复杂地形寻迹机器人变步长全局避障仿真

以往的复杂地形寻迹机器人变步长全局避障仿真方法对寻迹机器人在运行过程中的受力分析不够准确,导致避障效果不佳。因此,文章设计了复杂地形寻迹机器人变步长全局避障仿真方法。根据寻迹机器人的运动状态,构建寻迹机器人运动状态数学模型,并对其进行坐标转换,得到在复杂环境下的运动状态模型,通过构建复杂地形信息模型,分别计算寻迹机器人的斥力和引力,由此计算出对应的合力和运动方向,设计寻迹机器人的避障路径,通过调整寻迹机器人的步长和转向角度,实现对寻迹机器人变步长的全局避障。通过上述设计,完成对复杂地形寻迹机器人变步长全局避障仿真方法的设计。在仿真实验中,和以往的复杂地形寻迹机器人变步长全局避障仿真方法相比,设计的复杂地形寻迹机器人变步长全局避障仿真方法在实际应用中避障成功率更高,避障效果更好。

基于毫米波雷达的无人驾驶电动汽车换道动态避障控制方法

无人驾驶电动汽车在换道行驶中,难以细致地衡量道路中障碍物的移动状态,从而导致规划后的避障路线不够准确,可能会发生交通事故;对此,提出基于毫米波雷达的无人驾驶电动汽车换道动态避障控制方法;利用电动汽车内置的传感器设备,检测无人驾驶电动汽车的行驶状态和道路环境,判断电动汽车是否满足换道条件;综合考虑电动汽车和动态障碍物的移动状态,对无人驾驶电动汽车换道行为进行决策;采用毫米波雷达技术,设计动态避障控制器,根据决策结果规划换道避障路线,生成控制指令,实现无人驾驶电动汽车换道动态避障控制;通过效果测试实验得出结论:毫米波雷达技术的测量误差能够控制在0.1以内,位置控制误差和碰撞风险明显降低,具有更优的控制效果。

移动机器人避障运动研究

随着人工智能技术的飞速进展,移动机器人在工业、航天及农业等领域的作用逐渐凸显,其自主避障能力直接关系到在不同环境中作业的安全性与效率,而路径规划作为避障的核心技术之一,在决定避障性能方面起着至关重要的作用。对移动机器人路径规划技术进行了综述。基于作业需求将算法分为全局规划和局部避障两类。详述了以采样、图搜索和仿生学为基础的全局规划方法,分析了其收敛速度、内存需求及计算效率,并探讨了其改进策略。对局部避障算法进行了探讨,概述了其原理与特点,并明确其最佳应用场景。对当前的自主避障技术进行了总结,强调了传统算法的智能化程度仍需提升,以及集成不同的算法以提高规划性能将是未来的发展大势。

基于含避障角人工势场法的机器人路径规划

针对基于距离的人工势场法(Artificial potential field, APF)存在的局部极小值问题,提出了一种含避障角的人工势场法的避障路径规划方法。在平面环境中,采用斜率判定路径规划过程中的位置关系,通过机器人当前点到障碍物的距离与障碍物的影响半径二者之差得出人工势场法中的排斥力,并对排斥力的偏转角进行调整;另外,在空间环境中利用圆弧插补理论将机器人平面避障问题转换为空间避障问题;基于机器人构型配置对改进人工势场法进一步完善以满足实际避障要求。仿真和实验研究结果表明,含避障角的人工势场法,在单个或多个障碍物环境中进行避障路径规划时解决了局部极小值的问题,同时实现了6自由度机器人末端在避障时的轨迹曲线平滑无振荡,验证了所提出避障路径规划方法的可行性。

采摘机器人机械手避障方法研究——基于遗传优化和模糊PID控制器

为了提高采摘机器人机械手移动的自动化程度,使其在移动过程中有效避开障碍物,将基于PID控制器的避障系统引入到了机械手的设计上,并采用遗传算法和模糊算法对控制器进行了优化,提高了机械手移动的准确性和平稳性。模拟采摘机器人机械手的作业环境,对机械手的避障功能进行了测试,结果表明:机械手可以成功躲避障碍物,且采用遗传和模糊算法优化的机械手具有更高的移动平稳性,对于提高果实采摘效率和质量具有重要的作用。

AGV路径规划及避障算法研究综述

自动导向车(Automated Guided Vehicle,AGV)目前被广泛应用于物流、仓储、制造业和仓储等领域.AGV的路径规划和避障算法是实现AGV自主导航的关键技术,决定了AGV在复杂环境中能否高效、安全地完成任务,近年来成为AGV领域的重要研究热点之一.本文根据AGV路径规划及避障算法的原理与特点,将主流AGV路径规划及避障算法划分为局部避障路径规划算法、基于几何模型的路径规划算法、智能路径规划算法和混合算法4类,对算法的原理、工作流程、优缺点进行了深入分析,并介绍了相应的改进算法.最后,本文对AGV路径规划及避障的未来发展趋势进行展望,为AGV路径规划及避障算法的研究指出了方向.

无人驾驶农机避障路径跟踪仿真与验证

【目的】为便于验证无人驾驶农机避障路径跟踪的效果,减少实际无人农机试验次数与消耗,设计一种无人驾驶农机避障路径跟踪仿真验证方法,构建一个仿真验证应用系统。【方法】以无人农机为基础,集成真实复杂地形环境仿真、实际作业农机仿真和路径规划算法植入,构建一个一体化仿真验证应用系统。基于三维SLAM技术,采集环境点云数据,实现农田地形环境仿真建模,构建阿克曼转向机械结构的农机仿真建模,提出一种基于农机动力学约束的TEB局部路径规划算法;在仿真验证应用系统中实现路径规划跟踪及避障,并通过多次测试验证该算法的有效性。【结果】避障路径跟踪有效性对比测试和避障路径跟踪平顺性验证测试结果表明,无人农机行驶过程中可有效动态避障,最短有效避障距离为4.1 m。路径跟踪控制效果良好,障碍物距离大于5.0 m时,可控平均误差≤0.4305 m,均方根误差≤0.3151 m;障碍物距离在4.5~5.0 m时,可控误差均值≤1.3538 m,均方根误差≤1.6126 m。【结论】本文提出的改进TEB算法具有较强的作业能力以及较高的作业精度,满足农业机械导航避障路径跟踪仿真验证的需求,该算法可应用于无人农机在实际农田环境的避障路径跟踪。该应用系统易于扩充,为精准农业中针对各种复杂作业环境的农机运作状态的优化设计研究提供基础。

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。

机械臂环境三维重建与避障算法研究

为了解决机器人在未知环境中的避障规划难题,提出了一种基于视觉的三维重建与避障规划方法。通过深度相机(RealSense D435i)与机械臂组成手眼系统,首先,根据目标物体与ArUco码的相对关系,通过相机获取的ArUco标记上的特征点坐标,求解出目标物姿态;然后,改进三维重建方法,通过融合机械臂工具末端位姿和多帧点云数据,对环境进行较高精度的三维重建,作为后续规划的障碍空间;最后,应用了快速扩展随机树(RRT)的改进算法进行机械臂的避障运动规划。研究搭建了仿真及控制平台,来进行验证。实验表明:环境三维建模的精度维持在8mm以内,避障成功率为96.5%,平均规划时间为1.2s,验证了方法的可行性。

TEB算法中机器人平稳避障策略研究

时间弹性带(Time Elastic Band,TEB)算法由于其具有运动学约束、最快路径约束的特点被广泛用于实时局部路径规划和避障,但是在非结构化的动态社会环境进行导航的情况下,强转弯时存在速度输出不稳定的问题,这对于移动机器人的整个前进过程是非常不利的。为了解决这一问题,将轨迹曲率作为一种新的约束引入TEB算法,提出了基于曲率速度控制的时间弹性带(Curve Speed Control TEB,CSC-TEB)算法。在CSC-TEB算法中,移动机器人在实时避障时的最大瞬时速率能够根据其与行进路径的航向变化程度做出一定调整。实验结果表明,应用CSC-TEB算法能够使移动机器人在躲避障碍物时具有更加平稳的速度,同时输出较平滑的轨迹曲线,避免了原始TEB算法中的速度抖动现象。在静态和动态场景中,移动机器人躲避障碍物时具有更加稳定的速度曲线,保证机器人在安全避障的前提下路径总耗时降低了15.02%,从整体上提升了路径规划效率。

行人过街模拟及车辆右转避障路径规划方法

为解决无信号十字路口右转车辆与同侧过街行人的交互冲突问题,提出一种模拟过街行为的行人过街运动模型,设计了车辆横纵向解耦避障路径规划算法,并进行了仿真实验。使车辆面向动、静态行人时能合理切换避障路径规划策略;同时,将过街运动模型驱动下的行人作为车辆避障对象,以过街模型输出的行人未来轨迹生成车辆纵向速度规划障碍位移—时间区域,从而让行人未来运动状态反馈到车辆避障中。结果表明:本文的行人过街运动模型相对观测值的准确率达到了90%,因此,该模型复现了行人过街过程;能根据行人运动状态切换避障方案,使车辆安全避让过街行人。

基于改进A^(*)算法的多AGV路径规划及避障研究

针对多自动导引运输车(automated guided vehicle,AGV)路径规划与避障问题,考虑AGV行驶中启、制动速度与转弯角度对行驶时间的影响,根据不同冲突类型制定避障策略,以所有AGV行驶总时间最短为目标,建立多AGV路径规划与避障模型,并设计改进A^(*)算法进行求解。对两组数量不同的多AGV进行路径规划与避障仿真,结果表明:相较于一般A^(*)算法,基于改进A^(*)算法的多AGV路径规划及避障总时间优化率分别为10.0%和10.5%,总路径长度优化率分别为7.1%和7.8%。与其他改进智能算法的进一步比较证实,改进A^(*)算法在缩短路径规划用时和路径长度方面具有明显优势。本文提出的改进A^(*)算法可高效地规划出多AGV运行的无碰撞路径,其改进思路也贴切反映了AGV的实际运行工况。

基于避障寻优改进蚁群算法的机器人路径规划

针对蚁群算法在处理路径规划过程中存在收敛速度慢,规划路径冗余等问题,提出了一种基于避障信息和快速寻优策略的改进蚁群算法。为了改善蚁群的首次搜索效率和精度,引入切比雪夫距离改进距离启发函数,在转移概率中增加目标点对机器人的引导作用;采用自适应转移概率调整路径规划过程中节点的选择方式,并根据节点周围的障碍物分布设置初始信息素,使得蚂蚁首次生成有效路径的比率从60%提高至92%;同时删除生成路径的垃圾信息,提高最优路径节点的信息素浓度,平衡了蚁群的局部和全局搜索能力,加快了最优路径的速度;通过平滑生成的路径,减少机器人转弯次数,缩短了路径距离。选择SSA、ACO、IACO、I-ACO等算法在3种栅格环境上进行性能测试。结果表明,改进的蚁群算法路径寻优上优于其他算法。

基于深度学习的巡检机器人避障轨迹自动控制系统设计

为了提高巡检机器人在复杂环境下的避障能力,使机器人能够安全地完成巡检任务,设计基于深度学习的巡检机器人避障轨迹自动控制系统;设计由CCD传感器、信号处理芯片等设备组成的工业智能视觉CCD相机,基于FPGA和USB2.0的视频采集卡传输采集数据,完成硬件部分的设计;在软件设计中,对采集的图像实施目标分割、双目目标匹配等预处理,通过对摄像头实施双目视觉标定获取障碍物空间位置三维信息,基于深度学习中的CRNN设计机器人自主避障规划网络模型,并设计模糊轨迹控制器,实现避障中的轨迹自动控制;系统测试结果表明,设计系统最终成功避开了3个动态障碍物,最大轨迹控制误差的最大值为1.45°,最小轨迹控制误差的最大值为0.62°,动态避障巡检速度始终在3.5 m/s左右,表现出了精准而稳定的轨迹控制效果。

约束空间工业机器人姿态搜索及避障研究

为解决约束空间下机器人无碰撞目标姿态求解问题,提出一种机器人姿态快速搜索算法,并结合4种不同的路径规划算法实现工业机器人的多目标路径规划。首先,对机器人运动框架初步配置完成后,通过计算位姿矩阵得到了场景内物体坐标的动态相对关系,并在ROS中搭建规划场景;其次,提出一种基于模型和机器人逆解的机器人姿态快速搜索算法RFP,并在RoboDK中对其进行验证,验证结果表明该算法有效;最后,根据任务需求设计了路径规划流程并引入二次规划减少算法随机性的影响,提高规划成功率,应用了RRT等算法进行对比分析,仿真结果表明RRT-connect算法的规划速度与成功率高于其它算法,为样机的实现奠定了基础。

多高超声速滑翔飞行器协同避障轨迹规划研究

建立高超声速滑翔飞行器动力学模型和考虑复杂多约束条件的协同轨迹规划模型,着重考虑对雷达探测区、火力场覆盖区等禁飞区的避障和弹群内避碰问题,构造安全距离函数对禁飞区避障和弹群内避碰约束进行描述,采用自适应hp-Radau伪谱法将上述多约束条件下的复杂最优控制问题转化为非线性规划问题求解。提出协同避障轨迹规划流程,针对某通用大气飞行器(common aero vehicle,CAV)开展“异地出发,同时到达”的协同避障轨迹规划仿真,并进一步探究禁飞区位置和协同飞行时间对最优性能指标的影响。研究结果表明:本文提出的多高超声速滑翔飞行器协同避障轨迹规划方法有效处理了各种复杂约束条件,得到了满足各类约束条件和性能指标要求的多飞行器协同飞行轨迹。

利用激光点云的智能网联汽车自主换道横向避障

通过智能网联汽车自主换道横向避障设计,提高车辆自主驾驶安全性能,提出基于激光点云的智能网联汽车自主换道横向避障方法,构建基于全激光雷达的无人驾驶系统的汽车行驶环境激光点云数据采集模型,通过激光雷达激光点云图像检测方法实现对智能网汽车行驶环境感知。结合障碍物检测、车道线检测、可行驶区域检测的方法,分析智能网联下汽车换道障碍物和车道的相关性特征量,通过激光点云的自主寻优方法寻找边界点直到搜索路径达到阈值,再结合直线道路模型和车道线连续性原则实现对汽车自主换道横向避障规划设计。仿真结果表明,采用该方法进行汽车自主环控避障,在5 s时达到收敛状态,障碍物坐标识别误差距离低于0.7,并且该方法的识别精度达到了0.970以上,提高了车道信息的感知能力,准确高效地估计可行驶区域,提高车辆避障能力。

基于域架构的纵横向结合行人紧急避障系统研究

针对行人横穿场景,提出了一种基于域架构的纵横向结合的紧急避障策略。首先,搭建基于域架构的行人紧急避障系统,通过最大减速度模型和多项式组,拟合纵横向轨迹决策规划方法,并基于采样离散数值计算法,综合考虑避障安全距离、动力学约束和平顺性的成本函数,选取最优轨迹;然后,分别使用双环比例-积分-微分(PID)、线性二次型调节器(LQR)控制方法,实现对纵横向的运动控制;最后,通过PreScan、CarSim和Simulink联合仿真及域架构系统延时分析,验证了该避障系统的适用性,有效提升了道路安全性。

扑翼机器人机载视觉避障系统设计

扑翼机器人是一种高仿生度的飞行器,它可以执行军事侦察和民用监测任务。在执行这些任务时,避障是一种确保扑翼机器人安全的必要功能。本文设计了一种基于单目视觉的扑翼机器人自主避障系统,其中所有图像的处理计算均使用机载处理器实现。在这个系统中,机载处理器的质量被减至48 g,以便于扑翼机器人可以携带它稳定飞行。该系统的工作流程可以分为以下几步:首先,图像采集模块获取周围环境的视频图像;然后,机载处理器通过处理扑翼机器人第一视角的光流信息来计算方向舵角度和转弯方向;最后,飞控板接收计算结果并控制扑翼机器人避开障碍物。地面站对扑翼机器人飞行过程进行实时监测,实验结果验证了本文所设计的避障系统的有效性。

针对十参数标定模型的导航避障相机影像精确校正

十参数标定模型是近景摄影测量中一种经典的内参标定模型。在影像畸变校正中,如果利用此模型采用直接重采样方式会产生空洞条纹,而常规的间接重采样方式虽无空洞产生,但在畸变较大的非中心区域同样无法得到较好的校正效果。针对此问题,本文提出了一种针对十参数标定模型的影像牛顿迭代精确校正算法。首先利用十参数标定模型将像点理想值和实际值进行重组,构建以像点实际值为待求量的非线性方程组;然后采用牛顿迭代法对影像中畸变部分进行局部线性逼近求解;最后采用间接重采样方法实现精确校正的目的。以移动机器人导航和避障相机作为研究对象,试验结果表明,牛顿迭代法校正可以得到高精度的优质去畸变影像,对避障相机的处理效果尤为显著。本文算法适用于移动机器人导航避障相机影像的畸变精确去除,为后续立体匹配环节生成优质的双目核线影像提供了可靠数据源。