机器人避开多随机障碍物的路径规划遗传算法

针对当前路径规划中存在的诸多问题,提出了基于遗传算法的机器人避开多随机障碍物的路径规划方法。首先提出障碍物环境的神经网络模型,并利用该模型建立机器人动态避碰路径与神经网络输出的关系,将需规划路径的二维编码简化成一维编码,并把动态避碰要求和最短路径要求以及边界约束条件融合成一个适应度函数。通过对该算法进行实验仿真,证明该方法具有良好的动态避障性能,是有效和正确的。     

基于局部模型的水下机器人避碰方法研究

提出了基于局部模型的水下机器人的避碰方法。文中首先分析了水下机器人的避碰声纳的工作机理及存在的问题,然后介绍了基于栅格的局部模型的建立方法,根据局部模型确定出机器人周围障碍物的分布情况;最后根据规则进行避碰规划。文中给出了详细的仿真结果。     

基于双目视觉的机器人局部路径规划

目的提出移动机器人利用双目视觉在不确定的环境中实现自主避障和导航的一种新方法．方法以视觉信息为决策依据，利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射，在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式，无需考虑机器人和障碍物的运动速度和运动方向．结果映射点偏离屏幕中心误差越大，障碍物距离机器人越远，确定避碰策略越困难；而当障碍物距离机器人较近时确定避碰策略较容易．该方法计算量少，运算时间短，提高了机器人的实时性．结论仿真试验表明此种方法能有效避开障碍物顺利到达目标点，并减少了计算规模，提高了实时性．     

车辆对行人速度障碍自主避碰的驾驶方法

针对过街行人与智能车辆之间运动协调中的安全避碰问题,设计一种CVIS环境下的基于行人避碰的车辆驾驶控制器.结合速度障碍法的基本原理提出车辆对过街行人的避碰规则,在此基础上搭建模型预测控制框架,提出车辆对行人的自主避碰算法.综合考虑车辆驾驶的操作约束,以最小化车速变化及满足驾驶员操作舒服性要求为控制目标,在车辆对行人避碰的前提下优化车辆的驾驶策略.分别设置车辆直行避碰与允许换道避碰两种控制场景,在MATLAB环境下对车辆驾驶控制效果进行仿真实验.结果表明:车辆对不同情况的过街行人,能够通过加速或减速进行避碰;通过与七次多项式换道轨迹进行对比,自主避碰驾驶的安全性更高.     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

深度学习下盲人避撞路径导航方法研究

传统导航方法只能检测出路径上存在的静止障碍物,无法检测出运动障碍物,为此提出基于深度学习的盲人避撞路径导航方法.收集语音信号,利用语音识别模型获取语音特征参数,根据语音特征参数识别出盲人输入的语音序列内容,确定盲人所要到达的目的地.构建障碍物检测模型,检测盲人所在位置与其目的地路径上障碍物的形状特征及其运动方向、速度,并计算初始位置与到达位置的距离.利用深度学习中的卷积神经网络规划出最优避撞路径,实现盲人避撞路径导航.实验结果显示,该方法检测出来的障碍物在x轴和y轴上的径向运动速度相差无几,可以实时跟踪监测障碍物的移动方向及运动速度.本研究方法所得速度与障碍物的实际运动速度基本一致,误差在0.2～0.4 cm/s之间,且在测试时间为50 min时,避障精准度达到96.5%,能够实现最优避撞路径规划及导航.     

基于IOCAD的无人机避障路径规划

针对复杂密集不规则障碍物环境下无人机路径规划问题,采用不规则障碍物预处理方法,建立障碍物避碰检测模型,并设计了基于不规则障碍物避碰检测(irregular obstacles collision-avoidance detection,IOCAD)的无人机路径规划算法。该算法以栅格法规划环境建模为基础,采用粗糙集思想、凸化填充法等对障碍物进行预处理,并利用射线法筛选出环境中可飞路径点,以障碍物到飞行路径距离最小为目标函数,对可飞路径段和障碍物进行相交检测与距离检测,解算出不规则障碍物环境下无人机路径。在既定的路径规划环境及无人机性能约束下,仿真结果表明:该算法能快速规划出对应避障路径,且栅格粒度大小、安全裕度值的设置对算法性能有明显影响;当栅格粒度为0.5 km,安全裕度为0.4 km时,可显著缩短航程并有效减少路径点数,验证了该算法的有效性。     

移动机器人智能避障算法仿真研究

针对轮式移动机器人运动过程中避免碰撞固定障碍物的问题,提出了一种基于预先检测位置的智能控制算法。该算法以障碍物边预先检测位置为运行过程的子目标,通过经由各子目标,实现移动机器人绕行障碍物,避免碰撞的目的。仿真结果显示:使用此智能控制算法,移动机器人能够实现平稳绕行障碍物,到达最终目的地。     

考虑航行经验规则的无人船舶智能避碰导航方法

针对无人船舶在海上复杂航行条件下的自动避碰问题,基于深度竞争Q学习算法及A*算法提出了一种考虑航行经验和避碰规则的无人船舶智能避碰导航方法。通过在强化学习避碰任务和A*局部动态导航的设计中融入船舶的操纵特性,缩减了模型训练和A*算法路径规划的时间,以及将避碰经验规则转化成动态的航行限制线以获得本船周围的全部可航区域,并从全局角度衡量本船的航行态势做出避碰决策,使得避碰决策符合国际海上避碰规则和避让经验的要求。在开阔水域和受限水域中完成的仿真结果表明该方法能够成功避让所有船舶和静态障碍物,具有重要的工程应用价值。     

基于HLA的船舶避碰仿真平台的实现

为了迅速地搭建船舶避碰仿真平台,采用了HLA的模块化建模思想,既能充分利用现有的功能代码,又能不断添加新的功能模块,省时而高效地完成了仿真任务.首先阐述了基于HLA的船舶避碰仿真平台开发的软硬件环境及平台的体系结构,然后充分把整个船舶避碰仿真平台作为一个联邦,将其按功能划分成若干个联邦成员,按照美国国防部提出的联邦开发的过程--FEDEP进行分布式仿真的设计和开发.想定联邦剧情、划分联邦成员功能、设计FOM/SOM文件,最终用VC2003.net进行各联邦成员的程序开发,建立起了基于HLA的两船避碰仿真平台.在想定剧情下的避碰仿真试验结果表明,该平台能够很好地实现船舶避碰的功能,同时,该分布式避碰仿真平台比集中式仿真具有更好的灵活性和可扩充性,便于未来向复杂的多功能避碰平台的演化和升级.     

大型行人步行设施紧急疏散标志设置

为实现行人在紧急疏散过程中随时随处获取连贯的疏散标志指示信息,基于等边三角形划分空间平面的几何特征、疏散标志信息的服务半径和服务率,提出无障碍物设施"相切圆填充"的设置方法;基于行人疏散距离和疏散路径簇,提出存在障碍物设施"簇节点布局"的设置方法;基于元胞自动机空间划分理念和最短路搜索算法,计算和标定步行设施内的疏散路径簇及其簇节点.结合案例分析,阐述了大型行人步行设施内紧急疏散标志设置方法的一般步骤.     

基于社会力模型的行人路径选择模型

为了研究路径选择行为对行人消散的影响,基于社会力模型,建立行人路径选择模型.从决策层和策略层两方面对行人路径选择行为进行建模,利用离散网格代表行人所有可能期望速度方向,建立每个离散网格的权重决策模型.通过对10×10房间内行人疏散进行仿真,得到行人消散时间随行人数目的变化规律.对比分析改进模型、实际数据和其他模型的数据,结果表明,行人路径选择行为能够有效提高行人的消散效率,加入路径选择模型后,改进模型得到了更加符合实际数据的速度-密度关系图.改进模型在行人密度大于1.4人/米²条件下具有更重要的意义.     

考虑行人减速避让的改进社会力模型

为了能够真实地模拟常态行人流,针对社会力模型中存在的行人重叠问题,分析了行人的运动需求空间,将行人减速避让机制引入社会力模型,对模型进行了改进。并采用C++编程语言对改进模型进行了仿真,验证了其有效性。仿真结果显示,行人能够有效地避让其他行人及障碍物。将仿真试验提取数据拟合得到的行人流的速度-密度图与实际数据比较,结果表明:当行人密度在0～3.5p/m2内变化时,所提出的模型能够再现行人流基本图。     

人行过街设施的服务半径

为了分析人行过街设施的服务范围和服务能力,对人行过街设施的最大服务半径和服务半径进行研究.对道路上行人过街的延误与危险度进行分析,研究行人过街的心理特性与过街费用,提出人行过街设施最大服务半径的概念及计算方法,并以实例进行验证.通过对最大服务半径及行人过街心理及行为的分析得出人行过街设施服务半径的确定方法,提出可以用人行过街设施的服务半径来验证设施设置的合理性、确定行人过街路线的选择原则.可以提高人行过街设施设置的科学性及有效性.     

基于视频的行人过街速度特性

针对传统人工调查法难以获取行人过街瞬时速度特性等问题,利用视频检测技术提取了行人过街轨迹。引入中心偏移量改进了共线标定算法,实现了轨迹的标定和还原。在此基础上,利用提取的真实行人过街轨迹获取了行人过街平均速度和瞬时速度的特性及其分布曲线。考虑到年龄对行人过街速度的影响,将行人过街情况进行了分类。对各组的速度特性和瞬时速度特性进行了研究,分析了其产生的原因。本文为行人过街设施的设置和行人过街信号配时的确定提供了参考。     

The simulation and analysis of pedestrian crowd and behavior

Pedestrian crowd in public buildings is usually a hidden trouble. The more serious the crowd, the higher the accident risk, and the heavier the casualties and loss may be. Based on the social force model, this paper puts forward an improved model which takes into account the anisotropic characteristic of pedestrian movement and the avoidance of dynamic congested areas. Furthermore, the algorithm has been optimized with the help of static force grid, so the simulation becomes more veritable and computational speed is also greatly accelerated. The improved model is also applied to research on the characters of pedestrian crowd, and the conclusion can provide a basis for the risk assessment of pedestrian crowd and the design of public buildings. Supported by the National Natural Science Foundation of China (Grant No. 50308002) and the Natural Science Foundation of Beijing (Grant No. 9052007)     

Three-dimensional multi-constraint route planning of unmanned aerial vehicle low-altitude penetration based on coevolutionary multi-agent genetic algorithm

To address the issue of premature convergence and slow convergence rate in three-dimensional (3D) route planning of unmanned aerial vehicle (UAV) low-altitude penetration, a novel route planning method was proposed. First and foremost, a coevolutionary multi-agent genetic algorithm (CE-MAGA) was formed by introducing coevolutionary mechanism to multi-agent genetic algorithm (MAGA), an efficient global optimization algorithm. A dynamic route representation form was also adopted to improve the flight route accuracy. Moreover, an efficient constraint handling method was used to simplify the treatment of multi-constraint and reduce the time-cost of planning computation. Simulation and corresponding analysis show that the planning results of CE-MAGA have better performance on terrain following, terrain avoidance, threat avoidance (TF/TA²) and lower route costs than other existing algorithms. In addition, feasible flight routes can be acquired within 2 s, and the convergence rate of the whole evolutionary process is very fast.     

面向T形交叉口的机动车相位固定最小绿灯时间计算

面向典型的T形信号控制交叉口,建立了具有6个机动车相位和3个行人相位的相位结构。引入主相位和跟随相位的概念,从相位设置、相位组合方案、相位切换过程、相位显示顺序及其基本规律等5个方面,较为系统地阐释了相位结构的设计机理。针对有行人相位跟随的3个主相位,分析了保证行人安全过街的最小绿灯时间与相位结构、最短行人过街时间、绿灯间隔时间的数值关系。在此基础上,提出了一种适用于T形交叉口的机动车相位固定最小绿灯计算方法。该算法可以为预设时间控制方案设计和交通响应控制策略开发提供有力的支持。     

一种用于低空飞行的在线航迹重规划方法

研究了飞行器在低空飞行时的在线航迹重规划问题，并提出了一种新方法。通过引入最小威胁曲面的概念生成三维航迹搜索空间，利用一个有限项的多项式函数来逼近最小威胁曲面中的三维航迹在二维水平面内的投影，将航迹规划问题转为在一个一元函数多项式系数空间中的搜索寻优。利用粒子群优化算法完成优化，并借鉴预测控制中滚动时域优化的思想，以在线滚动进行优化的方式完成航迹的在线重规划。实验表明该方法能够规划出合理的航迹并满足实时性要求。