基于自组织LMBPNN的移动机器人路径规划器

提出一种自组织LMBP神经网络,并将之用于移动机器人免碰路径规划。该算法首先用基于距离传感器的底层局部路径规划器生成初始路径,然后用自组织神经网络将该路径进行样本数据分类,之后将自组织神经网络的权值作为LMBP的输出样本,移动机器人的起始点与目标点作为LMBP神经网络的输入样本进行学习。这样,不但解决了三层LMBP样本若庞大则增加存贮、运行成本,以及数据冗余问题,并且随着机器人对未知环境探索的增多,所构建的地图越趋丰满。仿真结果说明该方法很好效。     

基于变步长蚁群算法的移动机器人路径规划

针对传统蚁群算法以及双层蚁群算法在路径规划中存在搜索效率低、收敛性较慢以及成本较高的问题,本文提出了变步长蚁群算法。该算法扩大蚁群可移动位置的集合,通过对跳点的选择以达到变步长策略,有效缩短移动机器人路径长度;初始化信息素采用不均匀分布,加强起点至终点直线所涉及到栅格的信息素浓度平行地向外衰减;改进启发式信息矩阵,调整移动机器人当前位置到终点位置的启发函数计算方法。试验结果表明:变步长蚁群算法在路径长度及收敛速度两方面均优于双层蚁群算法及传统蚁群算法,验证了变步长蚁群算法的有效性和优越性,是解决移动机器人路径规划问题的有效算法。     

基于改进蚁群算法的移动机器人平滑路径规划

针对移动机器人提出了基于改进蚁群算法的平滑路径规划方法。为了克服蚁群算 法解决路径规划问题时存在的收敛速度慢的缺点,对启发因子的矩阵初始值及更新方式进行了 改进,启发因子改进后的结果与之前相比,平均路径长度减少了 17.6%,平均收敛代数减少了 93.1%;对于栅格环境下存在障碍物时机器人累计转弯角度大的问题,提出了控制点转移策略, 在上一步改进的基础上,通过对控制路径走向的栅格中心点向栅格角顶点的转移,实现了路径 规划的平滑改进。路径规划仿真结果表明,与平滑改进前相比,平滑改进后机器人的平均路径 长度减少了 4.28%,累计转弯角度减少了 52.58%。     

基于笛卡儿坐标系的迷宫路径规划算法

针对迷宫这类特殊的环境模型,提出了基于笛卡儿坐标系的新的路径规划算法。该算法通过找出机器人行驶方向和位置变化的关系,方便快捷地实现了对路径的记忆,并且在到达终点后能够通过一种简单的路径优化算法算出最短路径,最终实现以最短路径返回。此算法的可行性已通过轮式机器人实例得到证实。     

基于人工力场的移动机器人路径规划研究

针对传统人工势场法中存在的一些局部极小点问题,文中提出了一种基于人工力场的移动机器人路径规划方法.该方法将机器人与目标的相对距离引入斥力函数,定义斥力的一个分力方向与障碍物的影响范围相切,另一个分力方向与引力方向一致,规定斥力向量与引力向量的内积始终大于等于零.这样,克服了传统人工势场法中存在的一些局部极小点问题,尤其是三个典型的、具有代表性的局部极小点问题.MATLAB仿真结果表明该人工力场法可以避开上述局部极小点,有效的规划出从起点到目标点的无碰路径.     

移动机器人路径规划与环境绘图

由于双圆弧具有满足任意端点及其斜率条件的特性，所以非常适合于移动机器人路 径规划问题．本文利用双圆弧来处理机器人在给定环境中的路径规划问题，并由此得出机器 人的路径规划策略及其跟踪控制算法．同时，利用双圆弧实现对拐角、多边形等特征地形的 逼近和复原，提出了机器人对未知环境的勘测及绘图算法．该方法简单有效，对机器人初始 条件不加限制，计算量非常小，具有较高的实用价值．     

基于构型空间法的机器人路径规划研究

提出了一种静态环境下的机器人路径规划仿生算法,该算法用构型空间法对场景进行建模,模拟蚂蚁群体觅食的智能行为,由多只蚂蚁协作完成最优路径的搜索。搜索过程在基于蚁群优化算法的基础上增加了最近邻居策略和目标导引函数,使搜索过程快速高效。并在实验环境中对机器人路径规划进行仿真,结果显示在多障碍物下也能迅速规划出最优路径,表明研究的可行性和有效性。     

Path planning based on geographical features information for an autonomous mobile robot

We propose a path-planning algorithm for an autonomous mobile robot using geographical information, under the condition that the robot moves in an unknown environment. Images input by a camera at every sampling time are analyzed and geographical elements are recognized, and the geographical information is embedded in an environmental map. Then the path is updated by integrating the known information and the prediction on the unknown environment. We used a sensor fusion method to improve the mobile robot's dead-reckoning accuracy. The experimental results confirm the effectiveness of the proposed algorithm as the robot reached the goal successfully using the geographical information.     

一种改进多机器人分布式滚动路径规划算法

针对多移动机器人全局静态环境未知的路径规划问题,采用了一个全局性能指标,在保证路径较优的情况下,最小化机器人的停顿时间,提出机器人之间以修正局部路径为主的协调策略。根据多机器人滚动路径算法的原理,设计了改进的多机器人分布式滚动路径规划算法。在已有仿真系统上进行测试,比较了所提出的协调策略与改变机器人移动速度协调策略对性能指标的影响。仿真结果表明,静态环境未知情况下,机器人可以并行规划各自的协调路径。     

基于蚁群算法的机器人路径规划

移动机器人路径规划是机器人学的一个重要研究领域,栅格法模型是其中一类实时性很强的路径规划模型。该文引入蚁群算法的思想,以点离目标点距离、该点的访问次数和移动方向信息素为启发式因子,建立了一种新型的优化算法。新算法不仅能够较好地对已有算例进行求解,而且对于随机设计的新例子求解效果良好。     

基于遗传算法的移动机器人路径滚动规划

研究了一种全新的基于遗传算法的机器人路径滚动规划方法。该方法将目标点映射在机器人视野域内侧边界附近，规划出机器人局部最优路径，机器人根据此局部路径前进一步。机器人每前进一步就重复该过程，沿一条全局优化的路径安全地到达终点。仿真实验表明，即使在复杂的未知静态环境下，利用该算法也可以规划出一条全局优化路径，且能安全避碰。     

改进的势场蚁群算法的移动机器人路径规划

针对蚁群算法路径规划初期信息素浓度差异较小,正反馈作用不明显,路径搜索存在着盲目性、收敛速度相对较慢、易陷入局部最优等情况,人工势场算法的势场力可引导机器人快速朝目标位置前进,提出势场蚁群算法,通过栅格法对机器人的工作环境进行建模,利用人工势场中的势场力、势场力启发信息影响系数及蚁群算法中机器人与目标位置的距离构造综合启发信息,并利用蚁群算法的搜索机制在未知环境中寻找一条最优路径。大量的仿真实验表明势场蚁群算法路径规划能找到更优路径和收敛速度更快。     

融合环境信息和运动约束的改进A*算法研究

标准A*算法存在着无法考虑移动机器人运动特性及处理后的路径不利于移动机器人运动等问题。针对这一问题提出了一种新改进A*算法,通过环境信息引入障碍物权重系数来改进算法的启发函数并进行全局路径规划;优化搜索节点的选取方式和设定障碍物与路径之间的安全距离;基于对移动机器人的运动特性的考虑优化其路径,并在不同环境地图中与其他算法进行仿真实验对比分析。相关实验表明：基于新改进A*算法规划的路径始终与障碍物保持一定的安全距离;改进A*算法在时间上相比标准A*算法平均减少了80%,路径长度平均减少了2%,路径转角平均降低了82%。改进后算法相比其他算法在时间、搜索节点以及平滑度上有很大的改进,融合机器人环境信息和运动特性的规划路径算法可为移动机器人的路径规划提供一种新的方法。     

Collision free path-planning for cable-driven parallel robots

In this study, a path-planning method that has been developed for serial manipulators is adapted to cable-driven robots. The proposed method has two modes. The first one is active when the robot is far from an obstacle. In this mode, the robot moves toward the goal on a straight line. The second mode is active when the robot is near an obstacle. During this mode, the robot finds the best way to avoid the obstacle. Moreover, an algorithm is presented to detect the collision between the robot and the obstacle. A similar algorithm is also presented to avoid the collision of the cables with an obstacle. Some simulation results are shown, which are then validated experimentally using a built 4-cable-driven parallel manipulator. Although the path obtained between the initial and final poses may not be the shortest possible one, it guarantees finding a path, when it exists, no matter how cluttered the environment is.     

Planning of collision-free paths for a reconfigurable dual manipulator equipped mobile robot

In this paper, we study the problem of finding a collision-free path for a mobile robot which possesses manipulators. The task of the robot is to carry a polygonal object from a starting point to a destination point in a possibly culttered environment. In most of the existing research on robot path planning, a mobile robot is approximated by a fixed shape, i.e., a circle or a polygon. In our task planner, the robot is allowed to change configurations for avoiding collision. This path planner operates using two algorithms: the collision-free feasible configuration finding algorithm and the collision-free path finding algorithm. The collision-free feasible configuration finding algorithm finds all collision-free feasible configurations for the robot when the position of the carried object is given. The collision-free path finding algorithm generates some candidate paths first and then uses a graph search method to find a collision-free path from all the collision-free feasible configurations along the candidate paths. The proposed algorithms can deal with a cluttered environment and is guaranteed to find a solution if one exists.     

基于$pm3sigma$正态概率区间分族遗传蚁群算法的移动机器人路径规划

针对移动机器人路径规划问题,提出一种基于正态概率区间分族的家族遗传蚁群融合算法.首先提出初始种群优化及删除算子解决传统遗传蚁群融合算法中遗传阶段随机生成的初始种群质量低的问题;然后引入适应度值正态概率区间种群分族机制及家族混合交叉算子,解决传统遗传蚁群融合算法中易出现未成熟收敛的问题;最后引入混合变异策略以提高随机变异后生成的路径质量.将全局路径规划算法与局部路径规划算法-动态窗口算法相结合形成完整移动机器人运动规划.基于Matlab仿真平台与机器人操作系统平台进行实验分析,结果验证了所提出正态化概率分族遗传蚁群融合算法求解移动机器人路径规划问题的有效性.     

基于连续动态运动基元的移动机器人路径规划

针对二维动态场景下的移动机器人路径规划问题，提出了一种新颖的路径规划方法——连续动态运动基元（continuous dynamic movement primitives， CDMPs）.该方法将传统的单一动态运动基元推广到连续动态运动基元，通过对演示运动轨迹的学习，获得各运动基元的权重序列，利用相位变量的更新，实现对未知动态目标的追踪.该方法克服了移动机器人对环境模型的依赖，解决了动态场景下追踪运动目标和躲避动态障碍物的路径规划问题.最后通过一系列仿真实验，验证了算法的可行性.仿真实验结果表明，对于动态场景下移动机器人路径规划问题， CDMPs算法比传统的DMPs方法在连续性能和规划效率上具有更好的表现.     

基于虚拟子目标点的移动机器入路径规划

传统的反应式路径规划算法有时会出现＂死锁现象＂,为此设计了一种基于虚拟子目标点的移动机器人路径规划算法。首先根据已知的环境信息生成一条连接初始点和目标点的全局路径,移动机器人在沿全局路径行走时通过传感器探测周围的实时环境信息并寻找障碍物的转弯处,然后在该障碍物的转弯处设置虚拟子目标点,根据虚拟子目标点构建局部路径,机器人沿着局部路径走到该子目标点并进入下一个路径规划循环。仿真结果验证了该算法的有效性。     

An autonomous mobile robot for carrying food trays to the aged and disabled

Our research objective is to realize sensor-based navigation for car-like mobile robots. We adopt the generalized Voronoi graph (GVG) for the robot's local path and a map representation. It has the advantage to describe the mobile robot's path for sensor-based navigation from the point of view of completeness and safety. However, it is impossible to apply the path to car-like mobile robots directly, because the limitation of the minimum turning radius for a car-like robot may prevent it from following the GVG exactly. To solve this problem, we propose a local smooth path-planning algorithm for car-like mobile robots. Basically, an initial local path is generated by a conventional path-planning algorithm using GVG theory and it is modified smoothly by a Bezier curve to enable the car-like robots to follow it by maximizing our evaluation function. In this paper, we introduce a local smooth path-planning algorithm based on the GVG and explain the details of our evaluation function. Simulation and experimental results support the validity of the algorithm.     

带滚动约束轮移式机器人动态规划的研究

根据轮移式机器人的运动学模型,研究受到滚动约束轮移式机器人在动态环境中的运动规划问题.将快速随机搜索树算法与优化方法相结合,实现了一种新的算法,规划出既可避障又可满足机器人滚动约束的运动.将该算法运用到动态环境下机器人的运动规划中,并通过仿真表明该算法能较好地引导机器人在动态环境中实现满足滚动约束的避障路径.