基于阴影特征的月面凹障碍自动识别检测方法

基于月面凹障碍在光照下存在阴影和高亮区一一对应的特征,提出一种月面凹障碍自动识别检测方法。运用自适应双阈值分割法将凹障碍的阴影区和高亮区从背景中自动分割出来,并聚类出每个阴影区和高亮区具体的位置;引入先验光照信息,利用光照方向对阴影和高亮区精确匹配,完成对单个凹障碍粗提取;遍历所有包含单个凹障碍的原始图像子图像序列,进行边缘检测和参数拟合,解决了同时处理多个障碍的干扰影响,能够有效识别检测所有凹障碍的位置和范围。

凹障碍超宽带SAR图像特征分析

野外环境下的凹障碍感知一直是地面无人作战平台环境感知面临的难题,长期以来常规传感器,例如立体视觉、红外相机和激光雷达,都没有取得好的效果。超宽带合成孔径雷达作为一种全天时、全天候的高分辨率雷达,在目标感知方面得到了广泛的运用。基于超宽带合成孔径雷达感知凹障碍是一种有效的感知手段,阐述了凹障碍的雷达成像几何,利用MATLAB模拟仿真合成孔径雷达数据获得了凹障碍图像,分析得出了凹障碍在雷达图像表现出由阴影区和光亮区紧密相连的特征,并通过实测数据成像获得的凹障碍图像结果,对凹障碍雷达图像特征进行了进一步的验证。

一种适应凹障碍检测的激光雷达布局研究

无人驾驶车的障碍识别是移动机器人自主导航的关键技术之一,一直是国内外各大学、机构的研究重点。现阶段,国内外对凸障碍的识别已经做了很多工作,但针对非结构化环境下的凹障碍的检测却少有研究。针对非结构化环境的凹型障碍物检测问题,基于16线三维激光雷达,提出新的激光雷达布局方法以缩小无人车前盲区,及时检测到凹障碍,并分析凹型障碍物的特征。通过实验,验证了新激光雷达的布局可以有效地检测到野外的凹型障碍物。

凹形障碍全局路径规划的双蚁群完全交叉算法

为解决大量复杂凹形障碍环境中的路径规划问题,采用了计算机仿真技术,对双蚁群完全交叉算法进行了研究。通过对传统蚁群算法增加新型的距离改变启发因子,建立双蚁群完全交叉算法,并且融入最大最小蚁群算法思想,使蚁群算法应用在机器人路径规划领域,即使机器人环境中有大量复杂的凹形障碍,该算法仍能够规划出高质量的路径。仿真试验表明该算法得到最优路径率达到98%。

一种针对大型凹型障碍物的组合导航算法

针对移动机器人导航过程中无法规避大型凹型障碍物问题,该文提出一种多状态的组合导航算法。算法按照不同的运动环境,将移动机器人的运行状态分类为运行态、切换态、避障态,同时定义了基于移动机器人运行速度和运行时间的状态双切换条件。当移动机器人处于运行态时,采用人工势场法(APFM)进行导航,并实时观测毗邻障碍物的几何构型。在遭遇障碍物时,切换态用于判断是否满足状态切换条件,以进入避障态执行避障算法。避障完成后,状态自动切换回运行态继续执行导航任务。多状态的提出,可有效解决传统人工势场法在大型凹形障碍物的避障过程中存在局部震荡的问题。基于运行速度和运行时间的双切换条件判定算法,可实现多状态间的平滑切换。实验结果表明,该算法在解决局部震荡问题的同时,还可降低避障时间,提升导航算法效率。

履带式机器人中基于交叉探测法的凹形障碍物识别

本文针对履带式机器人对凹形静态障碍物的识别,利用双超声波传感器交叉探测的方法,旨在解决凹形障碍物宽度识别的技术难点。对履带式机器人的越沟性能进行分析后,利用双超声波传感器对障碍物进行探测,进而判断出凹形障碍物的宽度,并根据具体情况进行决策。试验表明此方法提高了凹形障碍物识别的准确性和鲁棒性。

月球车全局路径规划中的A＊算法改进

考虑月球车全局路径规划的应用要求,针对传统A*算法搜索速度慢和返回路径不够优化的缺点,对算法流程进行改进,减少其时间和空间复杂度,提高其搜索速度,并对返回路径进行优化,有效地缩短了路径。对于存在凹形障碍的地图,采用后退-尝试的方法解决规划失败的问题,并在一次搜索的基础上使用二次搜索策略来实现规划路径的优化,使之绕过凹形障碍趋向目标,从而达到输出最短路径的目的。

移动无线传感网络节点协同避障的改进方法

传统蜂拥控制模型在协同避障跟踪方面,目前有Reynolds和Tanner的蜂拥模型。笔者曾对其做出了改进,提出了与Steer to Avoid法则相结合的避障模型,该模型在跟踪过程中对凸形障碍有较高的避障效率。由于在Steer to Avoid的方向判断中,目标对节点具有引力,使节点群陷入凹形区域无法绕出。将协同避障模型引入凹形障碍环境中,对模型进一步改进,在Steer to Avoid转向判断时暂时取消目标对节点群的引力,让节点群在进入凹形后自行做出环境的判断并沿着障碍边缘不断搜索路径,最终绕出障碍到达目标。仿真实验结果表明:与传统两个模型相比,该模型在避障的平均速率和时间效率上有显著提高,适用于避开未知的凹形障碍。

改进蚁群算法及其在机器人避障中的应用

提出了一种改进蚁群算法.首先针对蚁群算法在构造解过程中收敛速度慢且容易陷入局部最优,提出了在蚁群搜索路径过程中,通过建立α(信息素启发式因子)和β(期望启发式因子)的互锁关系,动态自适应调整α、β;其次针对蚁群算法在面对凹形障碍物易陷入死锁,降低搜索效率,提出了广义信息素更新规则;最后利用栅格法进行静态已知环境建模,通过不同规模TSP的仿真验证了该方法的可行性和有效性,同时将其应用到机器人避障并取得了较好实验效果。

改进蚁群算法在移动机器人避障中的应用

在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。

基于改进蚁群算法的移动机器人动态路径规划

针对动态环境下的移动机器人最优路径问题,利用栅格法建模,提出1种改进蚁群算法。通过调整信息素启发因子和期望启发因子,自适应改变挥发系数。在路径规划时,提出相应的动态路径规划避障策略,使机器人在避障的同时得到最优或次优路径。实验结果表明,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下,该文算法经过25代收敛找到最短路径;改进算法比基本蚁群算法进化代数减少近50代,同时能有效避免移动机器人和动态障碍物碰撞,并且获得15.656的无碰路径。

基于改进RRT-Connect算法的焊接机器人避障路径规划

针对双向快速扩展随机树(RRT-Connect)算法在焊接机器人避障路径规划过程中易于陷入工件所形成的凹形障碍区域,造成算法性能下降的问题,提出了一种改进的RRT-Connect算法。改进的算法对随机树上每一个新产生的树节点进行检测,对位于凹形障碍区域的树节点及其附近区域进行标记,并将标记的区域从自由状态空间中剔除,避免随机树再次陷入标记的凹形障碍区域。仿真实验表明,改进的RRT-Connect算法在搜索次数上降低了47.30%,路径长度下降了9.96%,路径平滑度指标也有明显改善。

多智能体备用领导者避障方法

针对传统势能函数避障方法易使群体陷入局部极小值,即多智能体不易绕过凹形障碍,基于势能函数,结合变换备用领导者机制和虚拟障碍方法,设计了多智能体集群避障算法。通过理论分析证明了该算法的稳定性,并在matlab环境下仿真实验。仿真结果表明,在不需要知道有关障碍物几何信息的条件下,该方法能够有效避开凹形避障。