未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域，一般地可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两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结，指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.     

不确定环境下移动机器人路径规划算法研究

该文对不确定环境下移动机器人路径算法进行了研究，并提出了一种新算法一基于两点法的模糊控制算法。首先利用两点法求出预设轨迹，然后把预设轨迹上的点作为移动机器人的阶段目标点，再利用模糊控制算法修正移动轨迹，进行路径规划。这样可以简化模糊控制规则的制定，减少模糊控制规则的数目，从而大大提高路径规划的速度。应用该方法进行了避障、道路跟踪等控制实验。实验表明，该算法具有很好的灵活性和鲁棒性。     

一种未知环境下的机器人快速路径规划

路径规划是移动机器人研究的一个重要问题.在该问题的探讨中.多数方法为了简化问题.都是在假设障碍物已知的条件下进行的,然而实际环境中.障碍物的位置和大小有时是很难预知的.文中所描述的算法,在解决障碍物预测问题的同时建立相应的环境地图.通过设置的调控参数和回退机制有效地提高了机器人对最优路径的搜索效率,有效地解决了未知环境下的路径规划问题.仿真实验表明,该算法的障碍物的搜索和最优路径的建立都是令人满意的.     

未知环境下机器人实时模糊路径规划方法

针对三自由度工业机器人,提出了一种未知环境下的机器人模糊路径实时规划方法．算法由几个各自独立控制的关节模糊单元组成．每个单元综合了附近障碍物排斥作用和关节目标的吸引作用,控制关节到达目标角度．仿真结果证实了算法的有效性．     

求知环境下移动机器人实时路径规划

主要讨论了在不确定环境下移动机器人运动路径的在线规划算法。在此方法中,预定目标被定为吸引子,而障碍物被定为排斥子,路径规划问题就被转换为应用牛顿定理进行迭代计算的问题。这种算法计算简便,实时性强,能自动地适应工作环境中障碍物和目标的位置变化和随机出现,使机器人准确避开障碍,安全到达目的地。     

移动机器人路径规划方法的研究与展望

路径规划是移动机器人技术研究的重要分支之一.介绍并分析了路径规划的分类,重点阐述了全局路径规划及局部路径规划的方法并指出了它们的优点与不足.最后对移动机器人路径规划技术未来的研究方向进行了展望.     

动态环境下移动机器人路径规划的一种方法

研究障碍物的形状以及位置未知环境下的动态路径规划的问题，采用栅格表示障碍物与机器人的大小、位置以及他们的运行环境地图，给出了一种路径规划的算法，该算法计算简单，搜索速度快，通过仿真试验发现，用该方法规划的路经取得了比较好的效果。     

使用遗传算法规划移动机器人路径

提出了一个基于遗传算法的移动机器人路径规划方法。该方法在对自由空间进行链接图法建模的基础上,先用网络图最短路径算法进行粗路径的搜索,然后再利用遗传算法进行路径点的调整,从而规划出机器人的行走路线。通过对路径点的编码处理,使得仅使用简单遗传算法就能对路径规划问题进行求解。仿真结果表明,该方法简单易行,并且所规划出的路径的质量有所提高。     

移动机器人路径规划定量研究

移动机器人工作环境的定量建模是移动机器人路径规划定量分析的基础，采用自由空间法，建立移动机器人工作环境的二维带权网络拓扑模型，模型中的长度矩阵描述工作环境的路径实际长度，宽度矩阵描述工作环境的路径实际宽度。在Dijkstra路径搜索算法中，引入路径宽度与机器人本体大小的比较以及规划后路径宽度的改变来解决移动机器人路径规划的定量问题，同时对Dijkstra搜索算法在效率上进行了改进。该算法的实验仿真表明，提出的路径规划方法是正确和有效的。     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束、路径点必须在障碍物之外、路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化,在规划好的路径上修正.仿真实验表明了该方法的有效性.     

Non-smooth environment modeling and global path planning for mobile robots

An Approximate Voronoi Boundary Network is constructed as the environmental model by way of enlarging the obstacle raster. The connectivity of the path network under complex environment is ensured through building the second order Approximate Voronoi Boundary Network after adding virtual obstacles at joint-close grids. This method embodies the network structure of the free area of environment with less nodes, so the complexity of path planning problem is reduced largely. An optimized path for mobile robot under complex environment is obtained through the Genetic Algorithm based on the elitist rule and re-optimized by using the path-tightening method. Since the elitist one has the only authority of crossover, the management of one group becomes simple, which makes for obtaining the optimized path quickly. The Approximate Voronoi Boundary Network has a good tolerance to the imprecise a priori information and the noises of sensors under complex environment. Especially it is robust in dealing with the local     

Robot path planning in globally unknown environments based on rolling windows

In this paper, robot path planning in globally unknown environments is studied. Using the rolling optimization concept in predictive control for reference, a new strategy of path planning for a mobile robot, based on rolling windows, is proposed. The method makes full use of the real-time local environmental information detected by the robot and the on-line path planning is carried on in a rolling style. Optimization and feedback are combined in a reasonable way. The convergence of the planning algorithm is also discussed.     

移动机器人路径动态规划有向D*算法

针对传统D*路径规划算法搜索效率低、成本较高的问题,提出有向D*算法. 该算法考虑目标点与障碍物信息,引入关键节点概念,逐级扩展确定可行路径,并且引入导向函数以控制单次搜索的节点搜索范围来提高搜索效率;在原欧几里得评价指标的基础上引入路径平滑度函数对偏移路径进行惩罚,避免机器人无效转弯而增加移动成本;通过路径平滑度函数中的“转弯因子”协调路径长度与平滑度之间的关系,给出路径平滑度函数的分段原理与转弯因子的确定方法,并对算法收敛性进行证明. 在不同环境下的仿真实验表明,该算法较传统算法能更好地兼顾局部搜索与全局最优性,尤其适用于障碍物较多的复杂环境.     

基于超混沌同步控制的移动机器人全覆盖路径规划

针对移动机器人执行警戒、巡逻等特殊任务的随机性、遍历性等需求,提出一种基于超混沌同步控制的移动机器人全覆盖路径规划方法。以四维超混沌Lorenz系统为主驱动方程,利用单边耦合同步控制构造超混沌同步响应方程;将同步后的超混沌同步响应方程与移动机器人运动学方程相结合,构造混沌机器人路径规划器,产生满足特殊任务要求的全覆盖遍历轨迹;利用镜面映射方法对覆盖轨迹运行范围进行限制和对运行边界进行静态避障。对规划轨迹进行定性分析和定量计算发现,与同步以前的超混沌方程相比,利用超混沌同步方法构造后产生的全覆盖轨迹具有更好的遍历覆盖特性和随机特性,能够满足自主移动机器人执行警戒、巡逻等特殊任务的需求。     

Quadrant based incremental planning for mobile robots

Path planning of a mobile robot in the presence of multiple moving obstacles is found to be a complicated problem. A planning algorithm capable of negotiating both static and moving obstacles in an unpredictable （on-line） environment is proposed. The proposed incremental algorithm plans the path by considering the quadrants in which the current positions of obstacles as well as target are situated. Also, the governing equations for the shortest path are derived. The proposed mathematical model describes the motion （satisfying constraints of the mobile robot） along a collision-free path. Further, the algorithm is applicable to dynamic environments with fixed or moving targets. Simulation results show the effectiveness of the proposed algorithm. Comparison of results with the improved artificial potential field （iAPF） algorithm shows that the proposed algorithm yields shorter path length with less computation time.     

未知环境下的移动机器人主动寻径导航策略

针对纯粹反应式的导航算法有时会出现没有远见现象的问题,设计了一种基于行为和路径子目标的主动寻径导航策略。该策略首先利用目标点和远距离传感器的信息生成可行路径子目标点,接着使用决策树实现快速的行为决策。仿真结果证明了有效性。     

基于势场栅格法的机器人全局路径规划

综合势场法和栅格法的优点，提出了一个新的全局路径规划方法——势场栅格法、算法在避免局部最优点和降低计算量方面，有着良好的效果；并且可以自动确定栅格粒度．最后，文章分析了影响算法精度的因素，仿真试验表明此算法有良好的可行性和有效性．     

移动机器人路径设计与定位计算

为解决机器人自主导航中的同时定位与地图构建问题,提出采用SLAM系统实现机器人在一个未知环境和位置开始,通过环境观测,递增地构建环境地图,并同时运用环境地图实现机器人定位的解决方案.仿真实验证明了所建立的SLAM系统是一种切实可行的导航方法,为提高移动机器人自主性和智能化提供了一条新的技术途径.     

移动机器人路径规划技术研究

路径规划技术是移动机器人研究的一个重要领域,研究综述了移动机器人路径规划技术的分类和发展现状,对全局路径规划和局部路径规划的各种方法进行较为详细的分析和介绍,并指出优点与不足,最后对移动机器人路径规划技术的发展趋势进行了展望.     

移动机器人路径规划技术综述

针对Q学习算法在动态连续环境中应用时因状态连续、数量过多,导致Q值表出现存储空间不足和维数灾的问题,提出了一种新的Q值表设计方法,并设计了适用于连续环境的R值和动作.不同于以状态-动作为索引,将时间离散化为时刻,以时刻-动作为索引来建立Q值表.将在某状态应选择某一动作的问题转化为在某时刻应选择某一动作的问题,实现了Q学习算法在动态连续环境中的应用.采用了先利用遗传算法进行静态全局路径规划,然后利用Q学习算法进行动态避障.整个方法为一种先\