一种基于图像声纳的AUV局部路径规划方法

以前视图像声纳作为环境感知系统 ,进行了智能水下机器人的局部路径规划 .以串口接收图像声纳探测数据 ,建立环境数学模型 .以数学形态学的方法去除环境数据噪声 ,以dt值传递法搜索最佳路径 .海试实验验证了算法的可靠性 .     

基于前视声纳的AUV同时定位与地图构建

AUV要实现在未知环境中的自主导航,SLAM理论与方法是最有潜力的途径之一.本文采用前视声纳扫描水下环境,采用数字图像处理的方法对环境的声纳图像进行特征提取,并使用最邻近数据关联算法(NNF)实现数据关联,应用EKF SLAM进行水下机器人的姿态估计与环境中障碍物特征的地图构建.仿真结果表明,主动成像声纳可以成功地应用于AUV在未知环境中的自主导航;另外,通过对比点特征和线特征对AUV运行轨迹的影响,我们发现参照分布合理的点特征AUV能够更加精确地进行同时定位.     

基于虚拟目标的AGV局部路径规划研究

针对传统人工势场法对AGV(Automated Guided Vehicles)进行路径规划时,容易产生局部极小值的问题,提出了一种基于虚拟目标的人工势场路径规划方法.基本原理是AGV在行驶过程中,根据障碍的分布和目标的方位,动态地改变目标点的方位,即改变引力的方向,来避免引力和斥力的合力为零的情形发生,从而消除局部极小值产生的条件.设计了模糊逻辑控制器,用来预测合力为零的可能性.如果合力有可能为零,则计算为避免合力为零,目标方位的改变量.仿真结果表明,该方法能有效地解决局部极小值问题,为AGV规划出一条光滑的行驶路径.     

基于多波束前视声纳的AUV实时避障方法研究

在未知海洋环境下的远程航海过程中,基于前视声纳的避障能力是AUV（自治式水下机器人）的一个基本要求．提出了一种基于多波束前视声纳的实时避障专家系统．介绍了声纳特性以及障碍物描述方法,给出了避障专家系统的结构,说明了避障专家系统的决策过程．结合当前任务执行信息设计了专家系统知识库,针对声纳图像设计并实现了一种可以给出避障和重规划指令的推理机．最后,通过湖试对AUV避障专家系统进行了验证．     

基于APF的AGV局部路径规划改进算法研究

针对原有人工势场法（artificial potential field,APF）在局部路径规划时的避障效果不良问题,提出一种APF-PSO的改进算法改善原算法优化路径规划的效果。将速度势场引入位置势场中使AGV(automated guided vehicle)动态避开不同速度的移动障碍物;当算法陷入局部最小值时,采取PSO(particle swarm optimization)算法,并对其惯性权重因子和学习因子做出调整,通过三次样条曲线插值来平滑路径,使得AGV找到最短路径。结果表明APFPSO改进算法可根据障碍物速度不同动态避障,解决了APF算法运算中避障效果不良问题。     

基于前视声纳信息的AUV避碰规划方法

提出了基于实时前视声纳信息实现AUV避碰规划的框架.整个避碰规划系统包括声纳探测目标、目标跟踪、特征信息提取、目标运动估计、避碰算法等部分.在小型局域网仿真系统上仿真表明,该控制方法使得AUV能够较好的实现对静止目标和运动目标的避碰.     

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.     

基于人工势场法的路径规划方法研究及展望

人工势场方法因其简单、高效、生成路径平滑的特点,在机器人路径规划领域得到了广泛的应用。首先介绍了基于传统人工势场模型的路径规划基本原理,并对其存在的易陷入局部极小值的问题进行了详细分析;然后重点讨论和总结了针对目标不可达、易陷入徘徊抖动状态、动态环境规划能力不足等问题的改进策略;最后对基于人工势场的路径规划方法的发展方向进行了展望。     

基于人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法,具有反应速度快、计算量小和实时性等优点。但这种方法容易产生局部极点,导致机器人停止移动,达不到目标。文章利用传统的人工势场法对移动机器人避障行为进行了仿真实验并成功地规划出一条光滑路径,并对人工势场法研究现状进行了分析讨论。     

基于改进人工势场的AGV路径规划算法

在老旧仓库中使用传统人工势场算法进行路径规划时, 原本出现频率极低的与远目标端障碍物相撞、目标点不可达、局部极小值等缺陷出现的频率极大提高. 为提升人工势场算法寻径的成功率, 本文提出了改进人工势场算法, 对上述3种缺陷进行了修正, 并使用Matlab模拟仿真验证了算法的有效性. 在改进人工势场算法中, 通过对引力与斥...     

基于前视声纳的AUV动目标识别与估计

建立AUV目标的匀速运动模型，根据实时的目标静态特征信息，采用最小二乘改进算法对匀速运动的AUV目标动态参数做出合理的估计，并对参数估计进行了仿真，验证了该算法实时性和可靠性。     

基于改进双种群遗传算法的AUV路径规划方法研究

研究了在静态环境条件下AUV全局无碰撞的路径规划方法,提出了一种将顶点图像法与双种群遗传算法相结合的路径规划方法。利用顶点图像法建立环境模型,对候选路径进行二进制编码,然后利用改进的双种群遗传算法进行路径寻优。仿真实验表明,本文采用的改进双种群遗传算法是正确和有效的,具有运算速度快、全局优化能力强等优点。     

基于数字海图的自主水下机器人路径规划研究

为了解决远程自主水下机器人（LAUV）路径规划问题，提出一种基于数字海图的路径规划算法．该算法对传统人工势场法进行了有效改进，克服了传统人工势场法固有的缺点和不足，可以用于LAUV离线和在线路径规划．其有效性已在半物理实时仿真平台上得到了验证．     

基于部分可观马氏决策的AUV全局路径规划

自治式水下机器人在复杂海洋环境航行时要求寻找一条从给定起始点到终止点的较优的运动路径,安全、无碰撞地绕过所有的障碍物.提出了一种基于部分可观察马尔可夫决策过程,并结合预测障碍物运动的全局路径规划新方法; 给出了部分可观马尔可夫决策的数学模型;建立了树状的分层部分可观马尔可夫决策模型,并在路径规划中应用;提出了短期预测和长期预测两种针对水下障碍物运动轨迹预测的方法;最后通过仿真实验对AUV的全局路径规划能力进行了仿真验证,为今后的实艇试验打下了很好的基础.     

基于深度Q学习的移动机器人路径规划

针对传统Q-learning算法在复杂环境下移动机器人路径规划问题中容易产生维数灾难的问题,提出一种改进方法。该方法将深度学习融于Q-learming框架中,以网络输出代替Q值表,解决维数灾难问题。通过构建记忆回放矩阵和双层网络结构打断数据相关性,提高算法收敛性。最后,通过栅格法建立仿真环境建模,在不同复杂程度上的地图上进行仿真实验,对比实验验证了传统Q-learming难以在大状态空间下进行路径规划,深度强化学习能够在复杂状态环境下进行良好的路径规划。     

遗传算法在水下机器人路径规划中的应用

提出一种分层路径规划算法来解决大范围海洋环境下的智能水下机器人(AUV)的全局路径规划问题。该算法将机器人的工作空间分层分解,并在每一层搜索路径,最终得到一条与障碍物无碰的全局路径。同时为解决算法的全局最优问题,使用遗传算法在每一层搜索路径。实践证明,该方法具有灵活、实用的特点,并能显著的节省内存空间。     

考虑几何约束的AUV回收路径规划

结合3次B样条的曲率连续特性和遗传算法的全局搜索特性,提出了一种适合欠驱动AUV(自治水下机器人)的回收路径规划方法.算法给出连接始末位置的光滑3维路径,适用于AUV回收的归航阶段,能够保证AUV以合适的姿态进行后续的导引对接.首先,分析了AUV的欠驱动特性带来的几何约束问题,包括任务终端约束和运动约束.其次,根据B样条曲线的特性确定通过选取控制点序列来给出3维路径曲线的思路.第一步采用样板的方式确定一部分控制点使曲线满足终端约束条件,第二步将AUV的回转和升沉运动约束写入遗传算法,通过对解空间的启发式自适应搜索确定中间控制点,两部分控制点所决定的曲线满足所有的几何约束条件.最后,针对路径的生成和跟踪,设计了半物理动力学仿真试验,从几何的角度对比AUV航迹和路径.结果显示,路径与AUV的运动能力具有很好的匹配特性,能够保证跟踪结束时AUV的位置和姿态满足导引对接阶段的要求.