基于重组优化的轮式移动机器人路径处理方法

针对轮式移动机器人采集GNSS（全球卫星导航系统）路径过程中容易出现无效路段的问题,提出了基于自适应分段重组的无效路径剔除方法和多目标优化的路径平滑方法。该方法首先按照航向将采集的GNSS路径划分为DRD(drive-reverse-drive)形式的路段组合,通过设定剔除规则来剔除其中的无效路段,并对剔除无效路段后的离散路段按照邻域路段长度进行第2次分段,以实现有效路段快速重组。其次以重组后的路径点集为决策变量,建立多目标优化函数、端点渐近约束和矩形区域约束,转化为二次规划型进行最优化求解,在保证路径平滑的同时减小与原有路径的位置差。实验结果表明,该方法能够有效处理不同道路形态下采集的无效GNSS路径,优化结果与重组路径平均位置偏差小于0.2 m,平均处理时间为8.8 ms,处理后的路径可用于无人车轨迹跟随。     

一种基于GIS最短路径搜索的A*改进算法

目前在GIS领域,最短路问题是研究和应用的重点,其中最短路径搜索算法的效率问题是普遍关注和在实际应用中迫切需要解决的问题.本文分析目前几种流行的最短路径算法并指出它们的优缺点,提出了一种利用蚁群算法和遗传算法进行改进的A^＊算法,并对其进行了必要的推导.。实验证明,改进的A^＊算法在VC＋＋6.0和MapX控件环境下具有较好的可行性和适用性。     

机器人自主探索算法综述

随着机器人自主能力的提升和应用场景的多样化，机器人应用于未知复杂场景的需求不断增加，它在未知区域内自主完成环境全遍历并构建区域地图的探索算法成为研究热点。为了使更多研究者对机器人自主探索的研究现状有进一步的了解，首先对机器人自主探索的问题定义和运行框架进行介绍，其次根据相关文献研究，按照基于边界理论的自主探索算法、基于下一最优视角（NBV）思想的自主探索算法和其他自主探索算法三个方面展开综述，较为详细地介绍了基于边界理论和基于NBV思想这两种主流的自主探索算法，并对各类探索算法的优势以及局限性进行了分析，最后对未来自主探索的发展方向提出展望。