启发点引导D*算法扩展的无人机航迹规划策略

为了实现无人机从特定方向接近和打击目标点,同时实现航迹最短、规划时间最少,提出了基于启发点引导D*算法扩展的航迹规划方法。分析了航迹规划的约束条件,建立了无人机各威胁因素的区域模型和概率模型,将威胁因素模型叠加至三维环境中,得到了无人机工作的等效三维环境模型;分析了D*算法在具有方向约束航迹规划中遍历搜索和回退扩展的缺陷,提出了启发点引导D*算法扩展方法;给出了启发点的产生方法、启发方案的选择方法、启发点的切换策略等。经过仿真验证,同时使用D*算法、蚁群算法、启发点D*算法进行航迹规划,启发点D*算法规划的航迹最短,算法耗时最少,证明了启发点D*算法在有方向约束航迹规划问题中的有效性。

动态环境下CGF实时路径重新规划算法

路径规划是CGF行为模拟最主要和最常用的规划,CGF沿着基于初始信息规划的路径机动时经常会发现路径耗费发生了变化,剩余的路径需要重新规划。D*(动态A*)算法是一个适合于动态环境的实时路径重新规划算法,它通过增量式传播路径耗费的变化提高路径重新规划的效率。介绍了D*算法的一种扩展方法,通过利用问题领域的启发信息引导算法的状态扩展聚焦于当前的状态,减少了状态扩展的数量,进一步提高了CGF在动态环境下的路经重新规划效率。

基于ICP算法的激光定位反光板匹配研究

对2D激光雷达扫描到的反光板与环境中已知位置的反光板匹配问题进行研究。激光雷达定位的自动导引小车(AGV)采用2D激光雷达测量环境中的反光板相对于激光雷达的极坐标。AGV控制系统在利用该极坐标进行AGV定位之前,需进行反光板匹配,以获得激光雷达扫描到的反光板的全局坐标,进而通过定位算法计算出AGV相对于全局坐标系的位姿。针对反光板匹配问题,提出一种基于迭代最近点(ICP)算法的反光板匹配算法,并以叉车型AGV为背景,在MatlabR2016a中对该算法进行验证。试验结果表明,该算法可以实现反光板的精准匹配,并可有效处理存在反光板遮挡的工作场景。该研究提高了系统适应性和抗干扰能力,为反光板的匹配问题提供了一种新思路,具有一定的理论价值与应用价值。

基于改进RRT算法的快速路径规划

针对快速扩展随机树(RRT)算法在路径规划时,存在速度慢、内存计算大的问题,提出一种目标启发扩展策略的改进RRT算法。首先,将节点距目标点以及距随机采样点两者距离之和的最小值作为待扩展节点的选取依据,以此来增加随机树上靠近目标处节点被选取作为待扩展节点的概率;其次,优先尝试目标方向扩展,一旦尝试失败则进行随机扩展,进而在增强算法目标收敛性同时,也确保在遇到障碍物威胁时算法亦能保持较大随机性;同时对初始路径进行冗余点裁剪后的路径进行B样条曲线平滑改善路径质量。仿真结果表明:改进策略具有明显提高路径规划速度以及减少算法内存计算量的优势。

一种满足方向约束的动态航迹规划方法

针对动态环境下有方向约束航迹规划问题,提出一种结合引导点的动态航迹规划方法。该方法沿约束方向基于圆拓展的方式产生引导点,并自主选择代价最小的引导点,引导航迹规划算法向引导点区域搜索,提高了规划效率。仿真结果表明,改进算法可以适应动态变化的环境,也能满足从特定方向接近目标点的航迹规划要求。相比于传统D*算法,改进算法的航迹总代价更小、规划时间更短。

基于自适应启发PSO的零件在线智能定位

工业流水线生产环境下,多种类小批次中小型航空零件在自动化喷涂作业等过程中,往往面临着零件摆放位姿不固定而难以自动化测量与定位的问题。为实现综合满足喷涂效率与精度的零件定位,应用基于自适应启发改进的粒子群算法,随配准情况自适应地采用不同启发方案与尺度,实现了较强后景影响下快速地点云配准。从全局搜索与局部搜索两方面进行优化,在应用随配准状态自适应的学习系数与惯性系数基础上,引入自适应尺度的滞步系数与类梯度下降运算,解决粒子群算法收敛速度缓慢与易陷入局部最优问题。基于正态分布置信度准则剔除适应度离群值降低后景点云对配准的影响,实现分割后点云与理论数模的智能配准,获得零件摆放的精确位姿。应用二维(2D)视觉减少测量时间、提供点云分割的依据,并多线程并发同步运算提高效率。最终实现了在3 min的节拍内完成三维(3D)点云的自动化扫描,以及在平均2.5 min节拍内实现2 mm精度的多种零件自主配准定位。