加速度空间中基于线性规划的移动机器人路径规划方法

针对动态不确定环境下移动机器人的路径规划问题, 提出了加速度空间中一种基于线性规划 (Linear programming, LP) 的方法. 在机器人的加速度空间中利用相对信息, 把机器人路径规划这一非线性问题, 描述成满足一组线性约束同时使目标函数极小的线性规划问题, 嵌入基于线性规划方法的规划器, 得到一条满足性能要求的最优路径. 仿真试验验证了算法的实用性及有效性, 与势场引导进化计算的方法 (Artificial potential guided evolution algorithm, APEA) 相比更优化, 更实时.     

移动机器人智能路径规划方法研究

路径规划是移动机器人导航技术研究中一个重要环节和课题。规划的方法可以分为传统的路径规划方法和智能化的路径规划方法。本文对于当前普遍采用的遗传算法、模糊逻辑算法、神经网络、蚁群优化算法、粒子群算法、启发式搜索法等智能路径规划方法进行了较为详细的介绍和分析,并展望了机器人路径规划技术的未来与发展趋势。     

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.     

车型移动机器人的SPRM路径规划方法

研究车型移动机器人的路径规划问题,提出一种用局部规则路图结合随机路图,辅助建立全局复合路图的环境建模方法. 在此基础上进行路径规划,提高了在障碍物附近产生的局部路径的质量,减少了由于频繁地执行避碰校验所造成的时间消耗,并解决了可行空间丢失的问题. 仿真实验验证了这种方法在车形移动机器人路径规划应用中的有效性.     

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.     

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.     

基于遗传算法的移动机器人动态避障路径规划方法

本文提出了一种基于遗传算法的简单、有效的移动机器人实时动态避障路径规划方法.为利用遗传算法实时、稳定地进行动态路径规划,本文将复杂的二维路径编码问题简化为一维编码问题,并把路边约束、动态避障要求和最短路径要求融合成一个简单的适度函数.仿真实验表明,本文提出的动态路径规划方法可实时、稳定地产生移动机器人运动的最佳局部规划路径,且具有良好的动态避障性能.该方法也可用于智能车辆的自动导航.     

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。     

移动机器人路径规划方法研究

路径规划是移动机器人技术研究领域的关键技术之一。文章分析了机器人路径规划方法的研究现状。重点阐述了全局路径规划方法与局部路径规划方法,指出了各种方法的优点及不足。展望了路径规划方法的发展方向和研究重点。     

一种移动机器人路径规划方法的研究

该文主要是设计了一种可扩展式移动机器人,提出了基于Levenberg-Marquardt方法优化的EKF-SLAM算法、基于势场蚁群算法的移动机器人全局路径规划,并探索了一种新的最优路径搜索方法,即有机地将移动机器人局部路径规划融入全局路径规划中,并且通过机器人仿真实验完成室内移动机器人的自主导航,相比传统方法能够提高...     

一种车型机器人路径规划方法

在自主移动机器人的许多应用中,路径规划技术顺序地设置一套分散的路径点来引导机器人以最短的时间从起始位置到达目标点。针对移动机器人路径规划问题,提出了一种非完整型机器人路径规划技术,该技术采用基本原子操纵方法来解决车型机器人路径规划问题,并采用平滑路径规划方法来产生更多的连续路径用以解决基本原子操纵技术在做路径规划时具有很不连续的缺点从而为机器人获得最优路径。仿真结果证明了该方法的有效性和实用性。     

未知动态环境中基于分层强化学习的移动机器人路径规划

提出了一种基于分层强化学习的移动机器人路径规划算法．该算法利用强化学习方法的无环境模型学习能力以及分层强化学习方法的局部策略更新能力,克服了路径规划方法对全局环境的静态信息或动态障碍物的运动信息的依赖性．仿真实验结果表明了算法的可行性,尽管在规划速度上没有明显的优势,但其应对未知动态环境的学习能力是现有其它方法无法比拟的．     

一种移动机器人全局最优路径规划算法

针对移动机器人全局最优路径规划问题,首先提出一种基于线性操作的遍历式算法,该算法通过场扫描方式生成步长转换矩阵(STM,Step Transform Matrix),并在步长转换矩阵中搜索考虑方向一致的最短路径,从而可以得到避免不必要路径转折的全局最短路径.其次提出了一种评价标准来区分路径优劣.最后通过仿真与圆形波传播算法进行了路径规划对比实验,实验结果表明本文所提算法在所提出的路径评价标准下可以获得比波传播算法更优的路径.     

一种新的移动机器人全局路径规划算法

提出了一种新的移动机器人全局路径规划算法．该算法不需要对环境中的障碍物特征做任何假设,也不需要建立障碍物的连通图模型,有效地克服了传统路径规划算法因为搜索而带来的计算复杂性问题,提高了算法的适应性和实时性．仿真结果证明了算法的有效性．     

基于电路映射地图的机器人路径规划

分析比较了障碍分布特性与网格电路电阻阻值之间的类似特性，利用电路中电流集中于阻值最小通路的原理，即最大电流通路具有与实际环境中道路长度短而且在障碍区中的道路宽度大的路径的相互对应性，尝试了一种基于电路地图的路径规划方法．这种方法在局部规划的同时，兼备了路径规划的全局性，有效地从根本上避免了人工势场法等方法容易陷入局部最优的不足．理论分析和仿真验证了本方法的可行性和正确性．     

基于Kinect的移动机器人实时局部路径规划

传统路径规划方法计算复杂、效率低,且误差较高.为此,提出一种基于Kinect的移动机器人实时局部路径规划方法.利用Kinect产生的RGB图像和3D图像实时获取移动机器人的周边动态环境信息,通过模糊逻辑和信息融合技术完成机器人的实时路径规划,从而实现机器人的目标跟踪与导航.实验结果表明,该方法具有较好的稳定性与实时性.     

基于行为的实时路径规划

针对室内移动机器人导航要求,开发了以二维激光雷达作为探测环境的传感器,基于4个反应式行为,设计了一种简单的实时路径规划算法.避障行为使机器人穿过狭小通道,或者在某些障碍物环境下绕出狭窄区域;接近行为使机器人顺着障碍物前进直到开阔地带;搜寻行为使机器人不断朝向目标运动;线性行为使机器人到达目标点.机器人表现出很强的路径寻找能力,并且不需要定位信息.仿真实验表明该算法速度快,实时性好,路径平滑无震荡,实现了有效避障.     

遗传算法在移动机器人路径规划中的应用

移动机器人的路径规划是机器人研究的重要领域。文中旨在研究遗传算法对于机器人路径规划问题的适用性。对于路径规划的目标,提出了基于路径长度、路径平滑度和路径安全度等因素综合衡量的方法,并在传统的遗传算法的交叉、变异操作的基础上,针对路径规划问题的特点,增加了捷径寻找、障碍避让、平滑优化等方法。实验表明,此算法在存在形状复杂的障碍物的静态环境中表现良好,其效率与准确性皆满足机器人路径规划的要求。     

基于松弛Dijkstra算法的移动机器人路径规划

在栅格环境建模方法的前提条件下,针对在较大规模、障碍物密集的工作环境中移动机器人难以进行实时路径规划的问题,利用栅格地图的结构特点提出一种松弛的Dijkstra算法。该方法首先采用四邻域搜索在线性时间内构建从源点到全局各点的曼哈顿距离势场,然后从目标点向源点进行八邻域搜索并返回一条无碰撞、近似最优路径。经过Matlab仿真实验证实该方法在计算时间上比采用堆排序实现的Dijksta算法和A-star算法快10倍以上,在路径长度上与最短路径相比误差处于合理范围之内。