移动机器人的避障模糊算法

超声波传感器是移动机器人避障常采用的传感器,但是存在缺点,如三角误差,多次反射.采用多个超声波传感器的模糊避障算法,通过此算法,降低干扰,用VB编写了仿真软件,对算法进行可行性的分析.结果表明,该模糊算法可以实现机器人的安全避障.     

移动机器人全覆盖路径规划算法综述

各种应用型移动机器人的设计是目前研究的焦点,它具有广阔的科研价值和市场前景,而路径规划技术是其中关键技术之一。本文系统总结了当前全覆盖路径规划算法的主要研究成果,并在覆盖效率、算法实现难易等指标方面进行比较剖析,探讨了各种算法的优势和不足。最后,提出进一步研究的方向。     

移动机器人全覆盖路径规划算法综述

各种应用型移动机器人的设计是目前研究的焦点,它具有广阔的科研价值和市场前景,而路径规划技术是其中关键技术之一。本文系统总结了当前全覆盖路径规划算法的主要研究成果,并在覆盖效率、算法实现难易等指标方面进行比较剖析,探讨了各种算法的优势和不足。最后,提出进一步研究的方向。     

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。     

自适应避障蚁群算法的移动机器人路径规划

传统蚁群算法在解决机器人路径规划的问题上存在收敛慢,容易收敛于次优路径的不足.针对以上不足,研究在状态转移概率、信息素更新方面进行改进.在状态转移概率上引入了一个避障函数因子,减小蚂蚁进入地图陷阱的概率,从而有效减少陷入死锁的蚂蚁数量,加快收敛速度.在信息素方面,加入了随迭代次数变化的信息素挥发因子,增加算法进行全局搜索的可能性,避免算法陷入局部最优.设计三种栅格障碍图对两种算法进行仿真,结果对比均表明,经过改进得到的AOA蚁群算法的初次收敛次数更少,迭代速度大大增强,并且最终规划得到的最小路径长度均比原算法小,与其他的改进算法相比,在找到最优路径的同时,其初次迭代的收敛次数也大大降低.     

模糊控制在移动机器人路径规划中的应用研究

利用模糊控制算法自身所具有的鲁棒性,对室内移动机器人的路径规划进行研究.将模糊控制应用于机器人的路径规划中,提出了以墙壁为基本参照物,顺时针为主方向的路径规划策略,经多次实验建立了模糊控制表,无需图像处理,无需精确的环境模型,实现了机器人路径规划和快速避障,并最终在室内静态环境下实现了机器人的准确定位.     

复杂环境中移动机器人的一种避障策略

提出了机器人在复杂环境中寻找到达目标点最优轨迹的一种避障策略.首先,从3个方面考虑,提出了机器人的运动函数.第一,机器人运动必须在指定区域内;第二,机器人能够动态避障并到达目标位置;第三,机器人运动路径保证最短.其次,给出了机器人路径优化设置的条件:个体适配值、路径再优化和运动策略突变.最后,通过仿真实验,证明了所提出的方法是可行的.     

优化的移动机器人无障区域内覆盖路径研究

移动机器人在含障区域内全覆盖路径规划的优化问题是一个需要整体考虑的问题,通常包括无障子区域分割、子区域内部行走路径和子区域间衔接三个子问题.文章研究子区域内部行走路径的优化问题,对几种常用的行走路径进行计算、分析和比较,并用实物机器人进行了行走实验.结果表明,无论从局部和全局上讲,向内螺旋式路径更适合于移动机器人在无障子区域内完成全覆盖任务.     

基于视觉信息的移动机器人动态避障方法

为了提高自主移动机器人的动态避障能力,提出了一种基于视觉信息的拟人动态避障方法,以视觉信息为决策依据,利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射,在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式,无需考虑机器人和障碍物的运动速度和运动方向,仿真试验证明这种方法是可行而有效的．     

基于遗传模糊算法的机器人局部避障规划

提出了在动态环境中,基于遗传模糊算法的移动机器人的局部避障规划方法,该方法适用于复杂环境情况．仿真结果表明改进遗传算法的模糊控制估化效果优于传统遗传算法模糊控制效果,能够满足移动机器人局部路径规划的实时性要求．     

基于光流的非结构化环境中移动机器人避障方法

为了解决在复杂非结构化环境中的避障问题,提出了一种基于光流的适用复杂非结构化环境的移动机器人避障方法.首先,引入梯度守恒假设和局部加权对光流算法进行改进,减少了光照变化不均和噪声对光流算法的影响,提高了算法的计算精度和鲁棒性.然后,使用光流散度来计算相碰撞时间(time-to-contact,TTC),并利用TTC构建障碍地图.设计的航向决策算法能在机器人与障碍物发生碰撞危险时,为机器人选择最优的前进方向.对提出的避障方法进行了仿真及物理实验,实验结果表明:利用该避障方法可以实现移动机器人在复杂非结构化环境中无碰撞地行走.     

基于深度强化学习的移动机器人轨迹跟踪和动态避障

针对移动机器人在局部可观测的非线性动态环境下,实现轨迹跟踪和动态避障时容易出错和不稳定的问题,提出了基于深度强化学习的视觉感知与决策方法.该方法以一种通用的形式将卷积神经网络的感知能力与强化学习的决策能力结合在一起,通过端对端的学习方式实现从环境的视觉感知输入到动作的直接输出控制,将系统环境感知与决策控制直接形成闭环,其中最优决策策略是通过最大化机器人与动力学环境交互的累计奖回报中学习获得.仿真实验结果证明,该方法可以满足多任务智能感知与决策要求,较好地解决了传统算法存在的容易陷入局部最优、在相近的障碍物群中震荡且不能识别路径、在狭窄通道中摆动以及障碍物附近目标不可达等问题,并且大大提高了机器人轨迹跟踪和动态避障的实时性和适应性.     

机器人避障模型简

研究了机器人在存在12个不同形状、不同大小障碍物的平面区域内避障的最短路径及最短时间路径问题.结合图论中的Dijsktra算法,获得了机器人避障的最佳路线;并对最佳路线进行了平滑处理,分别建立了问题一、二的非线性规划优化模型;利用Maple软件和Lingo软件编程,求出了最短路径、最短时间路径及切点的坐标.     

基于伪最小平移距离的机器人避障研究

针对机器人在非自由工作环境中的运动问题,需要对机器人与工作空间中的障碍物进行碰撞检测,并规划出无碰撞的运动路径。首先采用了伪最小平移距离作为计算空间几何体之间相对位置的距离函数,并通过伪最小平移距离确定机器人与障碍物嵌入最严重的点,然后采用假设-修正法对机器人运动路径进行重新规划、反复迭代从而生成一条无碰撞的运动轨迹。最后对冗余度为1的平面三自由度机器人碰撞问题进行了轨迹规划的仿真,结果表明该方法对于检测类似机器人手臂等凸体之间的距离及无碰撞路径生成是有效的。     

移动机器人智能避障算法仿真研究

针对轮式移动机器人运动过程中避免碰撞固定障碍物的问题,提出了一种基于预先检测位置的智能控制算法。该算法以障碍物边预先检测位置为运行过程的子目标,通过经由各子目标,实现移动机器人绕行障碍物,避免碰撞的目的。仿真结果显示:使用此智能控制算法,移动机器人能够实现平稳绕行障碍物,到达最终目的地。     

基于双目视觉的机器人局部路径规划

目的提出移动机器人利用双目视觉在不确定的环境中实现自主避障和导航的一种新方法．方法以视觉信息为决策依据，利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射，在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式，无需考虑机器人和障碍物的运动速度和运动方向．结果映射点偏离屏幕中心误差越大，障碍物距离机器人越远，确定避碰策略越困难；而当障碍物距离机器人较近时确定避碰策略较容易．该方法计算量少，运算时间短，提高了机器人的实时性．结论仿真试验表明此种方法能有效避开障碍物顺利到达目标点，并减少了计算规模，提高了实时性．     

基于局部模型的水下机器人避碰方法研究

提出了基于局部模型的水下机器人的避碰方法。文中首先分析了水下机器人的避碰声纳的工作机理及存在的问题,然后介绍了基于栅格的局部模型的建立方法,根据局部模型确定出机器人周围障碍物的分布情况;最后根据规则进行避碰规划。文中给出了详细的仿真结果。