基于改进A^*势场法的机器人动态路径规划研究

针对人工势场法在路径规划中出现的目标点不可达、转折次数多及路线较长的问题,提出了一种动态环境下移动机器人全局路径规划的改进A^*势场算法。首先采用A^*算法在已知静态环境中进行全局最优路径规划,当移动机器人进入动态障碍物影响范围ρ0时,引入相对速度势场对人工势场法进行改进,进行局部动态路径规划,追踪沿A*路径运动的虚拟动态目标直至回到原路径,完成到达目标点的路径规划。将该算法与人工势场法通过MATLAB进行路径规划仿真比对,结果验证了该算法的可行性,并且有效减少了路径的震荡和累计转角,同时明显缩短了全局路径距离。     

基于运动约束的移动机器人路径规划

针对A^*算法路径规划中存在的转折冗余、安全性低、不符合移动机器人非完整约束模型等问题，提出一种基于运动约束的路径规划算法。首先，通过挪移处理使A^*算法规划的路径点适度远离障碍物。然后，剔除无障碍路径点间节点，获取路径必经转折点。最后考虑机器人运动约束，以转折点位姿为局部目标，引导混合A^*二次规划路径。实验结果表明，改进算法比传统A^*算法提高了65%的安全距离，无冗余转向，路径具有位姿连续性，可以保证机器人的平稳、高效、安全的移动。     

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。     

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大，搜索效率较低且规划的路径不利于机器人移动等缺点，从3个方向进行改进。首先，对于随机树扩展时随机性较大的问题，将传统的扩展方向加入改进人工势场法约束，使得随机树偏向目标点生长；其次，将改进RRT算法规划的路径进行关键点提取，并优化路径；最后，将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明，优化改进RRT算法相较于传统A^*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好，融合算法在复杂环境中规划出的路径能够很好地避开障碍物，路径更加平滑且更短。     

Kiva机器人路径优化研究

为解决传统A^*算法无法实现多Kiva机器人在路径规划中有效地避免局部冲突的问题，本文改进了传统算法，得到基于提前预测冲突的A^*算法。首先对Kiva机器人的工作环境建立栅格地图，利用MATLAB进行实验仿真，结果表明，基于提前预测冲突的A^*算法不仅能为两个Kiva机器人规划出最优路径，而且能有效地避免动态的迎面冲突和交叉冲突，同时能实现Kiva机器人空载时在货架下任意穿梭，载货时只能走空闲道路的特点。     

基于改进 A∗ 算法与动态窗口法融合的 机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A~*算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A~*算法与动态窗口法相融合的机器人随机避障方法。在改进A~*算法中,首先优化了搜索点选取策略和评价函数,提高了A~*算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A~*算法较传统A~*算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。     

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％.     

基于改进人工势场法的双机械臂避障路径规划

针对双6自由度机械臂提出了一种基于改进人工势场法的避障路径规划算法。分析了双机械臂的协作工作空间,确认了双臂自碰撞的可能。针对静态障碍物对主机械臂进行避障运动规划,完成主机械臂路径规划后,再将主机械臂作为从机械臂运动时的动态障碍物,为从机械臂规划避障运动路径。利用新的势能函数代替传统人工势场法的势能函数,对双机械臂进行避障路径规划;由于传统人工势场法在机械臂避障路径规划中容易陷入局部极小值的缺陷,因此,增加了虚拟吸引点,避免机械臂陷入局部极小值。仿真实验表明,该方法实现简单,满足双机械臂避障的要求,能够有效地为双机械臂规划出无碰撞路径。     

基于改进势场蚁群算法的自动引导小车路径规划研究

自动引导小车(AGV)是自动化车间里必不可少的一种运载工具,为了实现AGV小车可以在自动化车间环境下能够进行自主导航、避障和路径最优功能,提出了一种通过建立栅格地图,在蚁群算法的基础上加入人工势场局部搜索寻找最优路径的算法。该算法通过利用人工势场法中AGV到目标点的距离构造启发函数,根据对动静态障碍物的识别来重构不同的势场函数,从而增加AGV在局部路径上的搜索和安全避障能力,同时利用蚁群算法的搜索方式来寻找到目标点的全局最优路径。通过仿真实验证明了所提出算法能有效解决自动化车间环境中的路径规划问题。     

基于云计算的果园移动机器人动态路径规划

针对复杂果园环境下的移动机器人路径规划,提出一种基于云计算的混合改进人工鱼群算法.首先云端服务器利用栅格地图对环境进行建模,将Pareto支配关系和A*算法引入人工鱼的设计中,结合自适应的视野范围计算出静态全局最优路径,然后发送至移动机器人完成果园环境的路径规划.最后,针对动态环境中不同障碍物的速度和方向,提出3种避障...     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

沿全局最优路径滚动避障的车间机器人导航研究

为了减少机器人在车间工作时的路径长度、提高行驶安全性,提出了全局规划和局部滚动避障相结合的机器人导航方法。对车间静态环境进行全局路径规划,在传统蚁群算法基础上,在转移概率中引入节点被访问次数作为新启发因子、同时引进随机选择策略和"回退-惩罚"策略,从而提出了基于改进蚁群算法的全局路径规划方法。对车间动态环境进行局部滚动预测避障,分确定和不确定运动提出了碰撞预测和碰撞避免策略,实现了沿全局最优路径滚动避障行驶。经仿真验证,改进蚁群算法规划出的路径比传统方法缩短了42.3%;在车间动态环境下,机器人使用滚动预测避障策略可以沿着最优路径安全到达目标点,实现了机器人在车间动态环境下安全导航。     

具备启发式路径优化的机械臂路径规划算法

在机器人的路径规划问题中,相较于基于搜索的算法和基于人工势场的算法,基于采样的路径规划算法能在高维状态空间中表现出良好的实时性。基于采样的路径规划算法对空间的探索通常是完全随机的,这不利于快速搜索路径。探讨了一种更高效的路径规划算法,用于帮助机器人在有障碍环境中完成避障作业。提出的Informed RRT^*SR(Informed RRT^*with Smart Rope)算法总体分为无碰路径的搜索和路径优化这两个步骤,路径搜索过程的算法实现与Informed RRT^*算法相同。通常,Informed RRT^*搜索得到的无碰路径是蜿蜒曲折的,结合路径优化算法能够进一步对路径进行优化,从而提高路径搜索效率。Informed RRT^*SR算法在路径优化过程中使用了启发式的路径探索规则,能够有效压缩搜索空间以提高搜索效率。机械臂的路径规划仿真实验结果表明,Informed RRT^*SR算法能够在相同时间内搜索到一条更便捷的路径,搜索得到的路径距离相较于Informe...     

融合能耗指标与安全因子的移动医疗机器人通用路径规划

考虑在突发重大公共卫生事件期间存在的医疗物资搬运工作强度大、交叉传播风险高等问题，提出一种节能、安全且通用的移动医疗机器人无碰撞路径规划方法。首先，通过建立某方舱医院栅格地图环境模型，表征机器人自主移动过程的能量消耗指标，改进A^*算法原始搜索方向，构建了一种计及能量因素的邻接矩阵优化策略。然后提出一种邻接矩阵权值算子，融合权值算子和安全避障惩罚因子到A^*算法的估价函数中。同时，提出一种基于三次连续贝塞尔曲线的路径平滑方法，用于方舱医院栅格地图中生成曲率连续的平滑路径。仿真结果验证了所提方法的适用性，相较于传统路径规划方法，该方法具备节能性、安全性和平滑性特征，有效降低了医疗运输成本。     

一种改进人工势场法的机械臂路径规划方法

针对人工势场法算法存在复杂障碍物环境中易陷入局部最小值无法运动的问题,本文提出了一种适用于静态环境中机械臂路径规划改进的人工势场法,通过在引力场中添加引力安全阈值,在斥力场中添加路径搜索当前点与目标点的欧式距离,引入自适应大步长的模拟退火算法对局部最小值进行逃逸。首先,修改势场函数模型;然后,当搜索路径陷入局部最小值时,采用自适应大步长的模拟退火算法往障碍物最少的空间逃逸;最后,在规划出来的路径上提出一种冗余节点删除策略与拐点消除算法,对规划出来的路径进行平滑处理。仿真和实验验证了本文提出的六自由度机械臂避障路径规划策略有效性。     

自动泊车系统中AGV路径规划及碰撞规避问题分析

采用抑制转弯权值的改进A~*算法作为全局路径规划,结合动态冲突检测及动态避障策略,有效解决多AGV运行环境下的运行安全问题。优化算法能够实现AGV最优路径规划及动态避障功能,且算法执行效率高,在采用拓扑图法对智能停车场的实际环境建模的基础上,可提高AGV在实际应用领域的综合效益。     

基于势场和运动约束的月面六足机器人路径规划算法

月球探测是我国航天工程的重要任务。受限于轮式月球车的运动能力,目前人类对月球的探测活动局限于较为平缓的月海地形,而六足机器人相较于月球车具备更优越的通过能力与冗余容错能力,在未来月面探测任务中有广阔的应用前景。针对我国未来月面探测任务需求和巡视及科学考察等目标,现有的六足机器人缺乏针对月面复杂地形环境的路径规划算法。为此通过分析月面地形,建立了二维月面仿真环境随机生成算法,并根据六足机器人运动学模型,分析路径规划问题中月面六足机器人的运动约束,结合人工势场方法,设计了月面六足机器人路径规划核心代价函数,提出了一种基于势场和运动约束的月面六足机器人路径规划算法,为我国未来极端星表环境下探测机器人研制提供技术基础。通过实验对比分析验证,相比于A^*算法和RRT算法,该算法规划路径短,运行效率高,相比于传统人工势场法,该算法具有更高的鲁棒性。     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

基于混合A星的停车场内巡航分层运动规划方法

自动驾驶汽车作为智能交通系统的重要组成部分,越来越受到研究者的重视。自动代客泊车技术(Auto valet parking)是高级别自动驾驶不可缺少的部分。代客泊车应用于非结构化环境,这使得研究者需要设计有别于结构化场景的规划算法来应对非结构化环境的各种挑战,例如,道路线的缺失、周车预测的不确定性。考虑代客泊车的环境特点,提出基于改进混合A^*算法和时间弹性带算法的分层运动规划方法。通过修改碰撞检测过程,使得混合A^*算法可以实现交互行为。通过引入地图参考线代价,加快混合A^*算法搜索效率。改进后的混合A^*算法可以针对非结构化环境生成合理有效的初值轨迹。采用的时间弹性带算法执行效率高,有效解决了车辆运动学和障碍物约束问题,可以快速应对环境变化。在中国苏州的地下停车场开展实车试验。试验结果表明,提出的算法能够有效地解决常规场景下的车辆横向运动规划问题。     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。