基于改进D^*算法的室内移动机器人路径规划

对于D^*算法,由于其本身存在一定的缺陷,例如,规划阶段的庞大计算量,所得路径转角相对较大、具有多次转弯数,且若目标点更换后,原有规划不宜再用,应再次作出规划等。因此,对此算法进行改进。基于沃罗诺伊路线图法,将目标环境分解为多个局部环境,选取局部路径目标点时,以局部环境关键节点为主,对于无用节点,采取舍弃操作。使D^*算法的改进基于两点,即子节点选定方式、启发函数的改进,同时最大程度确保路径平滑。仿真结果表明,在转角度数、转弯次数上均有优化,规划时间缩短,路径质量提高,适当保持与障碍物的距离,机器人执行任务的安全性得到保障。在目标点变更后,利用沃罗诺伊路径路线图,机器人以更小的计算量抵达新的目标点。     

车型移动机器人的SPRM路径规划方法

研究车型移动机器人的路径规划问题,提出一种用局部规则路图结合随机路图,辅助建立全局复合路图的环境建模方法. 在此基础上进行路径规划,提高了在障碍物附近产生的局部路径的质量,减少了由于频繁地执行避碰校验所造成的时间消耗,并解决了可行空间丢失的问题. 仿真实验验证了这种方法在车形移动机器人路径规划应用中的有效性.     

基于智能路径规划算法的移动机器人系统设计

提出了移动机器人的一种全局路径规划与局部路径规划相结合的新型算法.在以TMS320LS2407A为核心处理器设计的移动机器人平台上,研究移动机器人智能路径规划的算法问题并予以实现.上位机规划机器人的最优路径,并通过与机器人无线通信,发送路径信息,实时接收机器人方位信息.上位机通过操作应用程序对机器人进行监控.机器人能够自主计算轨迹并准确跟踪路径,检测到障碍物后,智能地重新规划路径,避开障碍物到达目的地.实验结果表明:该方法能有效实现机器人的最佳行走路线规划.     

移动机器人路径规划算法分析

随着人工智能技术的兴起和发展,移动机器人也被运用到各行各业。路径规划作为机器人技术中的重要组成部分之一,是实现移动机器人自主导航的关键技术,一直备受研究者的密切关注。路径规划的核心问题是路径规划算法,随着移动机器人所处的环境越来越复杂,对路径规划算法也提出了更高要求。针对路径规划算法的实现原理,总结了目前主流路径规划算法的研究现状,并根据各规划算法的特点,将算法分为传统路径规划算法、基于采样路径规划算法、智能仿生算法以及基于强化学习的算法。文章也围绕以上算法进行分析梳理,分析其优缺点以及改进方法,并针对现有路径规划算法的研究现状,对未来路径规划算法的发展进行展望,为路径规划的发展提供了一定的思路。     

移动机器人路径规划方法研究

针对室内动态非结构化环境下的移动机器人路径规划问题,提出了一种能够将全局路径规划方法和局部路径规划方法相结合、将基于反应的行为规划和基于慎思的行为规划相结合的路径规划方法．全局路径规划器采用A*算法生成到达目标点的子目标节点序列;局部路径规划器采用改进的人工势场方法对子目标节点序列中相邻两节点进行路径平滑和优化处理．在考虑了移动机器人运动学约束的前提下,该方法不但能够充分利用已知环境信息生成全局最优路径,而且还能及时处理所遇到的随机障碍信息．仿真研究与在室内复杂环境下的实际运行结果验证了该方法的有效性．     

基于移动机器人路径规划的鼠群算法

研究静态环境下机器人路径规划问题,并根据老鼠觅食行为提出一种鼠群算法.该算法引入环境因子和经验因子,每次搜索后对路径进行经验因子更新,通过迭代的方式寻找静态环境下机器人最佳路径.同时提出一种禁忌策略,有效地避免了路径死锁问题.理论分析和实验结果表明,该算法能使机器人在有较多障碍的环境下迅速找到一条优化路径,而且安全避碰,与同类算法相比具有一定的优越性.     

基于PRM的移动机器人路径规划算法

随着制造、物流、服务和危险环境领域需求的增加,对移动机器人执行多样任务的要求日益显著,推动了移动机器人技术的迅速发展。尤其是在未知环境中智能移动方面,高效路径规划成为研究焦点。为此,提出了一种基于概率路线图（PRM）的路径规划优化算法,旨在改进采样策略,提高采样效率,从而提升路径规划的效率和准确性。通过MATLAB平台进行仿真验证,证明了该方案的有效性。     

移动机器人路径规划算法综述

路径规划算法是实现移动机器人自主导航的关键技术。针对移动机器人路径规划技术进行研究,分析各算法的实现机制与原理,并系统性的总结了主流路径规划算法研究现状。根据移动机器人路径规划算法的特点,将路径规划算法分为：传统规划算法、智能规划算法、基于采样的规划算法。基于以上分类,分述近年来的主要研究成果,重点分析各类算法的优缺点。针对移动机器人路径规划算法研究现状,对其未来研究方向进行展望,为移动机器人路径规划大发展提供一定的思路。     

移动机器人基于近似Voronoi图的3-D环境建模方法

提出一种三维复杂环境下移动机器人的环境建模与分析方法。通过平滑滤波得到环境地形高度变化的轮廓基本特征,以一阶微分方法分析满足移动机器人运行的平坦性,建立投影平面上的可行区域图。应用改进的近似Voronoi边界网络构造方法得到可行区域的网络化结构模型。该方法能够以较少的网络节点反映移动机器人运行环境中可行区域的网络化结构,从而降低路径规划的计算复杂度。该模型方法体现了三维环境的地形轮廓特征,因此能够有助于导航中的规划与定位问题的解决。     

基于混沌反控制的动态路径规划研究

针对移动机器人在动态环境中常遇到的非最优路径问题,提出了基于混沌反控制并具有一定预测能力的路径规划算法。算法结合神经网络和距离传播模型,无需先验知识并且能适应动态不确定环境。通过在关键位置控制机器人进行混沌运动,可以减少等距情况下随机选择所造成的非最优路径出现的几率。在目标振荡运动且速度快于机器人的情况下,通过分析目标的轨迹和方向可以预测目标的短期运动趋势,进而实现有效追踪。仿真结果表明该算法对于减少非最短路径和路径中的尖点具有一定的作用,对于追踪速度较快的目标也有较大的成功率。     

改进遗传算法在移动机器人全局路径规划中的应用

针对应用遗传算法进行移动机器人全局路径规划时遇到的早熟收敛和收敛速度慢等问题,提出一种基于定长二进制路径编码方式的改进遗传算法。研究此编码方式下的改进遗传操作,采用比例阈值自适应((N+K,N)+N)双种群进化策略,有效提高了算法收敛速度和全局寻优能力。仿真实验表明了该算法的有效性。     

一种移动机器人的路径规划算法

本文提出一种移动机器人路径规划最短切线路径算法。依据此算法,机器人能顺利地避开障碍物到达目标位置,其原理简单,计算快捷,容易实现。仿真结果验证了它的有效性和实用性。     

移动机器人模糊逻辑控制系统避障研究

本文对全区域覆盖的局部路径规划,采用了一种模糊控制算法,利用模糊控制算法自身所具有的鲁棒性和基于生物学上的感知一动作的行为相结合。对于移动机器人的避障系统提出了充分接近障碍的避障策略,并对相关理论和实现方法作了深入的研究。     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

移动机器人路径规划技术综述

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向.     

基于扫描法在线构造拓扑图的路经规划算法

该文提出了一种基于扫描法在线构造环境拓扑图的路径规划算法。与传统路图法相比,该算法利用扫描的方法搜索障碍物切点,并构造环境拓扑图,降低了计算复杂度,提高了实用性;利用启发式函数选择适当的离开点进行扩展,并逐步完善拓扑图,避免了一次性构造整个环境拓扑图所带来的不必要的大计算量。通过“沿直线行走”和“绕障碍物行走”这两种行为模式的切换,保证机器人顺利地避开障碍物到达目标位置。该算法的计算复杂度低,易于在线实现,并在仿真中得到了验证。     

移动机器人路径规划技术的现状与发展

移动机器人技术是近年来的研究热点,路径规划技术是移动机器人技术研究中的一个重要领域。路径规划分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。该文详细地叙述了移动机器人路径规划技术的分类和发展现状,全局路径规划和局部路径规划中的各种方法,具体地分析了各种方法的算法过程,并指出了各种方法的优缺点,以及各种方法的改进的办法,最后对移动机器人路径规划技术的未来的发展趋势进行了展望。     

动态不确定环境下移动机器人的在线实时路径规划

提出一种基于极坐标空间的、以机器人期望运动方向角为路径优化指标的动态不确定环境下移动机器人的在线实时路径规划方法。该法通过机器人的传感器系统,实时探测局部环境信息,在每一采样时刻,机器人首先对视野内的动态障碍物的位置进行采样,然后根据所采样的位置信息,利用自回归模型预测出下一采样时刻动态障碍物的位置,再将预测位置上的动态障碍物当作静态障碍物来处理,然后对其规划避碰路径,从而将动态路径规划转化为静态路径规划。仿真和实验结果验证了该方法有效可行,具有实时规划性和良好的避障能力。