基于视差图的未知环境下农田障碍物检测方法

针对智能农业机器人作业环境中障碍物不规则和背景受自然光照等外界环境干扰大的问题,提出一种基于视差图的未知环境下障碍物检测方法.采用价格低廉的网络摄像头采集左右场景图并计算对应的视差图;用视差阂值过滤掉远处的景物,再通过区域连通,得到独立的潜在障碍物;最终经面积闽值和高度阈值的过滤,检测出障碍物并定位.实验结果表明,该检测算法不需要障碍物和背景的先验知识,在距离摄像头5m视野内,障碍物距离和尺寸测量的相对偏差绝对值分别控制在4.37％和3.81％以内.     

未知动态环境下非完整移动群机器人围捕

针对未知动态障碍物环境下非完整移动群机器人围捕,提出了一种基于简化虚拟受力模型的自组织方法.首先给出了个体机器人的运动方程,然后给出了未知动态环境下目标和动态障碍物的运动模型.通过对复杂环境下围捕行为的分解,抽象出简化虚拟受力模型,基于此受力模型,设计了个体运动控制方法,接着证明了系统的稳定性并给出了参数设置范围.不同情况下的仿真结果表明,本文给出的围捕方法可以使群机器人在未知动态障碍物环境下保持较好的围捕队形,并具有良好的避障性能和灵活性.最后分析了本文与基于松散偏好规则的围捕方法相比的优势.     

多障碍物环境下机器人的连续避障策略

本文针对多障碍物环境下,机器人避障过程中又出现障碍物这一情况,设计了一种避障策略,来实现机器人的连续避障并到达指定目标点的功能。在该策略中,设计了一套基于避障状态的方向选择规则,并提出了一种象限法,来决定机器人的当前行为。实验证明,该策略实现简单,并可较大限度地降低避障行为的盲目性和重复性。     

具有大量不规则障碍物的环境下机器人路径规划的一种新型遗传算法

具有大量不规则障碍物的环境下的机器人路径规划问题是一个典型的非线性问题.目前已有多种求解该问题的遗传算法,但这些算法在初始种群的产生和特定遗传算子的构造选取等方面存在着一些不足.为了克服这些缺陷,提出了一种新型的遗传算法.算法采用了折线变长编码方案,使用随机指导式搜索策略来生成初始种群,并设计了特殊的交叉和变异算子.实际的仿真实例验证了算法的正确性和高效性.􀁱     

未知环境下自主机器人的行为学习研究

机器人为实现在未知环境下的探索任务,必须具有自主学习其行为策略的能力.本文提出了一种自主机器人行为学习机制.机器人通过与环境的交互,基于Q学习进行行为的自主学习.为降低学习时的计算复杂度,状态空间通过分段映射为不同的类别,从而减少状态-动作对的数量.自主机器人在未知环境中的行为学习是增量式的过程,本文将基于案例的学习与Q学习结合,使机器人在试错时获得的经验以案例的形式保存,并实现案例库的动态更新相关案例同时可以降低机器人行为学习时的计算复杂度和试错时的风险.在文中的最后给出了仿真结果.     

密集障碍物环境下基于凸包和微粒群优化的机器人路径规划

密集障碍物环境下, 考虑机器人移动过程中的控制偏差进行路径规划, 尚缺乏有效的方法. 本文的方法是: 首先根据障碍物之间的最小距离和机器人尺寸的大小关系, 确定凸包形成的条件; 然后, 通过选择满足条件的顶点, 形成密集障碍物的凸包; 最后, 基于凸包的关键点和稀疏障碍物的位置, 采用微粒群优化规划机器人路径. 仿真和实验结果验证了所提方法的可行性.     

未知环境下多机器人搜捕策略研究

针对在未知环境下多机器人围捕入侵者所存在的问题,提出了基于occupancy grid方法构造并合成环境地图指导单个机器人以分散搜索、抛物线模型预测并追踪入侵者、以及多机器人基于leader的可重构队形结构进行围捕的策略,使未知环境的地图构造和对入侵者追踪搜索过程得以同步完成,降低了机器人团队对环境的依赖,对未知环境具有较高的适应能力.最后通过仿真实验验证了该策略的正确性、有效性和鲁棒性.     

颠簸环境下的快速障碍物检测算法

障碍物检测是智能车辆研究中的一个重要内容.用射影几何的方法给出了用重投影变换进行障碍物检测的一般原理,并引入摄像机的内、外参数和姿态参数,建立了重投影变换的参数化模型.为了满足颠簸环境的要求,提出了一种新的基于立体视觉视差分析的障碍物检测算法.实验结果表明,算法具有计算量小和可靠性高的特点.     

基于视觉的机器人自主定位与障碍物检测方法

针对稀疏型同时定位与地图构建（SLAM）算法环境信息丢失导致无法检测障碍物问题，提出一种基于视觉的机器人自主定位与障碍物检测方法。首先，利用双目相机得到观测场景的视差图。然后，在机器人操作系统（ROS）架构下，同时运行定位与建图和障碍物检测两个节点。定位与建图节点基于ORB-SLAM2完成位姿估计与环境建图。障碍物检测节点引入深度阈值，将视差图二值化；运用轮廓提取算法得到障碍物轮廓信息并计算障碍物凸包面积；再引入面积阈值，剔除误检测区域，从而实时准确地解算出障碍物坐标。最后，将检测到的障碍物信息插入到环境的稀疏特征地图当中。实验结果表明，该方法能够在实现机器人自主定位的同时，快速检测出环境中的障碍物，检测精度能够保证机器人顺利避障。     

未知环境下分布式多机器人避碰协作算法

针对多机器人协作问题,提出一种未知环境下分布式多机器人协作避碰算法。该算法基于分布式投标模型协调多机器人运动,改进过去算法的前提假设,综合考虑机器人的实际尺寸和传感误差,通过自适应设定投标时间,提高算法的效率,针对通信延时引起的信息不一致,采用按优先级顺序进行探测的方法。仿真实验验证了该算法的可行性。     

移动机器人未知环境避障研究

针对移动机器人的避障问题,以AS-R移动机器人为实验平台,提出了一种改进人工势场和模糊逻辑相结合的路径规划方法.对于未知障碍物环境采用人工势场法进行实时路径规划,对于动态近距离动态障碍物采用模糊逻辑方法引导机器人做出避障行为.为了有效将2种方法结合,根据传感器信息对于人工势场方法引入转角的信任度,机器人运行方向由上述2...     

一种动态未知环境下的机器人路径搜索方法

提出了一种新的路径搜索算法——"触觉感知法"来实现机器人在未知静态与动态环境情况下的路径搜索。该方法不需要提供地图信息,机器人仅收集目标点的距离和方位信息以及通过自带传感器作为触觉器收集周围局部环境信息。机器人以BP神经网络作为决策器,经过训练,可以在静态和动态环境中搜索出一条光滑无碰撞且便捷并能有效避开动态障碍物的运动轨迹。对所提出的方法进行了仿真实验,仿真结果表明算法在静态和动态环境下均能有高效率的路径搜索表现。     

完全未知环境下机器人路径规划的RPC算法

提出一种适合存在多种类型障碍的完全未知环境的机器人路径规划方法：RPC算法（全称为实时规划－选择算法）。即将BUG规划算法与所提出的两级路径选择策略相结合实时决策机器人的行为。其中两级路径选择策略模拟人类探索路径的思维模式实时决定机器人绕行障碍的方向,能够减小机器人避障中的盲目性和降低路径冗余度。此算法提高了机器人在未知环境中的智能性,增强了对较复杂环境的适应性。仿真实验表明了该算法的可行性。     

未知环境下的移动机器人环境建模研究

环境建模技术是移动机器人自主导航研究中的一个关键问题。为了实现机器人在未知环境下的自主导航,本文在分析当前普遍采用的一些环境建模方法及其缺点的基础上,提出一种基于多传感器信息融合的环境建模方法。实验结果表明该方法有效地克服了传感器的累计误差,有效地提高了环境建模的准确性。此方法的可行性和有效性通过Pioneer3-DX移动机器人得到了实验验证。     

未知环境下的移动机器人环境建模研究

环境建模技术是移动机器人自主导航研究中的一个关键问题。本文给出一种基于多传感器信息融合的环境建模方法。实验结果表明该方法有效地克服了传感器的累计误差,有效地提高了环境建模的准确性。此方法的可行性和有效性通过Pioneer3-DX移动机器人得到了实验验证。     

结合光流和人工势场的风管机器人避障方法

风管清扫机器人是一种用来清扫中央空调通风管道内壁的机械手,工作环境恶劣、管道空间障碍复杂。风管清扫机器人的无碰撞运动对于实现其3D非重复接触和高速旋转刷的最优遍历清洗至关重要。以光流密度作为使用避障的光源,结合光流和人工势场法,以光流法进行障碍物检测,人工势场法进行避障规划,提出一种局部路径规划的障碍物检测及避障方法。实验结果表明,斥力势场矢量指向避开障碍物的方向,而且势场主要受障碍物的光流的影响,并由最近的障碍物来确定。通过与平衡策略方法对比,也验证了此方法的有效性。     

未知环境下机器人路径规划的粒子群优化

研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的基于粒子群算法的滚动规划算法。该方法在机器人视野域内产生若干个同心圆进行环境建模,然后利用粒子群优化算法规划出一条导航路径,机器人每前进一步,都由粒子群优化算法重新规划导航路径,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径接近终点。仿真实验结果表明,即使在障碍物非常复杂的地理环境,用该算法也能迅速规划出一条优化路径,且能安全避碰,效果令人满意。     

基于场景匹配的移动机器人避障

研究环境未知情况下移动机器人的避障问题，提出一种基于模糊场景匹配的移动机器人避障方法．该方法对多种传感器的信息进行融合，生成当前环境的场景并与场景库中的场景进行匹配，利用匹配结果并通过模糊控制器得到机器人的运动参数，对机器人的避障进行控制,实验结果表明了该方法的正确性和有效性。     

内部动机驱动的机器人未知环境在线自主学习

针对目前智能移动机器人在未知环境中学习遇到的如学习主动性、实时性差,无法在线积累学习的知识和经验等问题,受心理学中内部动机的启发,提出一种内部动机驱动的移动机器人未知环境在线自主学习方法,在一定程度上弥补目前该领域存在的一些问题。该方法通过在移动机器人Q学习的框架下,将奖励机制用基于心理学启发的内部动机取代,提高其对于未知环境的学习主动性,同时,采用增量自组织神经网络代替经典Q学习中的查找表,实现输入输出空间的映射,使得机器人能够在线增量地学习未知环境。实验结果表明,通过内部动机驱动的方法,移动机器人对于未知环境的学习主动性得到了提高,智能程度有了明显改进。     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。