改进人工势场算法的路径规划

人工势场法是一种适用于局部路径规划的算法,针对人工势场法存在的目标不可达、局部极小值等固有缺陷,提出了一种改进后的人工势场法。首先针对目标不可达问题,将引力影响因子添加到斥力场的生成中,改进斥力场函数,从而避免引力与斥力合力为零的情况。针对局部极小值问题,通过设立虚拟目标点来引入额外外力,打破机器人的平衡问题。通过与其他算法的对比实验,仿真结果显示,改进人工势场法规划的路径长度和消耗时间都更短,稳定性更强。

基于偏转角抑制的改进人工势场法路径规划

针对传统人工势场法在实际应用中存在的局部最极小值、目标不可达以及路径震荡等问题,文种提出了一种基于偏转角抑制的改进人工势场法。该方法以传统人工势场法为基础,采用改进斥力势场函数保证目标点为全局势能最低点。在路径解算中引入偏转角抑制因子来抑制无人车行驶过程中过大的偏转角,在无人车陷入局部极小值点后每一步的路径解算中都添加新的虚拟目标点,直至无人车累积一定的偏转角摆脱障碍物群。仿真实验结果表明,该算法可以在不影响无人车避障的情况下减少规划路径的震荡性,并能够使无人车逃脱复杂障碍物群顺利到达目标点,规划出一条有效、简短以及震荡较少的路径。

基于虚拟点云的二阶段多模态融合网络

针对点云的稀疏性和无序性对目标检测准确率的影响,本文提出了一种基于虚拟点云的二阶段多模态融合网络VPC-VoxelNet。首先,利用图像检测目标信息构造虚拟点云,增加点云的密集程度,从而提高目标特征的表现;其次,增加点云特征维度以区分真实和虚拟点云,并使用含置信度编码的体素,增强点云的相关性;最后,采用虚拟点云的比例系数设计损失函数,增加图像检测有监督训练,提高二阶段网络训练效率,避免二阶段端到端网络模型存在的模型误差累计问题。该目标检测网络VPC-VoxelNet在KITTI数据集上进行了测试,检测精度优于经典三维点云检测网络和某些多传感器信息融合网络,车辆检测精度达到了86.9%。

基于速度矢量场的无人机实时动态航路规划

针对局域动态环境中无人机实时航路规划展开研究,提出了一种基于速度矢量场的二维动态实时航路规划方法。通过建立不同空间特征区域速度场模型,实现了速度场驱动下的无人机航路规划。文中采用虚拟目标点法解决了速度矢量场航路规划局部陷阱问题;采用探测步长法,实现了无人机机动约束的融合,解决了航路可飞性问题;在动态实时规划应用中,确立了环境信息更新方法,实现了对动态环境的描述。通过仿真验证,表明速度矢量场法能够根据动态环境信息及时规避威胁到达目标点,算法具有良好的完备性和实时性,适用于局域动态环境中的快速航迹规划。

基于改进势场法的机器人路径规划

针对传统人工势场法存在引力过大、容易陷入局部极小值、目标不可达以及容易陷入陷阱区域等问题,提出了基于路径优化策略和参数优化的改进势场法。通过引力补偿增益系数来避免引力过大的问题;根据环境信息采取不同的虚拟目标点设置策略以逃离局部极小值点;设置观察距离以识别障碍物的分布情况,选择不同的路径优化策略来避免目标不可达问题,机器人通过提前旋转角度来切向远离陷阱区域或采用安全路径通过该区域;采用改进差分进化算法求解有约束最优化问题,使得人工势场法的初始化参数不再根据经验来设置。仿真实验结果表明,改进势场法可以有效解决机器人陷入局部极小值、目标不可达等问题,并可优化机器人的行驶路径,提高机器人移动的安全性。相比传统人工势场法,改进势场法的路径长度减少了17.5%。

基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题,文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界,设立虚拟目标点来摆脱局部最优,建立道路环境模型;为了根据周边环境和车辆状态进行实时规划,设计分层避撞路径规划控制器,将道路环境模型引入上层路径规划器的目标函数中,利用模型预测控制(model predictive control,MPC)的优化算法规划出局部避撞路径,再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明,该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径,保证车辆行驶的稳定性和安全性。

基于改进人工势场法的移动机器人路径规划

针对传统人工势场法在路径规划过程中容易陷入陷阱区域和局部极小点的问题,提出了一种改进人工势场法。首先,提出安全距离概念,避免了不必要的路径,从而解决了路径过长和算法运行时间过长问题;然后,为避免机器人陷入局部极小点和陷阱区域,在算法中引入预测距离,使得算法可以在机器人陷入局部极小点或陷阱区域之前做出反应;最后,通过合理设置虚拟目标点,引导机器人避开局部极小点和陷阱区域。实验结果表明,改进算法可以有效解决传统算法容易陷入局部极小点和陷阱区域的问题;同时,相较于传统人工势场法,所提算法规划出的路径长度减少了5.2%,计算速度提高了405.56%。

一种改进的多机器人路径规划自适应人工势场法

在研究多机器人路径规划传统方法的基础上,提出了一种改进的自适应人工势场法.该方法通过设置虚拟目标点来解决传统人工势场法易陷入局部极小点的问题,同时根据各个机器人所承担的任务和速度,采用自适应优先权策略来实现机器人之间的自适应避障.仿真实验验证了该方法的有效性和可行性.

改进人工势场法的机器人避障及路径规划

针对机器人在传统人工势场避障过程中出现目标不可达和陷入极值点导致停滞不前的问题,通过改进传统人工势场的斥力场结构,解决目标不可达问题。在传统人工势场原有目标点产生的吸引力前提下,提出一种对比阀值,建立虚拟牵引点的方法,解决局部极小问题,增加快速函数提高机器人的运动速率,以克服机器人在障碍物附近出现的反复震荡或停止不前。为了验证上述方法的有效性,用MATLAB软件进行仿真,结果表明机器人运动轨迹平滑,接近最优路径。

高炮对空中虚拟静态目标射击精度试验方法

高炮武器系统毁歼概率的计算需要测试连发射击时各发弹丸射击误差的相关性。为满足毁歼概率试验中对射击误差时间特性的测试需求,针对如何测试速射高炮各发弹丸的射击误差相关性的问题,采用真引信实弹对空中虚拟静态点目标射击,用光电经纬仪交汇测量弹道坐标,计算弹道与空中虚拟靶目标的相交坐标及相交时刻,确定射击误差和相关系数,建立了一种高炮对空中静态点射目标射击精度试验方法。在多型高炮试验中的应用表明,该方法可以满足鉴定试验中对射击误差和误差相关性的测试要求,同时提高了试验安全性,降低了试验实施(协调)难度,加快了试验进度。

一种基于标准弹道点的制导方法

提出了一种基于标准弹道点的制导方法,以标准弹道的某点为虚拟目标进行需要速度计算及制导,无需修正地球扁率和再入阻力的影响。给出了需要椭圆轨道与需要速度的确定,以及导引与关机控制模型。以某导弹弹道为标准弹道,计算了多种干扰条件下的方法误差。结果表明:其方法误差较小。

一种基于模糊识别的移动机器人避障算法

设计了一种基于障碍物模糊识别的移动机器人避障方案.移动机器人的视觉导航,具有信息量大的特点,在避障中相对其他传感系统,有一定优势.视觉图像处理计算量大复杂度高,避障中采用模糊控制的思想,减少图像矩阵精确变化和处理,选取障碍物图像中部分边缘点作为特征坐标点,据此设计模糊控制算法识别出障碍物其大致的姿态信息.根据障碍物图像大致姿态信息和其在视觉探测图像区域的方位信息,设定一组虚拟目标点序列,合理规划移动机器人的安全避障路径.最后,仿真试验演示方案良好的避障效果,证明在简单视觉环境中可行性和有效性.

改进人工势场法的移动机器人路径规划

传统人工势场法在路径规划过程中易陷入势场局部最小点和陷阱区域,面对较为复杂的障碍物环绕环境也难以规划出完整路径。针对这个问题,提出了一种改进人工势场法。引入机器人前进的方向向量,对斥力的生成和计算机制进行了调整以解决其处于局部最小点情况下无法继续规划路径的问题;添加了判断机制以识别周边环境状况,当机器人处于陷阱区域等复杂环境下时设立虚拟目标点以引导其向外运动从而摆脱陷阱区域。结果表明,改进算法可以有效解决传统算法容易出现的路径规划中断情况;同时与传统算法相比,其在随机障碍物环境中的规划路径长度减少,有效提高了路径规划效率。

改进RRT算法的机械臂路径规划

针对传统快速扩展随机树(RRT)算法在机械臂避障路径规划时存在搜索效率低、随机性大的问题,提出一种改进RRT算法。该算法结合双向RRT算法和目标偏置RRT算法的优点,并在随机树扩展过程中设置虚拟目标点和改变步长。由于RRT算法规划的路径存在冗余节点多的问题,利用双向删除取最短路径的方法对避障路径中的冗余节点进行删除,最后利用三次B样条曲线对避障路径进行平滑处理。仿真结果表明,改进RRT算法在扩展时间、路径长度和扩展节点数均优于双向RRT算法和目标偏置RRT算法,对路径中冗余节点删除和平滑处理的有效性。

基于感知信息的USV目标环绕跟踪方法

无人水面艇(USV)作为一种智能水面工具,可实现航行控制、水面目标识别与感知等基本功能,但伴随着工程需求的多元化,如水面失事货轮、未知船只特征识别、失事飞机等搜救探测任务,该基本功能已无法完成任务,因此需要开展一种可对目标进行稳定跟踪并完成360°环视的方法研究。文中提出一种基于感知目标信息,通过对目标环绕跟踪,实现目标检测的方法。在对感知信息进行目标运动状态估计后,采用虚拟目标点跟踪算法计算出期望航向及速度,通过航向控制器及速度控制器实现对USV的位姿控制,同时加入重规划跟踪策略,以适应水面复杂环境并感知设备提供信息的误差扰动。以USV模型辨识方法获得模型并搭建仿真平台进行仿真验证,通过实航试验测试证明该算法设计的合理性。

基于人工势场法的多机器人协同避障

近年来,随着社会对机器人关注度的增加,移动机器人技术逐渐成为研究热点。机器人避障是移动机器人学中重要的研究课题,也是移动机器人面临的基本问题之一。针对多机器人的应用场景,在充分分析现有机器人避障算法的基础上,优化人工势场法,提出多机器人避障算法MPF(Multi-Robot Artificial Potential Field Method)和编队避障算法AOA(Advanced Obstacle Avoidance Method)。MPF算法优化了人工势场法存在局部最小值点的问题,提高了机器人到达目标点的概率;AOA算法结合现有的编队避障算法来提高机器人编队避障的效率。最后,分别为MPF算法和AOA算法设计不同的实验环境,实验结果表明,在障碍物复杂情况不同的环境中MPF算法可以有效且高效地引导机器人到达目标点;在不同的环境复杂度和机器人数量下,AOA算法能够提供高效稳定的编队避障。

移动机器人改进人工势场的路径规划方法研究

针对传统人工势场法进行移动机器人路径规划过程中常出现目标不可达、局部极小值等问题,提出一种改进人工势场的移动机器人路径规划新方法。将移动机器人和目标点之间的欧氏距离融入到斥力函数中,并将障碍物产生的斥力分解为两个不同方向的斥力分量,引导移动机器人到达目标点;根据移动机器人的位置、障碍物的最大影响距离以及移动机器人与目标点之间的欧氏距离建立数学关系,寻找虚拟目标点,以解决移动机器人在移动过程中受到的合力为零时出现的局部极小值问题。仿真及实验结果表明,改进人工势场算法能够使移动机器人顺利绕过障碍物到达目标点。

基于模糊势场法的移动机器人局部路径规划

针对采用传统人工势场法进行移动机器人局部路径规划时存在的局部极小点和规划路径过长等问题,提出了一种基于虚拟目标点和有限状态机的模糊势场法。构造基于人工势场的虚拟目标点法来解决局部极小点问题,在合适的位置设置虚拟目标点使机器人逃离局部极小点区域。将虚拟目标点法与模糊控制相结合,对障碍物环境进行预测,及时避障,解决机器人在复杂环境中采用虚拟目标点法规划路径时存在的路径过长问题。设计一个有限状态机来判断障碍物环境,执行算法转换策略,使改进算法适用于多种复杂环境。所设计算法在MATLAB平台上进行了仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短规划路径。算法不仅适用于简单、离散环境,在传统算法运行困难的、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。

改进人工势场法在未知环境中的路径规划研究

针对机器人路径规划中路径震荡的问题,提出添加角度过滤器的方法减轻路径震荡的程度,利用在计算引力时采用不同增益系数的方法进一步减轻了路径震荡。而对于局部极小点问题,提出采用添加虚拟目标点的方法引导机器人走出陷阱区域。最后,在MATLAB环境下进行仿真,仿真结果表明改进算法的有效性。

多窄路口下改进的bi-RRT路径规划

多窄路口的复杂环境路径规划中,快速扩展随机树(rapidly exploring random Trees,RRT)存在重复搜索和难以通过等缺点。提出改进的双向快速随机扩展树(bi-directional RRT,bi-RRT)的路径规划算法,在多路口来设置人工虚拟目标点,首先根据其连通域采用Dijsktra算法求出一组最短路径的虚拟目标点,再根据虚拟目标点构建采样区域,结合小车的非完整积分约束、环境约束和上述构建的采样区域,利用bi-RRT搜索可行路径。该算法解决了机器人在狭窄路口重复搜索的问题并提高全局搜索效率。通过仿真实验验证该算法的高效性、实时性和正确性。