性。     

多障碍环境中移动机器人的光滑轨迹规划

根据轮式移动机器人参数化轨迹生成模型,结合多障碍物结构化环境中障碍物的建模,把其和参数化轨迹规划模型融合,得到了具有一般性的多障碍物环境中轮式移动机器人光滑轨迹规划模型;并利用最优化控制原理,建立了任意性能指标下,多障碍物环境中最优参数化轨迹生成模型。结合数值求解方法,推导了多障碍物环境中参数化轨迹规划非线性求解模型的求解方法。最后通过仿真验证了参数化轨迹规划求解模型的正确性。     

移动机器人路径规划研究现状及展望

移动机器人路径规划技术是机器人研究领域中的核心技术之一。通过对全局路径规划和局部路径规划中各种方法的分析,指出了各种方法的优点和不足以及改进的办法,并对移动机器人路径规划技术的发展趋势进行了展望。     

自主移动机器人足球比赛视觉定位方法综述

综述了RoboCup足球赛中全自主移动机器人基于视觉的定位技术,包括机器人自定位和多机器人协作物体定位.介绍了定位技术的发展情况与分类.从机器人环境构建形式的不同以及先验位姿和概率方法的应用与否等方面,系统地分析和比较了各种自定位方法.对于多机器人协作物体定位,阐述了静态方法和动态跟踪方法.总结了定位过程中需要重点研究的传感器模型构建、图像处理、特征匹配以及协作过程涉及的相关问题.最后就视觉定位存在的问题和技术发展趋势进行了讨论.     

基于JPS改进的移动机器人路径规划算法

针对跳点搜索（jump point search,JPS）路径规划算法在大尺度复杂场景下存在内存资源消耗较大、路径结果平滑度较低且路径过于靠近障碍物等问题,提出融合安全势场等级函数与优化Floyd算法的改进JPS算法。首先建立了安全等级函数对栅格地图中的栅格状态进行重新赋值构建安全等级地图;然后改进了启发式函数,引入目标与主方向两项偏置函数项结合安全等级函数项,进一步减少对称性搜索带来的时间消耗,改善了所规划路径的安全程度。其次通过添加二次平滑算法流程优化了Floyd算法;最后结合B-spline样条插值法,进一步提高了改进算法所规划路径的平滑程度。仿真实验验证了改进优化算法在内存资源消耗、路径长度、路径平滑程度以及路径安全程度都有显著提升。     

基于无线传感器网络的室内移动灭火机器人系统设计

针对室内移动灭火机器人依靠自身传感器无法及时获取全面环境信息和缺少远程网络控制功能的问题,提出了一种基于无线传感器网络（WSN）且具有远程网络控制功能的系统架构。首先,构建网型拓扑结构的无线传感器网络,采集室内环境信息;其次,通过分析系统各部分的逻辑功能,构建数据库和Web服务器,实现远程客户浏览功能;最后,通过开发具有Socket网络通信功能的网络客户端,实现远程网络控制机器人。经实验测试,网型拓扑无线传感器网络,在发送间隔为1.5 s,网关节点无遮挡时,数据传输丢包率为2%,与相同情况下的树型拓扑相比,降低了67%。结果表明此系统架构能获取更加全面的室内环境信息,降低无线传感器网络数据传输丢包率,并能通过网络客户端实现远程控制。     

基于遗传算法的移动机器人动态路径规划研究

针对移动机器人未知、动态环境下路径规划的难题,对移动机器人进行了系统设计,采用动态栅格法对环境建模,在对传统遗传算法进行一定的改进的基础上,个体评价函数采取可行路径适应度函数和不可行路径适应度函数分别进行处理,通过算法设计和仿真可知,采用该方法对移动机器人进行动态路径规划时,与任何障碍物不发生碰撞,路径短而且规划曲线平滑,达到了满意的规划效果和收敛速度。     

基于传感器的非完整移动机器人运动规划

针对非完整移动机器人在未知室内环境中提出了一种路径规划方法, 通过利用传感器对周围环境的探测和实时处理传感器数据, 以及所设计的目标寻找函数, 可以有效地完成其运动规划. 该方法能够确保移动机器人在无障碍物区或障碍物对机器人不构成危险时加速前进, 在障碍物区能够慢速绕过, 从而使得移动机器人快速且安全地到达目标位置, 仿真的结果证明了该方法的有效性.     

基于全景视觉匹配的移动机器人蒙特卡罗定位算法

本文提出了一种基于梯度直方图的全景图像匹配算法, 并将该算法与蒙特卡罗定位方法相结合, 构建了一种基于全景视觉的移动机器人定位方法. 在分析所提出的匹配算法特点的基础上建立了系统的观测模型, 推导出粒子滤波中重要权重系数的计算方法. 该方法能够抵抗环境中相似场景对于定位结果的干扰, 同时能够使机器人从“绑架”中快速恢复. 实验结果证明该方法正确、有效.     

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.     

基于集员估计的室内移动机器人多传感器融合定位

本文针对室内移动机器人的长距离实时鲁棒定位问题进行了研究,考虑到单一定位手段存在的不足,以二维扫描激光和里程计作为主要的定位设备,采用多传感器数据融合技术实现了移动机器人的精确定位.论文首先通过引入基于点-直线特征匹配的改进迭代最近邻(iterative closest point,ICP)扫描匹配方法对激光采集的环境点云信息进行迭代匹配以得到相对位姿变换估计,并推导了其估计不确定性的保守包络矩阵形式,然后通过建立定位过程和观测模型,引入扩展非线性集员滤波器作为多传感器融合方法,利用扫描匹配结果校正由里程计滑移带来的定位误差,并获取定位自身的不确定性边界估计.实验结果表明了本文所提出的室内定位方法的精度、实时性和鲁棒性.     

一种生物地理学移动机器人路径规划算法

目前,虽然有多种智能计算方法用于移动机器人路径规划问题,但在复杂环境下,多数智能计算方法表现出效率低下,结果较差的问题。提出一种结合基于有效顶点的栅格编码法和改进的生物地理学优化算法的移动机器人路径规划方法,以解决该类问题。结合已知的环境信息,从精英策略、降维机制和基于惯性算子的迁移操作3方面改进了生物地理学优化算法。改进算法用于机器人移动路径,与人工蜂群算法、粒子群算法和人工鱼群算法等智能算法进行比较,实验的结果证实改进算法能够更有效地解决复杂环境下机器人路径规划问题。     

移动机器人的同步自定位与地图创建研究进展

自主移动机器人在未知环境下作业时,首先要解决的基本问题就是其自身的定位问题,而定位问题与环境地图的创建又是相辅相成的.本文从相关理论和关键技术等方面,系统地总结了同步自定位和地图创建的研究现状,着重介绍了基于概率论的方法,分析了目前存在的难题,并指出了未来研究的发展方向.     

移动机器人路径规划的改进蚁群优化算法

针对蚁群算法易陷入局部最优的缺点,提出了一种复杂静态环境下移动机器人路径规划的改进蚁群优化算法—差分演化混沌蚁群算法.该算法利用差分演化算法进行信息素的更新,同时对可能出现的停滞现象,在信息素更新时加入了混沌扰动因子,算法还采用了一个新的评价函数;从而增强了算法的逃逸能力,避免了路径死锁现象,也提高了最优路径的搜索效率.仿真结果表明:即使在障碍物非常复杂的环境,本算法仍能快速规划出安全的优化路径.效果令人满意.     

机器人动态神经网络导航算法的研究和实现

针对Pioneer3-DX 移动机器人, 提出了基于强化学习的自主导航策略, 完成了基于动态神经网络的移动机器人导航算法设计. 动态神经网络可以根据机器人环境状态的复杂程度自动地调整其结构, 实时地实现机器人的状态与其导航动作之间的映射关系, 有效地解决了强化学习中状态变量表的维数爆炸问题. 通过对Pioneer3-DX移动机器人导航进行仿真和实物实验, 证明该方法的有效性, 且导航效果明显优于人工势场法.     

基于多目标蝗虫优化算法的移动机器人路径规划

在静态多障碍物环境下的移动机器人路径规划问题中，粒子群算法存在容易产生早熟收敛和局部寻优能力较差等缺点，导致机器人路径规划精度低。为此，提出一种多目标蝗虫优化算法（MOGOA）来解决这一问题。根据移动机器人路径规划要求将路径长度、平滑度和安全性作为路径优化的目标，建立相应的多目标优化问题的数学模型。在种群的搜索过程中，引入曲线自适应策略以提高算法收敛速度，并使用Pareto最优准则来解决三个目标之间的共存问题。实验结果表明：所提出的算法在解决上述问题中寻找到的路径更短，表现出更好的收敛性。该算法与多目标粒子群（MOPSO）算法相比路径长度减少了约2.01%，搜索到最小路径的迭代次数减少了约19.34%。