融合图像识别和VFH+的无人艇局部路径规划方法

针对水面无人艇在复杂海况下的局部避障问题,文中引入深度学习方法来处理视觉信息,提出了结合VFH+算法的水面无人艇的局部路径规划方法.首先利用对称的编码器-解码器结构的图像语义分割模型和FasterRCNN网络模型进行水面边界线检测及水面障碍物识别,构建水面无人艇环境模型;然后采用基于VFH+的局部路径规划方法,通过逐步构建主直方图、二元直方图和掩模直方图压缩环境数据,引入合理的代价函数来获取实现水面无人艇的有效避障方向规划.在MODD图像数据集上的仿真实验以及实船避障实验结果表明,该方法能有效地提取水面图像信息,并得到合理的局部路径规划策略,在10kn航速下的避障轨迹平滑,可满足水面无人艇的自主避障需求.

未知环境下基于VFH+物理仿真耦合模型的机器人避障

针对传统机器人避障实验流程繁琐、实验成本高等问题,基于改进的向量场直方图算法建立算法模型,再将算法模型与动态仿真(Simulink)模块下建立的物理仿真模型相耦合,实现耦合模型的机器人避障仿真.基于改进前后两种算法的耦合模型,控制相同机器人在同一障碍物环境下进行避障实验.研究结果表明:该模型成功实现了未知环境下机器人系统对障碍物的及时预警和有效规避,缩短了路径;物理仿真耦合模型的建立使机器人避障性能得到优化,同时简化了机器人避障实验流程.

一种针对VFH系列算法阈值敏感问题的改进策略

针对VFH系列算法的阈值敏感问题,提出了一种新的自适应阈值改进策略.综合考虑移动机器人硬件特性、运动特性和目标点环境设置初始阈值、确定阈值范围.使用阈值评价函数,对可选范围内的每组阈值与可通行方向进行综合评价,使得机器人能够实时选取适合当前情况的阈值.最后在ROS上实现算法,并使用EAI移动机器人平台进行多次对比实验.实验结果证明,使用自适应阈值改进策略后,机器人能够避免局部死区,并在目标周围存在障碍物时,以较短的无碰撞平滑路径顺利到达目标位置.

融合卡尔曼滤波的VFH避障算法

针对机器人在野外自主作业时遇到的避障问题,提出了卡尔曼滤波算法和VFH算法相结合的新型避障算法.将机器人运动平面划分为一系列具有二值信息的栅格单元,并以机器人为中心将平面分割若干区间,通过获取栅格单元信任度值,计算障碍物栅格的向量值、矢量角以及每个区间的障碍物密度,来构建阈值范围内的安全路径.再融合卡尔曼滤波的预计更新的优点,实现机器人避障的动态路径规划.仿真实验表明:该融合算法解决了在目标点附近转向抖动的问题,摆脱了对周围环境先验认知的依赖,能够准确稳定地实现自主避障.

基于记忆矩阵A^*引导域的VFH算法改进策略

针对机器人采用VFH算法避障容易陷入局部死区的问题,提出为机器人增加记忆地图的方法.在面对未知环境时,采用了一种新的自适应阈值策略,在一定程度上避开局部死区抵达目标点,同时在首次避障时生成记忆地图.在二次避障过程中通过记忆地图产生低分辨率A*引导域,使用改进的代价函数,使A*引导域与VFH算法有效结合,以较优的路径完成避障过程,同时能实时适应周围环境的变化.最后,在MATLAB上针对不同环境进行算法仿真对比.实验结果表明,使用新的自适应阈值策略能在未知环境下完成避障过程并产生记忆地图;在记忆地图的基础上使用A*域的引导,能使机器人适应周围环境变化的同时以较优的路径顺利到达目标位置.

基于VFH~*的水面无人艇局部避障方法

针对水面无人艇在未知海洋环境下的避碰问题,提出一种基于VFH*算法的前向预测水面无人艇局部避障方法。利用连续的激光雷达数据帧和无人艇实时位姿信息进行雷达前后帧数据融合,并以此为基础建立障碍物向量场直方图来划分无人艇当前时刻的可行和不可行区域,引入前向预测节点和合理的代价函数计算每个候选方向的代价,最终选取具有最小代价的方向作为水面无人艇的可行方向。通过V-REP仿真实验和水池实艇实验表明,该方法能结合实时传感参量得到无人艇当前时刻的避障方向,避免无人艇在局部避障过程中出现尾端碰撞或陷入局部最小值的问题,满足水面无人艇的避障需求。

基于自适应VFH算法的移动机器人避障规划

向量场直方图(VFH)方法具有对传感器误差不敏感以及响应速率快等特点而广泛应用于移动机器人的运动避障问题。该方法将各方向的障碍物信息量化为强度值,并以设定的阈值判断可行性。而不同的阈值会造成机器人避障效果的差异,对不同任务环境的适应性较差。本文针对传统VFH方法的阈值敏感性问题进行改进,提出一种自适应阈值调整策略,通过构建阈值评价函数,结合环境信息对候选方向范围内每组阈值进行代价分析,实时地选取适于当前运动的阈值,使机器人能够自主完成避障。为验证算法的有效性和可靠性,设计模拟障碍物的场景并进行对比实验。结果表明,采用改进自适应阈值策略的VFH算法,能够改善传统算法对阈值敏感的问题,能保证机器人可以在狭窄通道中以较短的无碰撞路径到达目标位置。

Navigation of Robot Using VFH＋ Algorithm

This paper describes a reactive navigation proposed for a differentially driven robot. The aim of the reactive navigation is to prescribe behavior to the robot based on actual sensor values that is collision-free. Analysis of reactive navigation methods shows that there is no reliable reactive collision-free method. However, method VFH＋ is suboptimal reactive navigation method for static environment. Original method was proposed for ultrasonic rangefinders. Nowadays, much more sophisticated sensors are available. That is why our modification is proposed for a laser rangefinder attached to indoor mobile robot. Results are presented as simulation in Matlab and also as experiments with real robot. Based on these experiments, it can be claimed that VFH＋ is very effective reactive navigation method for various sensors and environments and it can be modified for different requirements on robot behavior.

面向无人车运动规划问题的VFH算法

为了解决路口等非结构化场景中无人驾驶车辆的运动规划问题,提出了一种改进型的矢量场直方图(Vector Field Histogram,VFH)算法。上述方法充分的考虑了车辆的动力学和运动学模型,使得依据上述方法规划的运动轨迹是可执行的和可到达的,一方面,因为考虑到了最小转弯半径,能够保证在新的活动区域中的所有状态点对车辆来讲都是可到达的;另一方面,改进的代价函数综合考虑了轨迹的安全性和平滑性,保证了最终规划的运动轨迹对执行机构来讲是可执行的,实验结果表明了上述算法的有效性。

基于自调节VFH+的水面无人艇雷达避障控制研究

针对水面无人船在未知水域自主作业时的避障问题,提出一种新型自调节矢量场直方图避障控制算法。通过激光雷达探测仪实时获取无人船周围水域信息,通过划分扇区单元建立障碍物向量场直方图;根据环境信息进行阈值自调节来得到适合当前情况的阈值,进而筛选出无人船可行候选扇区;求取候选扇区代价值,并将代价值最小的扇区方向作为无人船航行方向。数值分析和水上实验表明:通过增加阈值自调节环节,改善了传统矢量场直方图算法存在的阈值敏感问题,使得该方法避障成功率达到96%,满足了无人船水上自主避障控制要求。

未知环境下基于DSKF+VFH的四旋翼无人机避障算法

针对未知环境下无人机避障飞行稳定性较差以及对于避障方向的选择考虑不充分的问题,该文提出基于双级卡尔曼滤波(DSKF)的改进向量场直方图(VFH)算法。首先通过双级卡尔曼滤波,持续对水平与航向姿态分级进行融合修正,提升无人机姿态解算精度,保持飞行期间的稳定性;同时针对传统VFH算法提出基于感知数据的“双阈值”策略,并对边缘障碍物检测不准确及无人机尺寸考虑不充分的缺陷提出局部扇区改进办法进行优化。最后,基于ROS、Gazebo搭建无人机仿真平台并进行仿真实验。结果表明,本方法相较于传统VFH算法飞行时间缩短22.7%,额外路程消耗减少11.8%,提升了平均飞行速度,优化了飞行路径,提升了复杂环境下无人机飞行稳定性与安全性,实现了四旋翼无人机的自主避障。

一种添加振荡抑制的移动机器人避障算法

针对室内移动机器人动态避障算法易出现局部死区问题,提出一种改进VFH动态避障算法。首先,针对传统VFH类算法,在候选波谷评价函数中引入波谷宽度和路径长度评价指标以降低移动机器人陷入局部死区的概率,提高路径平滑性;其次,针对局部避障算法受限于局部环境易在障碍物附近发生来回振荡的问题,引入振荡评价函数,通过计算移动机器人位姿到起始点和终点的加权欧氏距离绘制振荡评价曲线,利用自动峰值检测和一阶前向差分曲线获取振荡位置,并添加振荡抑制,使移动机器人逃离局部死区。仿真验证表明,在100组仿真场景中,改进算法陷入局部死区的场景减少约70组,平均规划迭代次数降低约32.3次,平均路径长度降低约26.2%,平均累计转折角度降低约79.6%。该算法有效降低了局部避障的代价,提高路径平滑度的同时降低在局部特殊环境下陷入死区的概率。

未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH+避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验。结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地。基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上。

一种局部动态环境下的避障算法

提出一种基于传统VFH避障算法的增强形式,称为VFH#算法。这种算法对VFH算法第一层进行局部环境预测,重新确定静态动态栅格,为后几层的最优选择提供准确的参数。利用这种方法,机器人能在局部动态环境下选择较优的行进方向。

智能移乘护理机器人室内路径规划方法研究

为了帮助失能老人实现在家庭环境中床、轮椅、沙发、厕所马桶等生活器具之间的移动,室内智能移乘护理机器人需要完成从任意初始点、任意起始位姿开始,将人无碰撞、安全运送至目标点,并且在运送过程中完成机器人头尾前进方向转换等任务,这些都对机器人的路径规划能力提出了要求。鉴于此,采用分段式路径规划方法,通过对中间转换位姿的恰当选择,使得机器人在有限室内空间内的转向角度幅度得到了有效改善,同时通过速度的控制来降低转向角变化频率从而提高被护理人的舒适性。接着对机器人采用的向量直方图法(VFH)进行介绍,并对其阈值敏感问题提出解决办法。最后,结合实验验证了这里方法的有效性和实用性。

基于改进双向A~*和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划;并提出基于碰撞检测的动态步长和双向去除冗余点方法。在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性。仿真实验表明;所提方法规划的路径长度短、耗时少;并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。

未知环境下的智能体避障算法研究

针对智能体避障选取VFH及一系列改进方法时,原有直方图构造模型的复杂性问题以及大部分研究方法忽略了障碍物运动特性以及智能体自身大小对智能体避障的影响.提出一种新的直方图计算方法.该方法改进了原始的栅格计算模型,采用几何分析计算的方法,减少了智能体避障过程中的计算量;通过对动态物体进行研究,算法考虑了障碍物运动的特性以及智能体自身尺寸对避障所产生的影响.仿真实验表明,通过该算法构造的直方图能够作为智能体避障决策的基础,使得智能体能够顺利绕过动态障碍物,寻求优化的路径,快速追踪到静态目标和动态目标.

基于激光雷达的移动机器人避障策略研究

激光雷达具有扫描精度高的优点,因此采用激光雷达来获取机器人周围环境信息.针对VFH算法中波谷宽度的计算以及纯转向问题,提出了一种方法来计算波谷的宽度以及检测机器人在该波谷的可通行性,在获得目标方向的基础上增加局部目标点作为VFH算法结果,并在此基础上设计一种平滑转弯的控制策略,使得机器人能够在复杂环境中以平滑路径逼近目标位置.最后通过实验验证了本文平滑避障策略的有效性.

一种视点直方图特征优化的点云目标识别算法

为了提高点云目标识别算法的识别率、增强算法鲁棒性,研究了一种将颜色纹理的方向特征直方图(CSHOT)算法与视点特征直方图(VFH)算法相结合的点云目标识别算法(CSHOT-VFH)。利用VFH特征对点云目标进行识别,实现目标快速估测。在此基础上,进一步利用CSHOT特征进行精确识别。搭建了实验系统,分别对单物体场景、多物体场景及目标存在部分遮挡等情况进行了测试。测试结果表明:本文算法识别率达到了90%以上,在目标遮挡的两组实验中,本文算法比VFH算法的识别率提高了10%以上,能够满足室内场景目标检测的需求。

基于三维彩色点云的物体识别算法

随着新一代深度传感器的出现,使用三维(3-D)数据成为物体识别研究的热点,而且提出了很多点云特征描述子。针对传统的采用点云形状特征描述子在目标描述方面的不足,提出了一种基于三维彩色点云的物体识别算法。首先提取点云数据的视点特征直方图(VFH)和颜色直方图(CH),然后对提取的形状特征和颜色特征分别通过支持向量机(SVM)进行预分类,最后将上述2个识别结果进行决策级融合。提出的算法在Washington RGB-D数据集进行训练和测试。结果表明,该方法与传统的采用点云形状特征描述子相比,其物体的正确识别率有了显著的提高。