面向未知环境探索的分层架构路径规划算法

为实现无人平台在未知环境下的高效路径探索,该文提出了一种以“感知-规划-控制”分层架构为基础的路径规划算法。在感知层通过Cartographer建图算法实时构建未知环境的二维栅格地图。在规划层,通过Canny边缘检测、基于密度的聚类算法、效能函数评估选择最佳探索目标点,并在规划的效能函数中引入探索方向延续性概念,克服了传统路径规划反复探索已知环境的难题。在控制层,通过概率路线图算法规划从当前位姿到目标点的最短路径,并通过纯跟踪算法和向量直方图算法实现了路径无碰撞跟踪。3种典型环境下的仿真实验表明,所提出的算法在不同环境下均具有较高的探索效率和完成度。

未知环境下桥式起重机智能避障路径规划研究

文中针对桥式起重机工作空间的环境信息未知情况下的路径规划,提出了改进人工蜂群算法和滚动规划策略相结合的智能避障路径规划新方法。通过分析并借鉴机器人在未知环境下的路径规划方法,以人工蜂群智能算法为基础,改变蜜源初始化机制以及观察蜂跟随机制,并结合滚动规划策略,提出子目标点选取机制,为了避免起重机多次升降,固定其吊装高度进行局部路径规划。保证了起重机在全局环境信息未知条件下能依据不断更新的窗口信息智能避障安全到达目标点,提高了算法的搜索精度和吊装效率,仿真结果验证了该方案的可行性和有效性。

未知环境下基于视觉与激光融合的SLAM系统研究与实现

在未知环境中实现机器人的自主导航与环境建图是一个极具挑战的研究课题,SLAM是应对这一挑战的关键技术之一。基于研究现状分析、系统方案设计、技术实现与实验验证等内容,结合视觉与激光各自的优势,设计一种未知环境下基于视觉与激光融合的SLAM系统。通过针对关键帧和滑动窗口的平衡选取策略以及分类优化策略对初始位姿和特征点进行优化,提高了系统的鲁棒性,可以输出高精度地图;通过实现以智能小车为载体的演示系统验证了所提出算法的可行性和实用性。

一种未知环境下移动机器人自主导航方法

为提高未知环境下移动机器人自主导航性能,提出了一种未知环境下目标驱动的自主导航方法。不依赖实时更新的地图信息,移动机器人直接从激光雷达读数中构建候选目标点,并根据机器人自身位置和终点位置从候选目标点中选择最优点作为局部目标点。改进的基于深度强化学习的局部规划器从输入信息中直接输出动作信号,实现端到端的控制,使得移动机器人能够快速、安全地到达局部目标点,直至到达终点。实验表明,所提导航方法能够在未知复杂的环境下,可靠且高效地完成导航任务。与最近边界导航方法相比,平均路径长度减少了6.63%,平均运行时间缩短了19.11%,具有成功率高、路径短、速度快等优点。

未知环境中移动机器人导航控制研究的若干问题

未知环境中移动机器人导航控制理论和方法是机器人学和智能控制的一个重要研究领域。综述了该领域研究的主要内容及其发展动态 ,分析了与导航控制有关的机器学习方法的研究现状 ,指出了存在的不足和有待进一步研究的问题 。

未知环境下势场法路径规划的局部极小问题研究

势场法路径规划的局部极小问题已经受到了多年关注,本文针对环境完全未知的情况为移动机器人设计了一种基于行为的解决方法.该方法通过合理设计各种行为间的转换条件以保证可靠性,并引入记忆信息以增强机器人对周边环境的认知能力,从而降低决策的盲目性,更准确地决定当前应采用的合适行为.本文方法对于凸形边界障碍物的有效性得到了证明.针对一些复杂的凹形边界障碍物,仿真结果表明,该方法相对于一些已有方法更加可靠.基于真实机器人的实验验证了该方法的可行性.

一种未知环境下室内移动机器人路径规划新算法

针对目前室内移动机器人的路径规划算法理论研究为主,实际应用较少的问题,通过建立了移动机器人的运动学模型,采用栅格化建模方法将室内环境进行了分块,再利用先锋机器人P3-DX及其配套的仿真软件MobileSim,设计并且成功应用了一种未知环境下室内移动机器人路径规划的新算法。该算法在结合了机器人宽度信息的基础上,进行了栅格化模型建模,采用"点到点"的路径规划方法。最后在MobilesSim和P3-DX真实机器人上分别进行了仿真和实验验证,研究结果表明,该方法有效,且具有很好的可操作性。

动态未知环境下一种Hopfield神经网络路径规划方法

针对动态未知环境下移动机器人路径规划问题,采用一种有效的局部连接Hopfiled神经网络(HopfieldNeuralNetworks,HNN)来表示机器人的工作空间.机器人在HNN所形成的动态数值势场上进行爬山搜索法来形成避碰路径,并且不存在非期望的局部吸引点.HNN权值设计中考虑了路径安全性因素,通过在障碍物附件形成局部虚拟排斥力来形成安全路径.HNN的连接权是非对称的,并且考虑了信号传播时延.分析了HNN的稳定性,所给稳定性条件和时延无关.HNN模型中突出了最大传播激励,从而使得HNN具有更广的稳定性范围并能表示具有更多节点的机器人工作空间.为对该HNN有效仿真求解,结合约束距离变换和HNN的时延性,给出了单处理器上高效的串行模拟方案,规划路径的时间复杂度为O(N)(N是HNN中神经元的数目),使得路径重规划能快速在线进行.仿真和实验表明该方法的有效性.

在未知环境下基于模糊预测的力/位混合控制方法

针对机器人在形状未知的接触环境表面上进行柔顺力控制的问题,在传统的力/位混合控制模型中采用一种模糊预测算法.此算法利用机械手末端与环境已产生的接触轨迹和运动方向,通过三种预测因子(满意度因子,曲率适应因子,参考比例因子),预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹.每次预测时首先对以前的预测进行评估,同时考虑环境曲率和刚度变化的特点.此预测算法还可以应用于阻抗控制模型中.仿真证明,这种方法可以在不同的控制模型中取得较好的力控制效果,对未知环境的变化具有较强的适应能力.

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息，以滚动方式进行在线规划，实现了优化和反馈的合理结合，对动态环境具有良好的适应性．

在未知环境下基于阻抗模型的受限机械手模糊力控制方法

在传统的阻抗控制模型中应用一种新的参考轨迹模糊调节算法.在该算法中应用一个参考比例因子调节参考轨迹.根据反馈的接触力信息,通过模糊推理确定参考比例因子的大小, 从而使生成的参考轨迹适应未知环境刚度的变化.根据接触力的变化对阻抗模型参数进行模糊调节,减少了受限运动中力干扰的影响,提高了全局力控制效果.仿真结果表明,与传统力控制方法比较,该方法提高了力控制精度,增强了对接触环境参数变化的鲁棒性.

未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域,一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结,指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.

未知环境下移动机器人安全路径规划的一种神经网络方法

针对未知环境下移动机器人的安全路径规划，采用了一种局部连接 Hopfield 神经网络 fHopfield Neural Networks，HNN)规划器；分析了 HNN 稳定性，并给出了存在可行路径的条件．如果存在可行路径，该方法不存在非期望的局部吸引点，并在连接权设计中兼顾“过近”和“过远”来形成安全路径．为在单处理器上有效地在线路径规划，采用多顺序的Gauss-Seidel 迭代方法来加速 HNN 势场的传播．结果表明该方法具有较高的实时性和环境适应性．

动态未知环境中移动机器人的滚动路径规划及安全性分析

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题 .提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,以滚动方式进行在线规划 ,合理结合了优化与反馈 ,对动态环境具有良好的适应性 .

未知环境下机器人导航算法与避障算法研究

针对机器人在复杂动态工作环境下如何进行定位和导航的问题做了深入研究,全文阐述了机器人混合导航和地图重建的基本方法。首先,介绍了机器人机械结构与软件平台,并分析了经典双轮差动模型,并总结了机器人的应用范围;然后,通过对视觉数据的数据采集实现了对于环境特征的提取,建立了导航图像和导航机器人导航;最后,建立了基于超声波传感器的模糊避障系统,解决了由于障碍物定位不准确、检测盲区、镜子反射等缺陷导致避障不稳定的问题。经过实验证明,该机器人具有良好的避障性能和导航性能,实现了机器人视觉导航算法。

未知环境中多Agent自主协作规划策略

针对多智能体(Agent)系统在未知环境中自主协作规划存在任务死锁及协作效率不高的问题,提出一种基于改进蚁群算法的多Agent协作策略,并用于多Agent协作搬运中。该方法将Agent所处位置和目标任务之间的距离以及信息素控制因子引入蚁群算法。实验结果表明,该方法相比没有引入距离因子的协作方法,协作效率更高;相比没有引入控制因子的协作方法,可有效防止任务死锁发生。

未知环境表面的超声波探测实验研究

针对机器人未知工作环境,提出了一种基于超声波传感器的探测方法.建立了探测系统的结构模型,阐述了系统的工作原理,并分别对平面、圆弧曲面、斜面以及竖直面等未知环境基本组成面的探测进行了实验研究.实验结果表明,超声波测距仪不适合曲率半径小的圆弧曲面探测.对于其他三类环境表面的探测,给出了各自的探测策略和数据处理方法,主要包括:斜面探测需要用三个超声波传感器,竖直面探测需要补偿由于开角引起的误差,平面探测需要补偿由传感器运动引起的动态测量误差等.

在未知环境下面向位控机器人的力/位混合控制

提出了一种面向位控机器人的力/位混合控制策略.通过力反馈信息对未知环境约束进行估计获得位控和力控方向,根据位控和力控方向对机器人终端的运动轨迹进行规划,并采用阻抗控制规律以使机器人获得较好的柔顺性.在该算法中应用一个参考比例因子调节参考轨迹,根据反馈的接触力信息通过模糊推理确定参考比例因子的大小,从而使生成的参考轨迹适应未知环境刚度的变化.仿真试验表明,该策略具有较高的力控制精度和表面跟踪能力,增强了对接触环境参数变化的鲁棒性.

基于模糊控制器的未知环境下移动机器人导航

研究机器人导航控制优化难题时,为实现未知环境中移动机器人自主导航并解决反应式导航策略中存在的局部陷阱问题,提出一种局部路径规划与目标切换相结合的导航方法。首先分析了移动机器人动力学模型,应用模糊推理构建反应式模糊控制器实现局部路径规划,并提出一种改进的目标切换方式,以机器人与目标相对方向的变化作为陷阱区域判断条件,当检测到陷阱情况时,引入合理的虚拟子目标,面向运动,直到脱离陷阱状态并恢复实际目标。方法可有效驱动机器人在复杂未知环境下以合理的路径脱离陷阱区域到达目标。仿真结果验证了方法的可行性和有效性,为应用于实际系统提供了可靠依据。