基于遗传算法的机器人自定位、路径规划研究

利用栅格图法,构建移动机器人位置定位、路径规划的环境模型,在此基础上依托实值编码方式,围绕初始位姿、路径长度、拐点数量等评估指标进行初始化种群编码,将被选中的栅格连成一条完整路径,并根据声呐回传位置信息、路径信息相似度,从种群中选择与真实位姿、路径相近的算子个体,并进行算子的自适应选择、交叉和变异计算,经过多代遗传迭代进化后,得到适应度较高的新的个体,以及机器人的最优定位位置、最短路径长度和拐点数量。仿真实验及结果得出：改进遗传算法对机器人位置定位、路径规划和拐点数量计算,算法迭代的次数更少、收敛度更优,有效提高了机器人自定位及路径规划平滑度、算法收敛速度。     

一种新的基于RFID的室内移动机器人自定位方法研究

针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL(RFID tag floor based localization)定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,然后通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并且提出了染色体的筛选和剔除策略。仿真实验结果表明：该方法在有效的时间内完成定位,平均定位误差为0.1572m,与传统的改进方法0.33214m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好的满足室内移动机器人的定位要求。     

一种低计算量移动机器人自定位方法

移动机器人定位问题就是通过传感器数据来确定自己的位姿。本文介绍了几种基于概率的自定位算法。针对蒙特卡罗定位算法需要精确概率模型以及计算量大的问题,本文提出了一种均匀蒙特卡罗算法。该算法假设运动模型和感知模型都是均匀分布的,采样点在运动过程中不变,而且不需要精确的概率模型,计算量小,稳定性高。试验表朗,该算法能在室内环境下很好的对机器人定位。     

基于粒子滤波器的移动机器人自定位方法研究

首先,对粒子滤波器的原理进行了简要阐述。然后详细描述了基于粒子滤波器的移动机器人自定位算法——蒙特卡洛定位算法。在ROS(Robot Operating System)平台上对该算法进行了仿真实验并分析了其性能。最后,对蒙特卡洛粒子滤波定位方法用于移动机器人定位进行了总结。结果表明,MCL(蒙特卡洛)算法是一种精确鲁棒的移动机器人概率定位方法,可对解决移动机器人的定位问题提供有意义的参考。提出的机器人自定位方法为机器人在Robocup竞赛中自主执行各种作业提供定位支持,已在2013年中国机器人大赛获奖。     

一种鲁棒的室内移动机器人定位方法

该文意图解决移动机器人在室内环境中定位难的问题,提出了卡尔曼滤波定位方法。移动机器人依靠自身配置的声纳传感器感知环境,并提取环境中的墙角作为几何特征,通过预测值与实际观测值之间匹配和修正的循环过程实现了该定位算法,实验结果表明该方法是鲁棒的。     

基于霍夫空间模型匹配的移动机器人全局定位方法

提出了一种基于霍夫（Hough）空间模型匹配的全局定位方法．该方法将经典Hough变换引入移动机器人全局定位,利用摄像机获取外界环境的局部地图特征,与给定环境模型（全局地图）在Hough空间进行匹配,由Hough变换可分解性及环境模型相关性分别获取机器人可能的位姿信息,并用一系列高斯值表示,借助求取的位姿方差及其概率分布以及给定环境模型信息剔除不可能位姿,从而最终实现移动机器人全局定位．该方法尤其适用于室内结构化环境. 实验结果表明该方法具有良好的性能．     

基于光电鼠标的移动机器人室内定位方法

介绍通常的定位方法和背景知识后，提出了使用光电鼠标来提高航迹推算法法精度的方法。仿真显示该方法比传统的航迹推算法法要好。     

基于改进遗传算法的移动机器人路径规划方法研究

路径规划是机器人技术研究领域中的核心问题。本文针对机器人路径规划问题,提出了基于遗传算法的解决方案。在遗传算子的设计中,通过加入自适应调整方法使得算法更加完善,解决进化过程中因陷入局部极小值而不能到达目标点的问题。最后,在模拟环境下进行路径规划仿真,验证了算法的有效性。     

基于特征热力图的移动机器人高效全局定位方法

针对大尺度场景下传统的全局定位算法搜索空间大、定位效率低的问题,提出了一种基于特征热力图的移动机器人高效全局定位方法.首先,融合光线投射和点/边特征检测算法,提取了环境栅格地图中的点/边信息;并制定了考虑随机误差的鲁棒处理策略,构建了具有鲁棒特征信息的特征热力图.此外,利用相同的策略提取了真实激光雷达点云中的点/边特征信息,并将特征信息与特征热力图进行匹配,获得了初始搜索空间.最后,对最大似然估计定位法与蒙特卡洛定位法进行了改进,实现了在初始搜索空间下的高效全局定位.在仿真场景和大尺度真实车间中进行了验证测试,相较于传统最大似然估计定位方法,计算时间下降幅度平均达到90.37％,而与蒙特卡洛定位方法相比,成功率平均提升了5.92倍.结果表明所提方法极大地缩小了定位搜索空间,有效地提高了全局定位效率和精度.     

基于RGB-D相机的室内移动机器人自定位方法

精准可靠的自定位是移动机器人实现多机协同、路径规划与控制决策等自主能力的基础。因此,室内服务机器人作为移动机器人的典型代表,要求能够实时进行自定位,并且有效地避开各种静态和动态障碍物。基于此,提出一种基于RGB-D相机的室内移动机器人自定位方法,该方法利用Hough变换对机器人建立的环境地图进行线特征提取,并建立环境模型误差查找表,将非结构化环境中的自定位问题转化为结构化环境中的自定位问题,然后利用匹配优化算法实现自定位。实验结果表明,采用所提出的方法,机器人能够实现室内环境下实时精确的自定位。     

A Localization Algorithm for Autonomous Mobile Robots via a Fuzzy Tuned Extended Kalman Filter

The capability to acquire the position and orientation of an autonomous mobile robot is an important element for achieving specific tasks requiring autonomous exploration of the workplace. In this paper, we present a localization method that is based on a fuzzy tuned extended Kalman filter (FT-EKF) without a priori knowledge of the state noise model. The proposed algorithm is employed in a mobile robot equipped with 16 Polaroid sonar sensors and tested in a structured indoor environment. The state noise model is estimated and adapted by a fuzzy rule-based scheme. The proposed algorithm is compared with other EKF localization methods through simulations and experiments. The simulation and experimental studies demonstrate the improved performance of the proposed FT-EKF localization method over those using the conventional EKF algorithm.     

一种快速鲁棒的越野环境下自主移动机器人障碍检测算法

为了既能正确地从视差图中检测出障碍,又能鲁棒地抵抗噪声的干扰,本文提出一种快速鲁棒的越野环境下自主移动机器人障碍检测算法.首先综合利用高度约束、连续性约束和坡度约束给出了障碍点的完整定义,然后借用区域增长的思想综合多种约束进行障碍检测,最后使用冗余检测方法与多分辨率策略对算法进行优化,并对冗余检测方法的原理进行证明.实...     

Multiple Objective Genetic Algorithms for Path-planning Optimization in Autonomous Mobile Robots

This paper describes the use of a genetic algorithm (GA) for the problem of offline point-to-point autonomous mobile robot path planning. The problem consists of generating “valid” paths or trajectories, for an Holonomic Robot to use to move from a starting position to a destination across a flat map of a terrain, represented by a two-dimensional grid, with obstacles and dangerous ground that the Robot must evade. This means that the GA optimizes possible paths based on two criteria: length and difficulty. First, we decided to use a conventional GA to evaluate its ability to solve this problem (using only one criteria for optimization). Due to the fact that we also wanted to optimize paths under two criteria or objectives, then we extended the conventional GA to implement the ideas of Pareto optimality, making it a multi-objective genetic algorithm (MOGA). We describe useful performance measures and simulation results of the conventional GA and of the MOGA that show that both types of GAs are effective tools for solving the point-to-point path-planning problem.     

可移动机器人的马尔可夫自定位算法研究

马尔可夫定位算法是利用机器人运动环境中的概率密度分布进行定位的方法.使用该 方法机器人可在完全不知道自己位置的情况下通过传感器数据和运动模型来估计自己的位置. 但是,在研究中发现它还存在一些问题,如概率减小到零后就无法恢复.对只有距离传感器的机 器人在对称的环境中仅仅采用该算法就无法确定位置.为了解决这些问题,文中给出了修正算 法,并建议在机器人上装上方向仪(如指南针或陀螺仪等),然后利用定义的一个角度高斯分布 函数来构造新的机器人感知模型.在此基础上详细地阐述了一种新的自定位技术.最后,采用仿 真程序验证了机器人在对称环境中运动时这一新算法的可行性.     

基于分布式遗传算法的移动Agent迁移策略

迁移策略是移动Agent（Mobile Agent,MA）的核心技术之一,MA的效率很大程度上取决于迁移策略的优化。本文提出了一种改进的分布式遗传算法（EDGA）,用于对多约束条件下MA迁移策略最优问题进行求解。EDGA将分布式遗传算法和Cascade模型相结合,在迁移算子部分设计一个中心监控器,观察每个子种群的进化,并对迁移个体的选择以及相应子种群的大小做出调整,使进化能力好的子种群得到更大的空间来搜索最优值。实验结果表明：本文所提出的EDGA算法在求解速度和质量上取得了较大的改善。     

自主移动机器人混合式体系结构的一种Multi-agent实现方法

提出了一种简单实用的方法,优化了基于MAS的自主移动机器人系统在紧急状态下的性能．传统的基于MAS的体系结构在处理紧急事件时系统导航延迟时间较长．该方法将传统的基于MAS的体系结构修改为混合式体系结构,定义了紧急事件集合和紧急状态集合,改进了离散事件状态模型,实现了定序器Agent．实验结果表明,这种方法缩短了系统导航延迟时间,提高了系统的智能性和安全性．     

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.     

An Efficient Localization Algorithm Based on Vector Matching for Mobile Robots Using Laser Range Finders

This paper describes an efficient localization algorithm based on a vector-matching technique for mobile robots with laser range finders. As a reference the method uses a map with line-segment vectors, which can be built from a CAD layout of the indoor environment. The contribution of this work lies in the overall localization process. First, the proposed sequential segmentation method enables efficient vector extraction from scanned data. Second, a reliable and efficient vector-matching technique is proposed. Finally, a cost function suitable for vector-matching is proposed for nonlinear pose estimation with solutions for both nonsingular and singular cases. Simulation results show that the proposed localization method works reliably even in a noisy environment. The algorithm was implemented for our wheelchair-based mobile robot and evaluated in a 135 m long corridor environment. Categories (3), (6).     

一种基于免疫原理的自律机器人行为控制算法

生物体免疫系统是一个高度复杂的分布协调自适应系统。文章基于免疫学的细胞克隆选择学说和 Ｊｅｒｎｅ网络调节理论,介绍一种人工免疫系统模型及算法,并应用于自律移动机器人的行为控制研究,模拟实验结果表明,该算法能有效增强自律移动机器人在动态环境中的自适应能力。