基于A*算法的楼宇环境中移动机器人的路径规划

以A*算法为基础,在静态地图上初步规划出楼宇环境中移动机器人的全局路径,然后基于可视图法思想,采用无障碍拉直法(NOD)和拐点采集法(INC)的优化方法对路径进行了优化.以优化后路径的拐点作为局部规划目标点,再结合超声和红外传感器提供的信息,提出了一种以目标导向决策(TOD)和最近方向判决(COD)为原则的局部避障算法.综合以上全局路径规划和局部路径规划的控制方案,对移动机器人UP-VoyagerⅡ在楼宇环境中进行了地图导航控制试验,取得了理想的效果,验证了控制算法的可靠性.     

基于改进人工势场法的车辆局部路径规划研究

针对人工势场法应用于结构化道路中的汽车主动避障领域存在规划能力,路径平滑度不足以及易陷入局部最优的问题。本文提出了一种结合人工势场法和五次多项式避障轨迹的路径规划算法,满足汽车避障时的安全性、实时性要求。通过引入五次多项式势场边界,结合汽车与障碍物的运动状态设计边界参数,提高路径平滑度和安全性。通过设置随动目标点优化引力模型,调节因子优化势场函数,可消除局部最小点。利用车辆动力学仿真软件Carsim/Simulink搭建仿真环境,并使用Stanley方法进行路径跟踪。仿真结果表明,所提出的算法可在动、静态环境中有效的规划出满足汽车行驶要求的避障路径。该算法为汽车避撞时的局部路径规划提供了参考依据。     

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。     

基于旋转势场法的双足机器人避障路径规划方法

针对双足机器人在实际环境中运动时难以实时规避障碍物的问题,本文提出了基于旋转势场法的避障路径规划方法。该方法将足迹规划思想引入基于势场法的局部实时路径规划中,通过设计新的障碍物旋转势场来解决传统势场法的局部极小值问题,进而利用旋转势场和足迹规划间的映射关系实现双足机器人的实时避障运动。将该算法应用到一台双足机器人上进行实验验证,现场设定障碍物使路径更接近实际作业环境,机器人顺利完成了U型场地的避障,验证了该方法的有效性。     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题，提出了一种基于遗传模拟退火算法的静态路径规划方法．通过对算法进行实验仿真，结果表明提出的静态路径规划方法是正确有效的．     

仿生扑翼微型飞行器动态避障策略

针对仿生扑翼微型飞行器飞行过程中的动态避障问题,提出了一种全局静态路径规划与局部动态路径规划相结合的避障路径规划策略。首先,综合考虑仿生扑翼微型飞行器的性能及其飞行环境,定义了路径规划的约束条件和代价函数,构建了全局静态避障的综合代价模型;其次,在此基础上考虑了动态障碍对其飞行性能的影响,提出基于时间窗口的碰撞约束,建立了融合局部动态避障规划的综合代价模型;最后,提出了改进蚁群算法,对综合全局静态路径规划与局部动态路径规划的避障路径规划进行优化求解。结果表明：本文综合动态避障路径规划策略可以有效地解决仿生扑翼微型飞行器在先验地图下的动态避障问题,一定程度上改进了动态障碍物下的避障路径寻优的不足;本文改进蚁群算法提升了动态路径寻优效率,保证了仿生扑翼微型飞行器避障控制的实时性要求。     

基于区域采样随机树的客车局部路径规划算法

为解决结构化道路环境下自动驾驶客车的路径规划问题,针对双车道避障工况提出了一种区域采样随机树RS-RRT算法。在采样阶段,集成高斯分布采样和局部偏向性采样来提高路径规划算法的搜索效率。在随机树扩展阶段,考虑了客车和障碍物的实际尺寸,利用分离轴定律(SAT)实时检测客车和周围障碍物的碰撞风险。在后处理阶段,结合安全性和舒适性的目标,融合了驾驶共识、安全距离模型和路径平滑算法对规划的路径进行修正。为验证RSRRT算法的有效性,搭建了商用车电液转向系统硬件在环试验台,利用TruckSim构建仿真场景,通过MATLAB和TruckSim的联合仿真实现算法的验证。试验结果表明:与基本RRT和目标偏向性RRT(Goal-biasing RRT)相比,本文算法在节点数量、路径长度和运行时间上均有优势,生成的路径满足客车动力学和路径跟踪要求。     

基于能量约束的火星车路径规划研究

针对火星车在火星行驶过程中存在的能量消耗过多等问题,提出了一种基于能量约束的路径规划算法.首先,考虑火星车克服重力做功以及驱动机构内部损耗等因素,推导出火星车的运动能量消耗函数,并求解其最小值,构建能量带权图;然后通过迪杰斯特拉算法,计算得到火星车能量带权图的能量消耗最小路径,并使用五次多项式插值拟合的方法实现火星车的行驶轨迹规划;最后,采用Adams软件建立火星典型地形和火星车动力学模型,采用Matlab/Simulink软件搭建火星车控制器模型,对火星车在典型地形中的行驶过程进行动力学与控制联合仿真实验,验证了所提路径规划算法的效果.结果表明,相对于传统的避障路径规划算法,所提算法使火星车能量消耗减少了15%以上,可有效提高火星车的能量利用效率.     

基于遗传算法的移动机器人的一种路径规划方法

在考虑机器人及障碍物尺寸的条件下,将遗传算法用于针对运动目标的移动机器人动态避障路径规划,采用了两次寻优的办法规划最佳路径,并针对两次的遗传算法操作寻优过程,分别建立了严谨且简洁的适配值函数．仿真实验表明,本文提出的动态避障路径规划方法可实时、稳定地产生移动机器人的最佳规划路径．该方法也可用于智能机器人追踪移动目标的自动导航．     

一种基于可视图法的机器人全局路径规划算法

针对全局路径规划方法中基于自由空间的路径规划方法在环境发生变化时适应性不强、实时性较差和需要重新建立连通模型等问题,提出了一种基于可视图法的移动机器人路径规划算法,该算法比较好地弥补了自由空间法存在的缺陷.在实际建模期间,对于那些轮廓复杂的障碍物,可把它近似地看作矩形或多个矩形的组合体,以此来建立所描述障碍物的边界地图,并根据所得地图实现机器人的路径规划.仿真结果表明了该算法的有效性.     

PORP：面向无人驾驶的路径规划并行优化策略

为了实现路径规划并行优化,解决基于位置的服务（LBS）在高峰时段遭遇大量路径规划的并发查询所导致的较高响应时间的问题,提出双层网格（DLG-index）索引,并基于此提出路径规划的并行算法（PORP）. 双层索引的顶层由完整路网的边界节点组成,底层由网格组成,网格由完整路网分割而来. 对于一个给定的查询,基于骨架图计算一条全局路径,然后将规划任务划分成多个局部优化任务. 每个局部优化任务对应此查询的全局路径通过的网格,同时,每个局部优化任务由不同的处理器独立维护. 算法能够基于复杂变化的路况,及时调整导航路线,整个调整过程分段实施,可以由多处理器依次协同完成,实现对海量并发查询做出快速响应. 与CANDS算法相比,PORP的响应时间平均减少了49.6%,处理时间平均减少了28.5%.     

基于可视切线图的新型煤矿救援机器人路径规划

针对未知环境建模问题阐述了可视切线图的概念,提出了一种未知环境下基于可视切线图的新型煤矿救援机器人路径规划方法,并采用"方向偏差最小"启发式策略搜索全局目标指导下的局部最优路径。仿真分析证明本文路径规划方法是可行的,并且具有较好的环境适应能力,可以满足新型煤矿救援机器人在未知环境下的运动要求。     

稀疏环境下基于射线的随机路径规划方法

在研究稀疏环境下的高维动态路径规划问题中,提出基于射线的随机路径规划方法(RBPRM).该方法不同于一般的随机路径规划方法,它最大限度地利用直线段构造路径图,最终得到的路径相对而言短而且直.实验结果证明RBPRM在比较稀疏的环境中进行路径规划是非常有效的.     

基于视觉的移动机器人实时避障和导航

阐述了移动机器人通过视觉传感器在不确定的环境中实现自主避障和导航的一种方法，首先讨论了路径规划的分层结构，然后通过简单的图像处理方法获取运动环境中的避碰点，最后给出机器人实现局部路径规划的算法，该方法有效地利用了全局环境地图和视觉信息。减少了计算量，提高实时性，通过仿真研究说明了该算法的有效性和可行性。     

移动机器人路径规划仿真平台设计

路径规划问题是智能机器人研究的关键问题之一。笔者开发了一个智能机器人路径规划的仿真平台,该系统可用作机器人离线路径规划研究。系统的路径规划器首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索,根据指定的机器人起始位置及目标位置产生准优化路径。主要应用时变势场法、遗传算法、栅格法3种规划算法对机器人行走路线进行了模拟。同时,提出了一个有效的引入遗传算法的（FNA）算法,并给出了仿真结果。     

Global optimal path planning for mobile robot based on improved Dijkstra algorithm and ant system algorithm

A novel method of global optimal path planning for mobile robot was proposed based on the improved Dijkstra algorithm and ant system algorithm. This method includes three steps： the first step is adopting the MAK-LINK graph theory to establish the free space model of the mobile robot, the second step is adopting the improved Dijkstra algorithm to find out a sub-optimal collision-free path, and the third step is using the ant system algorithm to adjust and optimize the location of the sub-optimal path so as to generate the global optimal path for the mobile robot. The computer simulation experiment was carried out and the results show that this method is correct and effective. The comparison of the results confirms that the proposed method is better than the hybrid genetic algorithm in the global optimal path planning.     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

动态环境中机器人路径规划算法研究

针对自主移动机器人在未知动态环境中的路径规划问题,提出了一种改进的概率地图算法,详细描述了经过改进的自适应概率地图算法（flexible adaptive probabilistic roadmap method,FAPRM）的实现步骤,该算法可以显著地提高自主移动机器人的路径质量,讨论了自适应概率地图算法和传统概率地图算法在动态路径规划中的优缺点,并进行了仿真,改进后的自适应概率地图算法可以有效地在动态环境中重新计算路径。     

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.