采用改进D*Lite算法的自主移动机器人路径规划

针对动态环境下自主移动机器人的路径规划问题提出了改进D*Lite算法;该算法在D*Lite算法的基础上,引入Bresenham画线算法对扩展节点进行可视检测,得到方向任意且避免不必要转折的预规划路径,并建立分辨率高于全局障碍图的局部障碍图,动态存储传感器实时获取的局部环境信息,充分利用局部环境信息实时重规划机器人当前位置到目标点的最优路径,提高算法的规划精度及对动态环境的适应性;仿真实验结果证明,该算法大大缩短了路径长度,并且具有可行性和实时性.     

导航系统中多目标路径平滑化规划的研究

路径规划是车辆、机器人出行、无人机航路推荐和计算机游戏等许多应用中的关键任务。现有的大多路径规划常简化为单目标优化问题进行求解。但在现实生活中,还需要同时考虑多种规划目标,且用于规划路径的目标之间还存在着彼此不能变换的问题。在熟知的路径规划算法（D*Lite）上提出了一种新的多目标路径平滑化规划算法-平滑多目标D*Lite算法。通过构造一条初始多目标平滑路径,当检测到环境变化时采用增量搜索思想,仅更新受影响结点并从当前结点重新进行规划得到一条新的多目标平滑路径。仿真结果表明,该算法不但能有效躲避突发障碍物,规划路径拐点较少,还能提高搜索效率,可有效应用于具有不同非交互规划目标的导航系统。     

Positioning accuracy improvement of laser navigation using UKF and FIS

This paper presents positioning improvement of a laser navigation system (LNS) using the unscented Kalman filter (UKF) and fuzzy inference system (FIS) for an automatic guided vehicle (AGV). The existing AGVs mainly used a magnetic system or an inductive system as a guidance system. However, those systems have high initial facility cost and are difficult to maintain according to changes of environment, and it can drive only the designated path by sensors which are installed on. The laser guidance system is developed to solve these problems, but it also has limitations which are slow response time and low accuracy. Therefore, we propose a sensor fusion method for the AGV. The sensors used in this paper are encoders, a gyro and the LNS, and they are fused by the UKF and FIS. To analyze the performance of the proposed system, we designed a fork-type AGV for ourselves and performed the experiment that was repeated 10 times under the same working conditions. In experimental results, we verified that the proposed method could improve positioning accuracy of the LNS effectively. In addition, it was appropriate to apply a real AGV system for autonomous driving.     

基于改进CBS算法的自动化码头多AGV无冲突路径规划

针对自动化集装箱码头上自动引导车（automated guided vehicle,AGV）数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索（conflict based search,CBS）算法。底层采用基于曼哈顿距离的A*算法,上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标,使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突,将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明,所提出的算法在保证堵塞率为0%的前提下,缩短总路径长度并提高运算速度,验证算法的有效性。     

双舵轮AGV视觉里程计的设计方法

针对双舵轮AGV在地面崎岖不平和轮胎打滑的情况下编码器失效的问题.本文提出一种使用价格低廉的RGB-D相机做视觉里程计的方案,避免了双舵轮AGV直接运动学建模导致里程计航迹推算累积误差过大的问题.本文采用ORB算子对图像进行特征提取和匹配,使用ICP的方法进行位姿估计.然后在Linux+ROS平台下搭建视觉里程计,并且和激光雷达数据融合,通过粒子滤波算法进行定位.最后,分别在不同环境下对比了编码器和视觉里程计的定位效果,并验证了整个系统的鲁棒性.     

基于视觉引导多AGV系统的改进A*路径规划算法

研究基于视觉引导自动引导车(AGV)的改进A*路径规划算法.首先,设计一种包含导航、定位和任务信息的图形编码标志方法,AGV通过识别位于车身前方网格型路径中有序排布的编码标志进行快速定位和下一位置预判,为多AGV规划奠定基础;其次,根据网格型路径构成的动态随机网络,提出一种改进A*算法,将AGV在运动时产生的动态时间耗费作为参考指标,以实现多AGV在路径网络中的路径规划和冲突避让策略,提高固定路网资源的利用效率;最后,对多AGV在网格型路径中协同工作的场景进行仿真,实验结果表明,所提出的改进算法可以有效应用于多AGV系统,并且提升整体系统的工作效率.     

紧致密集Auto Store系统AGV路径规划与避碰策略

针对新兴紧致密集仓储系统Auto Store具有短途挪库作业多、顶层AGV冲突多、货架结构性角落多等特点,提出一种离线-在线两阶段AGV优化调度方法。离线路径规划阶段,给出改进双层A*算法,在拓扑图建模划分搜索区域基础上,上层通过考虑冲突的启发式函数和考虑转弯的代价函数寻求可行区域,下层在此区域基础上搜索最优路径。在线AGV运行阶段,针对两AGV冲突,扩充了回退策略和路线重规划策略;针对多AGV冲突,提出一种基于贪心算法的区域避碰决策策略,以控制问题规模。最后利用Flexsim仿真进行了验证,结果表明,较于标准A*算法,改进A*算法能在保证搜索效率的同时获得冲突较少的初始路径方案;较于优先级策略,区域避碰策略能减少AGV等待时间;将二者相结合,能缩短整体作业完成时间,且随着AGV数量和作业任务增多,优势越明显。     

双向搜索机制的改进A*算法研究

针对大规模环境下传统A*算法路径寻优存在的内存占有率高、计算效率低下的问题,提出了一种改进A*算法。引入了双向搜索机制,以原始起点、终点和对向搜索所处的当前节点作为目标点进行搜索操作,使AGV的路径寻优具备更加合理的方向性;优化评价函数,改进了评价函数的传统计算方式,通过测试为评价函数选择了合适的权重系数,减少路径寻优过程中的冗余点,提升路径寻优的计算效率,节约内存占有率。为了验证改进A*算法的有效性,在Matlab平台中进行编程,在不同尺寸的含障碍栅格地图中进行了仿真。仿真结果表明：改进A*算法在路径寻优过程中所遍历的节点数量较少,搜索过程中的计算效率更高,并且可获得到达目标点的最短路径。     

基于蚁群融合D*Lite的动态改航路径规划

危险天气下的改航与受限区划设和路径规划算法密切相关, 本文针对改航环境构建中Graham扫描结果存在较大无效区域, 提出分块后并行扫描. 针对危险天气的突发性, 为了适用于复杂环境, 提出在增量式的D*Lite全局规划路径基础上智能分割、蚁群算法局部搜索的复合结构动态规划方法. 通过改进信息素更新策略解决收敛速度慢、耗时长且易陷入局部最优的缺点. 实验结果表明, 分块并行Graham扫描划设的飞行受限区形状更接近实际, 面积缩至原先的48.1%. 改进蚁群融合D*Lite的复合结构动态路径规划算法D*Lite-ACO兼顾全局与局部, 将重规划范围控制到当前位置与目标点间, 在路径长度、规划时间和迭代范围上的评价指标分别提升1.2%、40.7%、66.7%.     

改进平滑A*算法的多AGV路径规划

科技的进步促使拥有众多优势的自动导引车（Automated Guided Vehicle,AGV）逐步替代人工搬运,随之产生的多AGV路径规划、协调问题也应运而生。针对上述问题,依据AGV行驶特征,构建笛卡尔坐标系环境,以传统A*算法为基础模型,通过引入3轴-2象限、路线转向数来剔除无效备选点,平滑行驶路径;以系统总工作时长最小为目标制定冲突判断标准与协调策略,实现系统运行效率最佳的目标。通过实例分析,改进A*算法单AGV线路最多可减少10.9%搜索点数和350%转向数;以时间最小为目标的协调策略能够有效避免因主观因素制定的优先度而导致系统陷入局部最优的现象。     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

基于路径优化D* Lite算法的移动机器人路径规划

采用D*Lite算法规划出的路径并不平滑,且预规路径与障碍物均十分接近.除此之外,在动态环境下时,由D*Lite算法重规划得到的路径也离障碍物距离很近,十分容易发生碰撞.针对此问题,引入懒惰视线算法与距离变换相结合的方法改进D*Lite算法.首先,对地图进行距离变换,并引入距离值的启发式代价,使得距离障碍物较远的节点优先被选择.然后,在扩展节点时引入视线算法,增加本地父亲节点和远程父亲节点的概念,使得路径不局限于八邻域扩展,从而进化为任意角度路径规划算法;最后,在遇到未知障碍物时进行局部距离变换,结合启发距离值信息进行重规划,使得重规划得到的路径远离突现的障碍物.仿真实验表明,在不同环境下规划所得到的路径均十分平滑与安全.     

Using the image acquisition capabilities of the optical mouse sensor to build an absolute rotary encoder

In this paper, the optical mouse sensor is proposed as the main sensor of an absolute rotary encoder. The image acquired by the optical sensor is used to read a positioning binary code printed on an internal rotary surface to obtain the absolute rotary position. The two-dimensional image matrix acquisition is more robust than the single reading point approach used in other absolute rotary encoders (with only one pixel) where the position must be coded using random sequence codes. Additionally, the low cost of the optical sensor facilitates the development of inexpensive absolute rotary encoders.     

多目视觉定位协同引导自动运输车研究

针对自动运输车（AGV）定位范围窄、灵活性差问题提出解决方案并实验验证。采用红色单球作为AGV车体的标志物,基于全局视觉定位技术构建起多个摄像头协同引导自动运输车。利用OpenCV和QT平台实现红色单球识别、多目视场空间扩展、坐标位置映射计算,并将实时坐标信息通过WiFi发送给下位机AGV。自动运输车根据坐标信息计算出运输路径,并且采用分时双反馈闭环算法解决运输过程中标志物被遮挡的问题。实验结果表明：基于红色单球标志物的多目视觉导引自动运输车定位方案具有定位范围大、灵活性好、适用性强的优势。     

结合负载均衡与A*算法的多AGV路径规划

针对目前大规模应用场景下多AGV运行路网的局部拥塞防止和负载均衡问题,提出了使用负载均衡改进的A*算法进行路径规划的方法。在计算AGV运行代价时,摒弃了传统A*算法只考虑单一运行路程的评价函数,引入了运行路程结合区域负载作为新评价函数的方式。在几乎不增大运行路程的前提下,实现了AGV运行路网的区域负载均衡。采用了单向多入多出以及双向多入多出路网模型进行仿真验证,改变路网规模以及负载系数进行多次仿真实验,结果表明改进算法可以有效地均衡路网负载,极大提高了AGV系统整体运行效率。     

一类非线性系统的加速度规划输出跟踪动态控制

针对一类严格反馈形式的非线性二阶多输入多输出系统,提出一种带有加速度规划的输出跟踪动态控制策略.引入一个代替时间变量的路径参数用以规划路径跟踪时的加速度,回避了设计内环加速度控制回路的常规方法,简化了控制器的设计过程.对二阶系统的控制项求导进行系统扩维,基于新的增广系统,设计了使系统输出收敛于期望路径的反馈线性化动态控制律.再对加速度跟踪误差基于梯度法设计更新律使其渐近收敛于零,最后通过调节期望加速度实现定常速度控制.理论分析表明,误差闭环系统一致渐近稳定,速度误差有界.动力定位船舶循迹控制仿真结果表明了所提出控制器的有效性.     

Laser interferometry-based guidance methodology for high precision positioning of mechanisms and robots

Laser interferometry-based sensing and measurement (LISM) technique was originally investigated to perform dynamic measurements of the end effector of a robot manipulator in motion. This technique can provide dynamic position measurements in real time and has high accuracy, large working space, high sampling rate and automatic target tracking. In this paper, a methodology using LISM technique is proposed to perform laser interferometry-based guidance (LIG) for accurate positioning of a robot manipulator in high precision manufacturing operations. The methodology utilizes the LISM apparatus to guide the robot's end effector to a desired location or along a desired path by directing the robot to follow the trajectory mapped by the laser beam. This is accomplished through the establishment of techniques for path generation, sensing and data acquisition and guidance error determination and compensation in the control algorithm. The algorithms for this methodology, together with the measurement and analysis techniques are described. A number of experiments are carried out to examine and validate the proposed LIG technique. Experimental results show that the established technique can effectively improve the positioning accuracy of the robot manipulator.     

磁导航AGV分段模糊PI控制器设计

为了提高3C产品的自动化生产效率,以STM32F407ZGT6单片机为系统控制器核心,对磁敏传感器组寻迹的滚筒式AGV设计了16位磁敏传感器的阵列布置形式,并根据此形式以及磁导引滚筒式AVG的寻迹约束条件和行走要求提出了路径的识别与轨迹跟踪算法,即分段模糊PI控制算法,以适应AGV小车在直行 、转弯和停车三种状态下存在的位置偏差和角度偏差的控制.运用Matlab软件中Simulink模块搭建模糊控制器的仿真模型,对AGV的轨迹跟踪进行仿真,并进行了实际行走测试.AGV行驶时路径偏差保持在8 mm以内,可保证AGV稳定准确地跟踪预设路径,且具有较强的鲁棒性.     

基于栅格空间的移动机器人快速路径规划方法

基于栅格空间的节点扩展方式,提出了一种移动机器人快速路径规划的新方法;在引人可视性概念的基础上,通过对传统八邻域法扩展节点进行改进,成功将节点间派生关系由物理相邻引申到逻辑相邻,从而完成任意方向的节点扩展;采用启发式搜索算法D*Lite进行搜索,将应用两种扩展方式的算法在VC环境下分别实现并进行了分析比较;仿真结果表明,新算法不仅极大缩短了路径长度而且显著降低了执行时间。文章提出的算法很好地解决了移动机器人快速路径规划问题。