机器人导航系统中的路径规划算法

导航系统是反映移动机器人自主特性与智能行为的关键问题之一,它所能完成的功能包括:环境的感知与识别、路径规划、路径跟踪、障碍回避等。路径规划是移动机器人导航技术中的重要组成部分,它是机器人执行各种任务的基础,而如何在动态时变环境中有效的实施路径规划是亟待解决的问题。本文综述了该领域研究的主要内容及其发展动态,在对一些较有代表性的研究思想及其相关算法分析的基础上,指出了存在的不足和有待进一步研究的问题,并提出了一些解决思路。     

Deliberative On-Line Local Path Planning for Autonomous Mobile Robots

This paper describes a method for local path planning for mobile robots that combines reactive obstacle avoidance with on-line local path planning. Our approach is different to other model-based navigation approaches since it integrates both global and local planning processes in the same architecture while other methods only combine global path planning with a reactive method to avoid non-modelled obstacles. Our local planning is only triggered when an unexpected obstacle is found and reactive navigation is not able to regain the initial path. A new trajectory is then calculated on-line using only proximity sensor information. This trajectory can be improved during the available time using an anytime algorithm. The proposed method complements the reactive behaviour and allows the robot to navigate safely in a partially known environment during a long time period without human intervention.     

动态环境下基于人工势场引导的RRT路径规划算法

现有的大多数动态RRT路径规划算法不能使规划的路径远离障碍物,这有可能导致机器人没有足够的避障时间。针对此问题,提出了一种利用人工势场引导快速扩展随机树向目标区域生长并远离障碍物的改进RRT算法APFG-RRT(artificial potential field guided RRT)。为了进一步加快算法的收敛速度、加速算法跳出局部极小值,引入了一种按自适应概率选择目标点作为采样点的策略;针对动态环境采用全局规划结合局部重新规划的方法以提高算法的实时性。仿真实验表明,相比于初始RRT和Goal-bias RRT,APFG-RRT的计算效率更高,内存需求更小,并且搜索到的路径能够有效地远离障碍物,提高了动态路径规划的成功率。     

动态环境下改进人工势场法的仓储机器人自主导航系统研究

为了解决仓储机器人在全动态环境中的自主导航问题,在分析自主导航技术基础上建立了机器人和动态障碍物的数学模型,搭建了以二维激光雷达为主的环境感知平台,提出了一种改进的人工势场法。在传统人工势场法中同时引入相对速度和相对加速度因素得到改进的人工势场模型,实现机器人在全动态环境中的自主移动。设计了无障碍物和多动态障碍物两种移动环境。经仿真验证,应用改进的人工势场法进行路径规划能高效地避开动态障碍物、跟踪动态目标,且运动路径光滑。     

导航系统中多目标路径平滑化规划的研究

路径规划是车辆、机器人出行、无人机航路推荐和计算机游戏等许多应用中的关键任务。现有的大多路径规划常简化为单目标优化问题进行求解。但在现实生活中,还需要同时考虑多种规划目标,且用于规划路径的目标之间还存在着彼此不能变换的问题。在熟知的路径规划算法（D*Lite）上提出了一种新的多目标路径平滑化规划算法-平滑多目标D*Lite算法。通过构造一条初始多目标平滑路径,当检测到环境变化时采用增量搜索思想,仅更新受影响结点并从当前结点重新进行规划得到一条新的多目标平滑路径。仿真结果表明,该算法不但能有效躲避突发障碍物,规划路径拐点较少,还能提高搜索效率,可有效应用于具有不同非交互规划目标的导航系统。     

基于改进人工势场法的机器人动态追踪与避障

针对移动机器人对动态目标的追踪和对拦截型障碍物的避障问题,将势场法进行改进,提出了辅助斥力环方法,改变了传统势场法中斥力的作用方式和机器人的避障策略,使其在动态环境下处理避障问题更加灵活有效.仿真研究验证了此方法的有效性.     

一种新的基于切线的路径规划方法

提出了一种崭新的基于切线的路径规划方法.它在二维离散姿态空间中,用障碍物的边界线建立环境模型,用凸壳和切线构造局部最短路径,复杂地形能被主干线结构有效地分解.跳跃式扫描技术和按需扩展搜索图的策略使它优于切线图法.它能非常有效地利用稀疏环境和处理较大的规划空间,并且能适应未知和动态的环境, 这使它成为远距离漫游的理想导航方法. 仿真表明,本文算法通常都能得到全局最优路径,并且规划速度快、内存需求小,非常适合于实时应用.􀁱     

基于区域空间知识模型的在线快速路径规划

人类在其导航过程中运用了区域化的空间知识模型并采取了\"由精到粗\"的寻路策略.受此启发本文首先提出一种区域化的空间知识模型.在该模型中,多个小尺度的区域组合在一起形成上一层级的区域,构成一种层次化的空间表示结构.在此基础上提出一种基于该空间知识模型的在线路径规划算法FTC–A*(fine-to-coarse A*).FTC–A*能够根据环境信息的远近采取不同的规划策略.在机器人所在的区域中,进行路径的精细规划,而对远处空间进行粗糙规划.该策略利用环境描述的区域化特性,降低了搜索空间的大小,从而显著地降低了规划时间和内存负载,减少了机器人的运动响应延迟.本算法能适应环境规模巨大以及目标点经常改变的应用场合.通过在Mobile Sim平台的仿真实验以及与A*和HA*算法的对比分析,验证了该方法的可行性与有效性.     

改进的快速探索随机树双足机器人路径规划算法

针对快速探索随机树(RRT)算法进行路径规划时随机性大且未考虑移动代价的问题,提出了任意时间快速探索随机树算法。生成一组快速探索随机树,之后每个树都重新使用上个树的信息来不断改进树的延伸。为进一步优化算法,使用节点缓存来生成一个引力函数来减少移动代价。最终的算法能够快速地生成初始路径,在规划时间内不断地改进路径且通过使用阈值来确保后面路径都比上次的移动代价更小。双足机器人仿真实验中,改进后的算法与初始的算法相比,搜索的节点数由883减少到704,效率提高了近25%。实验结果表明了改进算法的有效性。     

基于新人工势场函数的机器人动态避障规划

人工势场法是进行机器人路径规划时常用的方法,但若用圆锥曲线函数作为引力场数学模型时,在目标点会产生抖动问题.本文在分析抖动产生原因的基础上,增加一个指数项到引力场函数中,从而消除了奇异值点,避免了抖动现象.然后将一敏感度参数引入斥力场函数,以便灵活控制运动过程中机器人与障碍物距离的大小.通过对敏感度的调节,还可以克服传统势场法中目标点在斥力作用范围内时,机器人无法到达目标点的缺陷.最后给出新势场法的仿真.     

基于地图的室外移动机器人路径规划与导航系统

本文给出基于地图的室外移动机器人路径规划和导航系统的设计与实现．根据主题图内容分层和空间关系的拓扑特征建立了基于对象的空间表示方法．全局路径规划可在多种约束条件下找出最优路径．启发式搜索算法中的费用函数同时考虑路径长度和转折次数与角度两个主要因素．文中还描述了一个以有穷状态机为工具的导航系统模型．并给出了针对校园环境模型在SUN3/260工作站上实现的部分实验结果．     

基于二重势函数法的集群航路规划

人工势场法由于其在构型组织能力上的不足,影响了该方法在集群航路规划上的应用,为此提出基于二重势函数法的集群航路规划法,通过第一重势能场形成集群到目标的可行路径,通过第二重势能场形成构型,从而实现集群航路规划.此外,针对人工势场法存在无谓避碰、陷阱问题等不足,通过引入碰撞危险度来确定障碍物影响距离以及虚拟障碍物,提出改进...     

无线传感器网络中的分布式动态路径规划算法

利用无线传感器网络(WSN)根据环境变化为移动主体规划优化路径在实际应用中具有重要意义.针对现有梯度势场算法在动态调整方面的不足,综合考虑路径长度、安全性和通信代价,结合环境因素构造梯度势场函数,提出了一种分布式动态路径规划算法,使网络在环境变化时依据局部信息动态调整梯度势场,为每个节点提供优化路径.仿真结果显示了本文算法可使WSN在环境变化情况下,能够规划出较短路径,有效降低通信代价并灵活处理路径安全性.     

A Smooth Path Tracking Algorithm for Wheeled Mobile Robots with Dynamic Constraints

In order to avoid wheel slippage or mechanical damage during the mobile robot navigation, it is necessary tosmoothly change driving velocity or direction of the mobile robot. This means that dynamic constraints of the mobile robotshould be considered in the design of path tracking algorithm. In the study, a path tracking problem is formulated asfollowing a virtual target vehicle which is assumed to move exactly along the path with specified velocity. The drivingvelocity control law is designed basing on bang-bang control considering the acceleration bounds of driving wheels. Thesteering control law is designed by combining the bang-bang control with an intermediate path called the landing curve whichguides the robot to smoothly land on the virtual target's tangential line. The curvature and convergence analyses providesufficient stability conditions for the proposed path tracking controller. A series of path tracking simulations and experimentsconducted for a two-wheel driven mobile robot show the validity of the proposed algorithm.     

移动机器人的动态路径规划及控制

本文阐述了两类机器人的导航方法:第一类方法是,先生成整个路径,然后进行路径跟踪控制;第二类方法是所谓的势场方法,即利用人工势场直接进行运动控制.在此基础上,我们提出了用于移动机器人系统导航的动态路径规划-控制方法.系统根据环境信息对路径进行动态的生成与控制,从而与实际环境实现了闭环,增加了对系统的稳定性和对环境的适应能力.     

基于传感器信息的智能移动机器人导航评述

导航是研究智能移动机器人技术中的一个重要领域,对自主导航技术的关键问题——路径规划进行了评述。路径规划一般可分为基于模型的环境信息完全知道的全局路径规划和基于传感器的环境信息完全未知或部分未知的局部路径规划2种类型。分别对各种方法的发展现状进行了总结,指出了各种方法的优点和不足。     

基于装配约束动态管理的虚拟拆卸

装配约束是虚拟拆卸环境下必须考虑的装配体的重要信息,提出虚拟拆卸过程中装配约束的动态管理机制,并实现了基于装配约束导航的虚拟拆卸。装配约束的动态管理包括虚拟环境下装配约束的获取、表达以及拆卸过程中装配约束的动态维护,即装配约束的动态解除和产生,文中用装配约束图表达零件间的装配约束,提出装配约束的间接解除方法,并实现了基于装配约束推理的零件可拆卸方向的推导。最后,通过一个简单装配体的拆卸实例,对文中方法进行了验证。     

融合人工势场法的动态快速行进树路径规划算法

针对快速行进树算法（FMT*）由于随机采样导致的冗余探索问题以及不适用于动态环境的问题,提出一种融合人工势场法的动态快速行进树路径规划算法（APF-Dynamic FMT*）,该算法设计了一种基于人工势场法的采样点引导函数,该函数根据环境信息动态的调整采样点生成范围,减少冗余探索。同时,该算法设计了一种路径树动态调整机制,当现有路径受到环境改变的影响时,能在未受影响的剩余路径树的基础上重新规划出新的优秀路径,适用于解决动态环境下的路径规划问题。仿真实验结果表明,APF-Dynamic FMT*算法在消耗相同计算资源的同时,显著提高了路径规划的成功率与路径质量,且当现有路径受动态环境影响后,能够高效地重新规划出可通行的优秀路径。     

FPS游戏中基于HTN的Anytime规划器的研究

动态性和实时性电脑游戏世界的两个关键特征。Anytime规划是能够产生满足上述两个特征的行为的规划方法。分层任务网络（Hierarchical Task Network,HTN）是表示分层规划的一种形式,它非常适合于表达电脑游戏中非玩家角色（non-player character,NPC）复杂的目标。以著名的第一人称射击（First-Person Shooter,FPS）游戏虚幻竞技场2004（Unreal Tournament 2004）作为游戏平台,为NPC设计实现了一个基于HTN规划的anytime规划器,并使用遗传算法调整规划目标的优先级。该规划器可以根据环境变化随时中断规划并给出可用的规划结果,同时具有一定的适应性。实验表明它能够使NPC的行为更智能。     

基于路径预测人工势场法的自动跟随小车路径规划

针对自动跟随小车实际工作环境下目标点和障碍物具有可移动特征,在传统人工势场法的基础上提出一种具有动态路径预测功能的路径规划方法。通过实时采集和计算小车、目标点和障碍物的距离、运动速度和方向,预测未来三者之间可能的位置关系。根据目标点预测结果采用人工势场法确定接近目标点路径,根据预测的障碍点运行轨迹确定绕过障碍点的路径。将基于路径预测人工势场法与传统人工势场法进行仿真对比,结果表明该方法在跟随效率和避障能力上具有显著的提高。