动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.     

基于Bug算法的移动机器人路径规划研究

当移动机器人具有有限的计算能力时,Bug算法是最简单有效的路径规划算法,适用于环境地图未知或环境快速变化的情况,这些算法从机器人传感器,如激光雷达传感器来获得的本地信息和全局目标信息,以朝向目标的直线运动和沿着障碍的边界运动这两种简单的运动方式来到达目标点。文章对此展开了分析。     

基于改进A-star与DWA相融合的移动机器人动态路径规划算法

A-star算法常用于移动机器人的全局路径规划,但在复杂场景中A-star算法存在耗时长、搜索节点过多、路径不平滑、不能避开环境中未知的障碍物等问题。针对于此,本文提出一种融合路径规划算法。首先,在A-star算法的基础上引入环境中的障碍物信息和搜索节点到起始位置的距离信息动态调节启发函数的权重,减少搜索节点数,提升A-star算法的性能;然后,利用自适应分段步长的高阶贝塞尔曲线对路径进行优化,减少转折点提升路径的平滑性;最后,将改进A-star算法规划的全局路径作为引导,将路径节点作为DWA算法的中间目标,实现全局路径规划和局部规划的融合,使移动机器人在找到全局最优路径的同时,能够避开环境中的未知障碍物,实现移动机器人的动态路径规划。仿真结果验证了该算法的有效性。     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

复杂环境下多机器人协同覆盖搜索路径规划

为提高复杂环境下多机器人协同搜索的覆盖效率及适应性,提出一种多机器人协同覆盖搜索路径规划策略。首先,在目标区域中利用协同进化粒子群优化(CCPSO2)算法进行传感器位置部署;其次,利用改进的K-means方法对传感器部署点进行聚类,实现有效的任务区域划分;最后,以部署的传感器位置为路径点求解旅行商问题(TSP),获取每个机器人的封闭路径,从而实现协同覆盖搜索。实验结果表明,所提算法能够在保证良好避障和覆盖周期最小化的同时,为每个机器人获得更均匀的覆盖路径,实现多机器人的有效协同覆盖搜索,且能够有效适应外部复杂环境,具有良好的鲁棒性。     

基于改进双向A*势场混合算法的灭火机器人路径规划方法研究

在灭火机器人的运行中,由于其工作环境的复杂性对机器人的路径规划提出了很高的要求,因此本文提出了一种改进A*算法和人工势场法相结合的路径规划算法。本文采用双向搜索方式的A*算法进行全局规划,解决了传统A*算法耗时长的不足;本文采用改进的人工势场法进行局部动态路径规划,解决了目标不可达和局部极小值问题。本文通过MATLAB平台,分别对改进A*算法和人工势场法进行仿真分析,结果表明混合算法有效减少规划时间并可生成更优路径。最后,在Turtlebot2移动平台上对该融合算法应用进行实验,结果表明融合算法减少了规划计算时间,使路径搜索效率和规划指标得到显著提升。     

基于ROS的无人派件精灵系统设计

该文主要是对物流配送机器人在校园、社区、室内等环境下的物流配送的"路径规划-包裹配送-运动控制-环境建模-位置定位"展开研究。采用了ROS(Robot Operating System)机器人操作系统作为整个物流配送机器人的核心,通过ROS开源操作系统的功能包结合外围传感器来结合PID算法的差速运动模型来实现对机器人的任意角度运动控制以及远程控制,通过外围传感器进行对周边的环境信息进行感知结合SLAM算法进行二维地图的构建。通过在构建好的地图上进行设计一个起始点和一个目标点,物流配送机器人在该地图中进行路径规划,在规划好的路线执行导航到目标点,在导航的途中遇到障碍物,机器人会自动的避开障碍物或者从新规划路线,从而来实现包裹从起始点到目标点的配送工作。     

未知环境下一种移动机器人实时最优路径规划方法研究

 针对未知环境下移动机器人的安全路径规划问题,提出一种基于改进神经网络和模拟退火算法相结合的方法.神经网络表示机器人的工作空间,通过BP反向算法学习外部环境结构特征和信息表示,进而优化障碍物神经网络的连接权值,利用模拟退火算法搜寻代价函数的负梯度方向,采用组合探测器来减小模拟退火算法搜索区域和应用后退策略及设置虚拟目标点的方法处理局部路径规划中出现的陷阱问题.仿真验证此方法有效性和正确性.     

面向家庭环境的移动机器人自主导航系统

移动机器人在家庭环境下使用传统A*算法规划经过门的路线时,存在因规划的路径靠近障碍物而导致定位失败的问题.针对该问题,设计一种面向家庭环境的自主导航系统,并提出基于栅格-拓扑混合地图的SHS(Segmented Hybrid Search,SHS)路径规划方法.首先,在已建立的栅格地图上选取拓扑点构建栅格-拓扑混合地图;其次,通过Dijkstra算法搜索先验安全航路点序列,将航路点视为局部目标节点;最后,采用A*算法实现分段路径搜索.实验结果表明,在较复杂的家庭环境中,所提的算法能快速规划通过门的安全无碰撞路径.     

未知环境下多机器人协作追捕算法

 研究了在未知环境下一种多机器人协作追捕多个移动目标方法,将追捕过程分为环境地图创建、构建追捕团队,及团队成员协作快速捕获目标三部分.设计抽象传感器模型用于追捕者探索障碍物.综合考虑与捕获目标相关的各种因素建立属性关系样本数据集,提出了利用关联规则数据挖掘技术构建追捕团队的方法.通过对追捕目标位置预测,将追捕问题类比为多机器人协作路径规划问题,在环境地图基础上求解追捕团队到达目标位置的最优路径.仿真结果表明,多机器人能够高效地协作捕获移动目标,证明了所提方法在复杂动态环境下实现的可行性及有效性.     

一种基于VSLAM的室内导航地图制备方法

针对室内复杂环境下导航地图制备问题,提出一种采用图像传感器进行导航地图制备的方法。首先,基于VSLAM技术估计相机位姿,经后端优化后生成环境三维点云;其次,筛选出地面点云,基于随机采样一致性算法得到精确的地面平面方程;最后,投影机器人通行环境区域的点云至二维栅格地图,通过利用贝叶斯方法更新栅格占用状态后,实现室内导航地图的制备。实验结果表明,基于VSLAM制备的室内导航地图精度满足导航要求,且不同于传统激光地图构建方法,地图中包含环境的三维结构信息,在进行路径规划实验中,避免了规划的路径穿过低矮物体及悬空物体的错误。     

一种基于地图预处理识别凹点优化路径规划效率的方法

为了减少存在多个无法通行或无法到达终点的路径段情况下移动机器人路径的计算节点数量,提高算法的搜索效率,文中提出一种地图数据预处理功能,对路径规划算法中的预估计算法进行辅助,通过障碍物权重计算需要地图中存在的凹点地形,在执行路径算法过程中,通过记录的凹点约束搜索方向提高搜索效率,同时对路径规划算法的安全问题进行改进。实验结果表明,改进后的路径规划算法具有较好的路径规划能力来应对多个无法通行或无法到达终点的路径段,更加符合实际的应用场景。     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

融合哈里斯鹰与蚁群算法的机器人路径规划

针对传统蚁群算法在静态环境进行路径规划时存在初始信息素匮乏,收敛速度慢,搜索不全面的问题,提出了一种融合哈里斯鹰与蚁群算法的路径规划算法。基于栅格法对机器人工作地图进行建模,使用哈里斯鹰算法对蚁群算法中初始参数信息素因子和启发函数因子进行训练,并利用经哈里斯鹰算法优化过的蚁群算法对路径进行搜索,改进信息素更新公式并设定信息素浓度阈值,增加了融合算法的全局搜索能力及收敛速度。仿真实验结果表明,融合算法相较于其它算法在最终解精度、转弯次数等方面有一定的优势,验证了该算法的有效性和实用性。     

一种煤矿井下救灾机器人路径规划方法

针对煤矿救灾的时效性,提出了一种基于遗传算法的煤矿井下救灾机器人路径规划方法。模拟煤矿井下环境,设立坐标点,构建地图;通过组合方式编码,完成初始群体设定;以路径长度最短,行走速度最快为目标,设计适应度函数;完成交叉算子及变异算子设计。仿真实验证明了该算法的有效性和可行性。     

移动机器人路径规划融合算法研究

为了满足机器人路径规划中全局最优性和路径平滑性的性能要求,文章提出了一种新的jump-A?算法与动态窗口法的融合算法.先利用跳跃点搜索法、曼哈顿距离与欧氏距离定义的新距离评价函数对A? 算法进行优化,得到全局路径信息;再以动态窗口方法为核心,通过整合全局路径信息,安全地规划出高平滑度的全局最优路径.     

基于矩形区域分解重组算法的吸尘路径规划

提出吸尘器机器人的一种新的遍历清扫算法，即矩形区域分解重组算法，该算法适应于复杂的未知环境。首先通过机器人沿房间边缘进行环境学习并建立栅格地图，对环境地图进行矩形区域分解并设置各区域起始点；进而根据区域特点及起始点位置进行清扫区域的重组；然后按照规划的清扫顺序逐个完成重组后所有区域的清扫。最后，通过仿真模拟验证了该算法的有效性。     

基于动态障碍物的机器人避障路径规划方法

针对传统机器人路径规划只适用于障碍位置固定的环境中,无法避开动态障碍物的问题,提出一种融合动态障碍物信息的机器人避障路径规划方法.对传统动态窗口法(Dynamic Window Approach,DWA)进行改进,融合动态障碍物信息与机器人运动学分析,来解决机器人在动态环境下的避障问题,并与改进的A*算法融合,来保障机器人路径规划的全局最优性.实验结果证明,所提出的方法在动态环境下适应度高、安全性强,具有一定的应用价值.     

双向ACO算法应用于静态机器人全局路径规划研究

提出双向蚁群算法并应用于静态环境下的机器人全局路径规划问题.对栅格法环境建模进行改进,将传统的栅格法改进为膨胀栅格法;使用双向蚁群算法在出发点和目标点设置带有不同标记的两族蚂蚁相向爬行完成搜索,启发信息主要通过目标点、出发点和蚂蚁的当前位置二维坐标值计算得出;信息素存储采用方向信息素矩阵.仿真实验证明:即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出最优路径.     

基于梯度优化的移动机器人路径规划算法

针对目前移动机器人全局路径规划算法中存在规划效率低、路径质量低等问题,提出一种新的基于梯度优化的路径规划算法。首先使用欧氏符号距离场方法表示已知的二维地图环境,构建从障碍物中心向外梯度下降的距离场,以获得机器人到障碍物中心的距离信息来进行碰撞惩罚代价的计算;其次将路径规划问题描述为优化问题,通过引入目标距离信息和障碍物距离信息,设计了一个新的路径规划代价函数,并使用梯度下降方法优化该函数得到一条最优路径;最后通过仿真对比实验表明,所提算法在规划时间、路径长度和最大转向角方面均具有一定的优越性,并通过搭建基于ROS的移动机器人实验平台进行实际环境中的路径规划实验,验证了所提算法的有效性和可行性。