基于超声波网络定位系统的机器人全局路径规划

提出一种基于超声波网络定位系统的全局路径规划方法,解决了移动机器人在室内环境中的位置信息获取问题,通过栅格法实现了机器人的自主运动.通过仿真和MT-R机器人的室内运动实验,证明了该方法的有效性.     

通信时延下UAV/UGV混合编队控制系统的稳定性分析

针对通信时延下的高维异构无人机(UAV,unmanned aerial vehicle)/无人车(UGV,unmanned ground vehicle)混合编队控制系统,对系统稳定的充分必要条件和准确时延边界的计算方法进行了研究;具体地,为了处置UAV/UGV工作空间、运动学模型的差异,建立考虑异构特性的UAV/UGV混合编队模型;并针对UAV群组、UGV群组,分别设计基于信息一致性的分布式控制器;利用矩阵相似变换,将高维异构的UAV/UGV混合编队控制系统降维拆分为若干等价的低维子系统,极大地降低了稳定性分析的解析难度和运算量;在此基础上,利用辅助特征函数法推导准确的时延边界,得到系统稳定的充要条件;最后通过仿真验证了所提出稳定性分析方法的有效性。     

基于改进A*的移动机器人路径规划算法

移动机器人全局路径规划旨在为移动机器人导航提供一条安全、平滑的运动路径.传统A*算法规划的路径转弯多、不平滑,且对于U型地形存在过于贴合障碍物的问题.针对A*算法的缺点,在启发函数中加入余弦相似性和方向信息,并做归一化处理.选取36阶邻域搜索矩阵,解决贴合U型弯的问题.此外,提出了基于贝塞尔曲线的后处理方法,使规划的路...     

针对不规则机器人路径规划改进的A*算法

对复杂环境下移动机器人全局路径规划问题进行研究,提出一种针对不规则机器人路径规划改进的A*路径规划算法.首先,对全局运动空间进行建图录制;然后,将全局地图根据碰撞空间进行地图预处理,运用改进的A*算法规划一条从起点到终点的全局路径;最后在vs平台将A*路径规划算法与改进的A*路径规划算法进行对比实验.实验结果表明:文中...     

部分环境信息未知下的机器人动态路径规划算法

良好的移动机器人路径规划技术不仅可以节省大量的时间,还可以减少移动机器人的磨损和资金投入。传统A*算法只能在完整的导航环境信息已知时进行静态路径规划,而包括强化学习(Reinforcement Learning, RL)在内的元启发式算法虽然能够根据实时信息进行动态路径规划,但其参数调试费时费力,且在没有全局最优路线引导的情况下,很容易陷入局部最优解,而无法达到目的地。针对总体布局已知、障碍物分布信息未知的场景,提出了一种结合A*算法和RL中的近端策略优化(Proximal Policy Optimization, PPO)算法的动态路径规划算法。仿真实验表明,与通常的RL算法相比,该算法所需的训练期数较少,且能根据实时的障碍物信息规划出高效、安全的路径。     

融合简化可视图和A*算法的矿用车辆全局路径规划算法

针对矿用车辆在狭窄、弯曲及有未知障碍物的井下巷道中的路径规划效率低的问题,提出了一种融合简化可视图(SVG)和A^*算法的全局路径规划算法DVGA^*。在构建真实环境点云地图基础上,连接车辆在不同视点下的可视切点,动态生成SVG;将可视切点依次存入OPEN表作为节点,根据A^*算法估价函数选取路径最短情况下的节点加入CLOSED表,得到最优路径点并存储路径,同时删除OPEN表中的其余节点,循环此过程,直到OPEN表中出现终点;最后利用路径平滑算法进一步减少路径节点数量,从而提高路径规划效率。实验结果表明,与完整可视图+A^*算法、SVG+A^*算法及SVGCA^*算法对比,DVGA^*算法对复杂长距离路径的规划时间最短,平均路径长度分别缩短了10.79 % ,6.26% 和2.86%,具有更强的适应性和更高的规划成功率。井下试验结果表明：在巷道宽度变换区域和躲避静态障碍物时,相比SVGCA^*算法,DVGA^*算法规划的路径更加平滑;躲避动态障碍物时,DVGA^*算法能够及时进行路径纠正,保证了路径规划的时效性和稳定性;在复杂多变的巷道环境中,DVGA^*算法的规划时间和路径长度相比SVGCA^*算法分别减少了11.51%和1.54%,具有更高的环境适应性和稳定性。     

A*初始化的变异灰狼优化的无人机路径规划

无人机(unmanned aerial vehicle,UAV)路径规划问题是无人机任务规划系统的重要组成部分,需要在一个存在威胁区的搜索空间中获得最优路径.为解决灰狼优化算法存在收敛速度慢、容易陷入局部最优等问题,提出了一种基于A*初始化的变异灰狼优化算法.该算法首先将模型离散化,进而使用A*算法进行头狼的初始化,使...     

移动机器人全局路径规划算法综述

全局路径规划是移动机器人室外工作的关键技术,全局路径规划相关算法主要应用于地理场景预知的室外环境中,机器人面对复杂多变的室外环境,通过对算法的优化改进来提高机器人路径规划的实时避障性、路径平滑性、规划有效性就成为了全局路径规划算法的核心研究内容.首先根据算法的智能程度,将移动机器人的全局路径规划算法分为传统全局路径规划...     

Lambda*路径规划算法

分析A*算法耗时多的基础上,针对性地提出Lambda*算法,通过减少open表中保持的节点数,减少计算量,算法能在较少的时间里得到较优的路径。相对于A*算法,采用Lambda*进行路径规划,在2D环境下时耗减少了48.76%,在3D环境下时耗减少了30.11%。即使在复杂的3D环境中,Lambda*算法也能较快地获取较优的路径规划方案,更能适应现代工业机器人的快速路径规划的需求。     

基于节点优化的改进全局路径规划A*算法

目前越来越多的领域使用移动机器人代替人工工作。路径规划就是移动机器人正常工作的保障之一,A*算法就是一种路径规划算法。针对A*算法生成路径拐点多、路径较长的问题,提出了一种基于将搜索邻域扩大至5×5的随机数去除节点的改进A*算法。首先,将3×3的搜索邻域扩大至5×5,从而减少拐点个数,改善转折角度,去除冗余点;其次,引入一种随机数去除冗余节点的方法,该方法是通过随机连接节点判定其是否穿过障碍物来去除冗余节点,从而进一步去除A*算法路径列表的冗余点;最后,将改进的算法与A*算法在30×30的栅格地图中进行仿真比较,实验结果表明,改进的算法在多组路径中都有很好的优化效果,路径长度、运行时长和访问节点数分别平均减少了4.46%、24.83%和39.93%,从而有效改善A*算法生成拐点多、路径较长的问题。     

Autonomous UAV path planning and estimation

Unmanned aerial vehicles (UAVs) have shown promise in recent years for autonomous sensing. UAVs systems have been proposed for a wide range of applications such as mapping, surveillance, search, and tracking operations. The recent availability of low-cost UAVs suggests the use of teams of vehicles to perform sensing tasks. To leverage the capabilities of a team of vehicles, efficient methods of decentralized sensing and cooperative path planning are necessary. The goal of this work is to examine practical control strategies for a team of fixed-wing vehicles performing cooperative sensing. We seek to develop decentralized, autonomous control strategies that can account for a wide variety of sensing missions. Sensing goals are posed from an information theoretic standpoint to design strategies that explicitly minimize uncertainty. This work proposes a tightly coupled approach, in which sensor models and estimation objectives are used online for path planning.     

拉格朗日松弛的无人机路径规划

提出了基于城市建筑物遮挡模型的无人驾驶飞行器（简称无人机）路径规划方法,主要包含两方面的内容：一是利用圆柱体虚拟城市的建筑物环境,使建筑物对无人机的遮挡面积可计算,另外,由于建筑物的相对位置会相互遮挡,不可以进行简单的面积加法。采用程序实现了无人机的遮挡总和的计算,即每个建筑物遮挡面积的并集。二是在计算出无人机飞行的水平平面上（x,y）点的遮挡曲面值的基础上,给出了无人机基于拉格朗日松弛算法的优化路径规划,即走一条遮挡面积最小的路径的方法。给出matlab仿真结果,实验结果表明该方法是十分有效的。     

QPSO在无人机侦察航路规划中的应用研究

对于侦察区内的防空威胁和目标分布情况,对飞行航路预先规划,可以减小被敌方发现和飞行距离,从而显著提高UAV侦察效率.在研究了粒子群算法的基础上,提出了具有量子行为的粒子群算法,并首次将该算法应用于无人机航路规划.目标函数主要考虑地面防空威胁与飞行距离这两个主要因素,并给出了航路规划的方法和步骤,该算法很好的解决了粒子群算法局部极值问题.实验结果表明,QPSO算法收敛快,得到的侦察航路较优,且很好的对威胁进行回避,能有效满足无人机飞行任务规划的要求.     

UAV path planning method for avoiding restricted areas

Intelligent Service Robotics - Recently, the industry of drone systems has come into the spotlight because a new potential market has been revealed. A considerable number of drones are deployed...     

基于改进粒子群算法的无人机路径规划

针对传统粒子群算法PSO求解无人机路径规划问题时存在极易陷入局部最优的问题,在PSO算法中引入细菌觅食算法BFO的趋化操作、迁徙操作,以提高其寻优能力。首先根据无人机飞行环境建立三维高程环境模型,并使用路径长度代价、障碍危险代价和航迹高程代价来构造适应度函数;然后在分析了粒子群算法和细菌觅食算法原理及特点的基础上,给出了算法的改进方法及其具体流程。最后,通过Matlab仿真验证表明：混合算法有效改善了粒子群算法的缺陷,在进行无人机路径规划时,相比于传统PSO算法,混合算法寻优精度和稳定性有明显改善。     

A general dynamic vision architecture for UGV and UAV

The expectation-based 4D approach to dynamic machine vision exploiting integral spatiotemporal models of objects in the real world is discussed in the application domains of unmanned ground and air vehicles. The method has demonstrated superior performance over the last half decade in autonomous road vehicle guidance with three different vans and busses, with an AGV on the factory floor and with completely autonomous relative state estimation for a twin turboprop aircraft in the landing approach to a runway without any external support; in all application areas only a small set of conventional microcomputers was sufficient for realizing the system. This shows the computational efficiency of the method combining both conventional engineering type algorithms and artificial intelligence components in a well balanced way.The modularity of the approach is demonstrated in a simulation set-up serving both the ground- and the air vehicle applications. Expermental results in both areas are discussed.     

一种无人机三维航迹规划算法研究

在研究无人机三维航迹规划问题时,针对基于传统人工蜂群算法易陷入局部最优值、后期收敛速度变慢、寻优效率低的问题,提出了一种改进人工蜂群算法的无人机航迹规划方法。首先,在建立包括经纬度、海拔高度信息的三维飞行区域模型后,加入了地形约束模型,并引入新的综合航迹代价评价方式。然后,在算法中引入自适应搜索策略、新型概率选择策略与Logistic混沌搜索算子来增强其对原始信息的开采能力,提高其收敛速度以及加强其鲁棒性。最后,通过三维航迹规划仿真和面对突发威胁的局部航迹再规划仿真对所提算法的有效性进行了验证。结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于遗传算法和传统人工蜂群算法,适合用来解决无人机的三维航迹规划问题。     

复杂环境下无人机快速航迹规划研究

针对一般航迹规划算法在复杂环境下适用性差、耗时长、容易失效的问题,提出了一种复合快速航迹生成算法。该算法采用新型的多逻辑威胁值网点法为环境建模形式,在此基础上将加以改进后的粒子群算法引入到航迹近似最优解的快速求取过程中,对所得的航迹近似解进行分段局部优化以及可飞性修正处理,将近似解变为最优解。仿真结果显示该复合算法通用性好、速度快、精度高,能较好地应用于复杂环境下无人机航迹的快速求解。     

基于改进多目标蚁群算法的无人机路径规划

针对无人机SEAD任务的路径规划问题,利用VORONOI图构建初始路径,分析了路径代价计算方法,并使用改进的多目标蚁群算法对路径进行优化选择。针对该特殊应用场景,引入了各路径段与起始点—目标点连线的夹角信息作为新的启发信息,加快了算法的搜索速度,同时改进启发信息的计算公式,适当缩小各可选路径段启发信息量的差异,加强了蚁群算法的全局搜索能力。仿真结果显示,与基本多目标蚁群算法相比,改进后的算法有效提高了路径搜索的效率和质量。     

基于改进概率地图的无人机实时避障研究

基于空间点采样的概率地图方法能够很好地表示出自由空间的连通性,该方法已在路径规划领域得到了成功的应用。但是,由于在由已得到的采样点基础上构造连通图时,需要检查图的边是否与障碍物发生碰撞,即进行相交检验,限制了概率地图的构造速度,难以满足在实际应用中的实时性要求。针对无人机路径规划问题,以等高线地图作为任务空间,提出了一种新的采样模型,在该模型框架下,依据适当的规则构造临近点集,便可以避免相交检验,提高了路径规划速度。