基于SBL-PRM算法的柑橘采摘机器人实时路径规划

针对动态非结构化环境下的柑橘采摘机器人实时路径规划问题,采用单次查询、双向采样与延迟碰撞检测相结合的SBL-PRM(Single-query,Bi-directional,Lazy collision checking,Probabilistic Roadmap Method)算法,对无遮挡和遮挡两种场景下的柑橘采摘情况进行仿真试验,分析最大采样点数S、邻域阈值ρ、局部路径检测阈值ε、路径平滑次数N等参数对规划时间和成功率的影响。结果表明,在S=3000,ρ=0.6,ε=0.03,N=10时,无遮挡和遮挡两种场景下路径规划的平均时间分别为1ms、60ms左右,规划成功率均为100%。仿真试验证明了SBL-PRM算法在柑橘采摘机器人实时路径规划中的有效性。

移动机器人的实时路径规划研究与仿真

研究移动机器人的实时路径规划问题。为了实现移动机器人在动态不确定环境下实时地避开障碍物,安全到达目标点,提出一种人工势场法与指导性RRT算法结合的改进算法,利用人工势场法在初始环境中预规划一条初始路径。当有新的障碍物出现并且覆盖了初始路径时,启动实时规划。在新的障碍物周围确定合适的规划空间,可利用指导性RRT算法规划局部路径。最后,合并初始路径与局部路径,得出最终路径。仿真结果表明,改进的混合算法能够有效实现移动机器人的无碰撞实时规划,路径长度和规划时间有明显改善。

一种克服振荡与死循环的机器人实时路径规划方法(英文)

本文研究了一般障碍环境下全局信息未知的机器人路径规划问题 ,分析了基于实时探测信息的滚动路径规划算法可能遇到的振荡和死循环现象 ,提出了增加适量记忆的改进滚动路径规划算法 ,不仅有效地克服了振荡和死循环的发生 ,而且保证了机器人对全局目标的可达性 ,为移动机器人在一般未知障碍环境下的路径规划提供了快速。

基于无线传感器网络的未知环境下移动机器人实时路径规划

利用无线传感器网络技术、多传感器信息融合技术、基于占用网格的概率地图构建和基于群集智能的微粒群仿生学算法,采用三层控制结构的规划策略,提出了一种新的在未知环境下移动机器人在线实时路径规划方法。最后设计并构造出了实际的无线传感器网络,验证了算法的有效性、准确性和实时性。

基于量子进化算法的移动机器人实时路径规划

提出一种改进的量子进化算法来解决机器人实时路径规划问题。采用栅格法对环境建模,给出一种新型的解码方法来将量子个体转换为用栅格点表示的路径。在量子旋转门的基础上,引进遗传算法中的交叉和变异操作以及专门针对路径规划问题设计的修复算子,共同对量子种群进行更新,提升了算法的搜索效率。借助Matlab图形用户界面GUI实现对机器人实时路径规划过程的模拟,仿真结果表明,所提方法能够在较复杂的环境中规划出可行且长度较短的路径,且当环境中出现新的障碍物或原有障碍物向不同方向移动时,该方法均能及时地响应,重新规划出新的最优路径。

室内微型飞行器实时路径规划算法研究

路径规划是实现飞行器高度自主导航的重要环节之一。为实现微小型飞行器在未知复杂室内环境中的实时路径规划,提出一种无记忆A*算法。该算法针对传感器探测范围有限、环境中存在动态障碍物,且对规划实时性要求较高问题,精炼了路径规划过程,并在代价函数计算、开启集更新方式等方面对传统A*算法进行了改进,实现了室内微小型飞行器实时动态路径决策和引导功能。仿真结果证明了该算法的实用性和高效性。

面向AUV水下移动对接的实时路径规划方法

自主水下机器人(AUV)与移动对接平台之间的实时路径规划,是AUV与移动对接平台进行自主对接的使能技术之一。针对复杂动态环境下AUV与水下移动平台对接的实时性和终端姿态需求,研究了一种基于混合整数线性规划(Mixed Integer Linear Programming,MILP)的AUV与水下移动平台对接的实时路径规划方法。利用对障碍物约束、AUV本体约束进行相应的分析和线性化,根据多个对接阶段的需求设计了距离收敛、时间最优和姿态最优等不同的目标优化函数,建立了移动对接目标函数,形成相应的多约束线性规划模型,实现对AUV加速度优化,得到满足所有约束且目标函数最优的实时优化路径。最后,在充分考虑AUV实际的动力学模型下的仿真实验分析,验证了此方法的有效性。

基于改进人工势场法的机器人实时路径规划

针对传统人工势场法在机器人实时路径规划中存在目标不可达和局部极值点等问题,提出了一种改进的人工势场法.首先,在斥力函数中引入距离影响因子,解决目标点旁存在障碍物时的目标不可达问题;其次,引入动态法向力,消除由单个障碍物形成的局部极值点振荡或停滞;然后采用一种新的虚拟目标点设置方法,解决复杂槽形障碍形成的局部极值点问题;最后根据机器人受到的斥力,设置自适应调节步长.仿真实验结果表明:改进的人工势场法可以有效解决传统算法在目标不可达以及不同复杂度的局部极值点规划停滞,自适应步长调节可降低规划所需步数19%~30%.

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在U型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.

未知环境下移动机器人实时路径规划

针对在未知环境下实现移动机器人实时的路径规划问题,提出了一种将快速扩展随机树(RRT)算法与视野域自适应的滚动窗口相结合的路径规划算法。该方法实时获取滚动窗口内的局部环境信息,根据环境的变化,滚动窗口视野域进行自适应调整,通过分析滚动窗口内传感器获取的信息,结合改进后的RRT算法筛选出可行的路径,控制移动机器人到达子目标点,在此过程中动态监测规划好的路径,确保路径合理,并重复上述过程,直至到达目标区域。实验对比分析表明,该方法能实时并有效实现未知环境下移动机器人的路径规划。

栅格地图环境下机器人速度势实时路径规划

针对智能制造工程环境中移动机器人的自动避障问题,提出一种基于栅格地图的移动机器人速度势实时避障路径规划方法。利用栅格法二值化移动机器人的工作场景,从机器人中心出发向不同方向进行栅格搜索。基于障碍物对移动机器人有排斥作用以及目标点对机器人有吸引作用的思想,通过栅格数的累加计算机器人到障碍物之间的实时距离,并以此为参数,考虑障碍物的形状、最小安全距离等因素的影响来建立负的速度增量函数;以机器人当前位置与目标点的实时距离和角度为参数建立正向速度增量函数。进而在机器人运动学模型基础上,定义速度势函数来对移动机器人进行实时速度驱动。通过设置最小速度增量,避免在零势点处的局部极小点问题;通过设立距离阈值,避免在目标点附近速度增量趋于无穷的问题。通过仿真对所提出的算法进行验证。

大型客运枢纽行人室内导航实时路径规划方法

大型客运枢纽的结构复杂、客流分布不均匀,枢纽内的引导标志不能有效解决行人对用时最短路径的需求,基于此提出科学合理的路径规划方法。构建行人走行路径网络,采用k均值聚类改进算法确定实时速度,分析路段拥挤度,以实际用时最短为目标,建立行人室内导航路径模型,提出一种客运枢纽行人室内导航实时路径规划方法。以长沙南站为背景,给出具体的应用实例,其计算结果表明:所提出的方法能减少行人13.9%的时间消耗,提高枢纽内行人流通率。

基于传感器的实时路径搜索研究及应用

当管网发生事故时,及时确定人员逃生路径是应急疏散的重要环节。通过分析事故灾害对人员疏散的影响,采用猴群算法在所建立的节点监测矩阵中并行搜索,得到不同时刻的多个传感器布局,再根据位置集合覆盖(LSCP)模型,进行综合分析确定最佳传感器布置方案,建立传感器网络。以传感器采集的实时数据为权值,结合灾害动态蔓延过程,采用A~*变权算法进行实时路径搜索。构建井下巷道管网模型,以矿井水害事故为应用背景,确定最短避灾线路,提高人员逃生路径的可靠性,为应急疏散路径规划提供科学支持。

未知环境下移动机器人实时路径规划

主要讨论了在不确定环境下移动机器人运动路径的在线规划算法。在此方法中,预定目标被定为吸引子,而障碍物被定为排斥子,路径规划问题就被转换为应用牛顿定理进行迭代计算的问题。这种算法计算简便,实时性强,能自动地适应工作环境中障碍物和目标的位置变化和随机出现,使机器人准确避开障碍,安全到达目的地。

基于改进的教与学优化算法的船舶实时路径规划

利用局部逃逸策略(Local Escaping Operator,LEO)对原始教与学优化算法(Teaching Learning Based Optimization,TLBO)的部分解进行替换,使其快速跳出局部最优,提出一种改进的教与学优化算法(Local Escaping Teaching Learning Based Optimization,LETLBO),并将其应用于船舶实时路径规划中。在船舶实时路径规划仿真试验中,利用概率图搭建搜索地图,利用高概率区域模拟目标所在区域,并采用贝叶斯定理设计一个概率函数作为目标函数。同时,为更好地实现实时路径规划,提出以个体为单位,利用在个体探索时高概率区域同时移动的方式模拟船舶在搜索时目标同时移动的情况,成功模拟船舶实时路径规划,保证试验的有效性。通过船舶实时路径规划仿真试验测试2种模拟情况下LETLBO与原算法及其他多种经典算法的性能,结果发现LETLBO在2个情景中找到目标的概率相比原算法分别提升41.88%和43.38%,运算时间分别减少0.9789 s和0.3752 s,且综合性能更优,说明改进的算法具有更好的探索寻优能力和鲁棒性。

多医用配送机器人系统实时路径规划方法研究

医用配送机器人代替医护人员完成日常配送任务是当今全世界急需完成的技术革新,对新型冠状病毒的控制起着至关重要的作用。然而,该技术仍未在世界范围内广泛普及是因为其存在一定难点,例如如何保证多辆机器人在不断变化的环境中无碰撞、按时的完成所有配送任务。对于上述问题,基于滚动时域提出一种实时路径规划策略和实时冲突避免策略,为多机协同路径规划问题的解决提供一定思路。

车路协同系统下区域路径实时决策方法

为解决车辆行驶数据缺失和滞后造成路径规划系统不稳定问题,建立了基于车路协同系统(CVIS)的新型区域路径实时决策方法。首先,通过获取网联车辆的实时行驶数据,结合交通信号配时和路径转向信息,并考虑车辆在途经交叉口时可能遇到的非自由流行驶情况,动态计算当前路段路阻值;其次,根据当前时刻各路段的路阻统计数据,以及区域路网拓扑结构,实时预测各备选路线的行程时间,选择行程时间最少的路线作为车辆最优行驶路径;最后,选取北京市望京地区的典型区域路网数据进行验证。在150组实验过程中,计算得出不同时段下按所提方法得到的最优路线用时平均比常规导航系统推荐最优路线用时分别短9.52 s、13.39 s及20.65 s,证明了所提方法的有效性。

基于边界归一化的低空无人机实时避撞路径规划

小型无人机的广泛应用已引发严重的城市低空安全问题,实时避撞路径规划是提高无人机在陌生城市低空飞行安全的重要技术。针对传统Laguerre路径规划无法实时应用的问题,建立了基于单航段分解的Laguerre实时滚动规划模型。通过障碍边界归一化确保障碍物异型位置关系下的Laguerre路径的一致性,导出了单航段Laguerre最佳避撞路径规划定理。进而,提出了基于障碍边界归一化的无人机低空实时避撞路径规划方法。通过模拟城市复杂环境的规划实验表明,该方法不仅实现了陌生环境下的实时路径规划,而且所规划路径具有更好的避撞安全性。

外卖配送路径多目标实时优化研究

随着外卖行业的不断发展,外卖配送的路径优化问题已引起学者们的广泛关注。但现有研究未将骑手的目标考虑在内,且未考虑动态场景下多目标如何设定权重的问题。因此,本文对外卖配送路径的多目标实时优化进行深入研究。建立多目标外卖配送路径优化模型。该模型不仅考虑订单履行时间、平台利润和骑手服务质量3个常用的目标,另外增加骑手等待时间和骑手空驶距离这两个目标,充分将外卖平台、顾客和骑手的目标综合考虑。设计动态调整权重的多目标外卖配送路径启发式算法,解决动态场景下多目标权重如何设定的问题。通过外卖配送的实时数据进行算例分析。结果表明,本文提出的算法可以有效对多目标的外卖配送问题进行实时路径优化,且订单的密集程度对骑手等待时间和订单履行时间有直接的影响。

固定翼巡线无人机实时蚁群算法路径规划

本文针对传统蚁群算法局部早熟等问题对算法进行了改进,并对无人机路径规划及重规划多条件约束问题进行了研究,提高蚁群算法航迹规划计算速度及全局性来满足实时蚁群算法航迹规划要求。文章针对传统蚁群算法的早熟问题采用全局与局部信息素互补衰减法,来高效完成蚁群算法寻优问题,并当无人机偏离航线时能及时根据无人机所在位置重新规划。通过实验结果得出蚁群算法具有快速的计算能力,能在短时间内对更改的路径进行响应,完成无人机自校正航迹规划。