一种移动机器人在三维动态环境下的路径规划方法

提出一种基于遗传算法的三维动态环境下的路径规划方法,通过对机器人的运动行为进行编码,将各种约束条件融入到遗传算法当中,规划出可实际应用的避障路径,仿真研究表明该方法是简单有效的.     

一种动态环境中的移动机器人路径规划安全策略

文章针对有运动障碍的环境,基于局部信息,从安全性的角度为机器人规划动态避障路径——安全路径。算法考虑了对机器人速度和加速度的限制,将“安全性,,概念引入到设计规划策略中来。选择一条使“静安全函数、目标引力、动安全函数,,的乘积最大的路径。“静安全函数”依赖于加速度的约束;“目标引力”依赖于距目标的远近;“动安全函数”依赖于机器人与移动障碍的距离。     

动态环境下机器人路径规划的一种新方法

提出了一种动态环境下实用于机器人路径规划的新方法。该方法先利用链接图法对环境建模,再通过遗传算法搜索出全局最短路径。然后在机器人行进过程中再分别遇到障碍物的类型不同而采取不同的局部路径规划策略完成避障,同时顺利达到目的地。仿真表明该方法具有可行性。     

一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存 在已知和未知、静止和运动障碍物的复杂情况．采用链接图法建立了机器人工作空间模型， 整个系统由全局路径规划器和局部路径规划器两部分组成．在全局路径规划器中，应用遗传 算法规划出初步全局优化路径．在局部路径规划器中，设计了三种基本行为：跟踪全局路径 的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径．其中，避碰 的行为是通过强化学习得到的．仿真和实验结果表明所提方法简便可行，能够满足移动 机器人导航的高实时性要求．     

移动机器人路径规划方法研究

针对室内动态非结构化环境下的移动机器人路径规划问题,提出了一种能够将全局路径规划方法和局部路径规划方法相结合、将基于反应的行为规划和基于慎思的行为规划相结合的路径规划方法．全局路径规划器采用A*算法生成到达目标点的子目标节点序列;局部路径规划器采用改进的人工势场方法对子目标节点序列中相邻两节点进行路径平滑和优化处理．在考虑了移动机器人运动学约束的前提下,该方法不但能够充分利用已知环境信息生成全局最优路径,而且还能及时处理所遇到的随机障碍信息．仿真研究与在室内复杂环境下的实际运行结果验证了该方法的有效性．     

部分未知环境中移动机器人动态路径规划方法

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证,该方法的有效性.     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

未知环境下基于传感器的移动机器人路径规划新方法

提出了一种未知环境下机器人在线路径规划算法. 该算法在多数情况下比传统方法更具智能性和灵活性, 并且可以解决无边界环境中单方向无限延伸的障碍物的绕行问题．     

复杂环境下移动机器人自动路径规划研究

良好的路径规划算法是保证移动机器人安全平稳地实现其导航功能的重要保证,也是机器人智能水平的体现。在常规障碍物环境中,常有静态和少量的动态障碍物,通常采用全局路径规划法求出全局最优路径;利用本地路径规划算法对障碍物进行实时规避。基于此,将主要针对移动机器人在复杂环境下的自动路径规划展开相关探讨研究。     

未知环境下移动机器人安全路径规划的一种神经网络方法

针对未知环境下移动机器人的安全路径规划,采用了一种局部连接Hopfield神经网络(Hopfield Neural Networks,HNN)规划器;分析了HNN稳定性,并给出了存在可行路径的条件.如果存在可行路径,该方法不存在非期望的局部吸引点,并在连接权设计中兼顾"过近"和"过远"来形成安全路径.为在单处理器上有效地在线路径规划,采用多顺序的Gauss-Seidel迭代方法来加速HNN势场的传播.结果表明该方法具有较高的实时性和环境适应性.     

动态环境中基于增强式学习的路径规划方法

本文结合机器人路径规划问题介绍了增强式学习方法 ,实现了动态环境中基于增强式学习的自适应路径规划 .增强式学习通过采用随机性的控制策略 ,实现策略的优化搜索和在线学习 .并采用具有模式增强输入的BP网络进行决策参数估计 ,加快学习的收敛 .仿真试验证明该方法能有效实现动态环境中机器人的避碰和导航     

一种多移动机器人避碰规划方法

本文采用集中预规划方法,通过调整机器人的运动速度实现多机器人避碰,所提算 法的基本思想为：将机器人的运动路径分段,然后按避碰要求对机器人通过各段的时间进行 约束,从而将避碰问题转化为高维线性空间的优化问题,并进一步将其转化为线性方程的求 解,使问题具有明确的解析解．由于该方法的复杂度较高,在实现过程中采用了多种方法降 低复杂度,简化计算．本文给出了该算法的基本思路,有关定理及证明,算法的化简方法, 最后给出了实验结果及分析．     

在动态环境中移动机器人导航和避碰的一种新方法

本文提出了基于超声传感器的信息,将改进的栅格 和回归预测法结合起来,应用于具有静态和动态障碍物的动态环境中,移动机器人THMR-Ⅱ 的导航和避碰的一种新方法．对栅格法的改进就是以障碍物为单位记录信息量,结果比原来 以栅格为单位记录的信息量少得多,克服了栅格法中存在环境信息存储量大的问题,提高了 实时性．对回归预测法也作了改进,并把它们结合起来,在求得最佳候选扇区后,使移动机 器人躲避了静态和动态障碍物,实现了导航,最终到达目标．通过三种仿真实验,结果表明 作者提出的方法是正确和有效的．     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

动态环境中的移动机器人避碰规划研究

本文研究环境中的冲突区域——即交叉路口中多个移动机器人间的协调和避碰问题．采用集 中 分布相结合的规划方法，根据系统的拓扑结构为每个移动机器人规划路径；在冲突区域 内使用优先级策略对机器人的运动特征进行分布式规划．通过上下层智能的融合，提高整个 系统的智能．同时为系统建立了一套交通规则，易于系统的规划，使系统中的机器人能安全 快速地到达目标位置．由于动态环境的不确定性，规划周期性地执行．最后给出了仿真结果 ．     

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的 机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人 实时测得的局部环境信息，以滚动方式进行在线规划，实现了优化和反馈的合理结合，对动 态环境具有良好的适应性．     

一种基于相对坐标系下移动机器人动态实时避碰的新方法

本文提出了一种机器人在动态环境下的动态实时避碰的新方法．此方法是基于相 对坐标系，在加速度空间中，通过动态实时地调整机器人自身速度的大小和方向使其离开碰 撞区域，即碰撞危险区域，达到与动、静态障碍物之间的避碰．仿真实验验证了此方法的有 效性．     

机器人路径规划

本文实现了一个基本的机器人规划系统。它能自动生成一系列避免与障碍物发生碰撞的机器人动作轨迹。其视觉子系统可获取环境知识。算法对可能引起碰撞的障碍物进行从直角坐标空间到机器人关节坐标空间的转换。并采用分级式方式对自由空间进行先“粗”后“细”的两级描述。合理的数据结构既减少了存储量又给出了充分的启发信息。在此基础上又采用了先“全局”后“局部”的两级路径优化,从而能以较快速度决策出一能避免碰撞且运行时间短的优化路径。实验表明,该系统可在一般 PC 机上实现。     

移动机器人的动态路径规划及控制

本文阐述了两类机器人的导航方法:第一类方法是,先生成整个路径,然后进行路径跟踪控制;第二类方法是所谓的势场方法,即利用人工势场直接进行运动控制.在此基础上,我们提出了用于移动机器人系统导航的动态路径规划-控制方法.系统根据环境信息对路径进行动态的生成与控制,从而与实际环境实现了闭环,增加了对系统的稳定性和对环境的适应能力.