基于栅格地图的移动机器人完全遍历算法——矩形分解法

提出移动机器人的一种新的完全遍历算法:矩形分解算法。首先通过机器人环境学习建立栅格地图,对环境中的障碍物实行矩形化建模。而后应用矩形化模型中的关键点将环境分解成为矩形块,最后在这个分块环境的拓扑图中寻找到一条Hamilton路径,机器人沿此路径即可实现对环境的完全遍历。为处理复杂的局部情况,又提出基于模板的局部环境处理算法。矩形算法的优点在于机器人可以实现完全自主的复杂环境遍历,并且可以处理未知障碍,从而使算法适合于任意非结构化的工作环境。

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则。将所有机器人放置于初始位置,经过NC次无碰撞迭代运动找到最优路径,到达目标位置。为防止机器人在路径搜索过程中没有达到最大迭代次时路径大小已不发生变化而陷入局部最优,则通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值,继续搜索,直到迭代完毕,获得最优路径。

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则.将所有机器人放置于初始位置,经过NC次无碰撞迭代运动找到最优路径,到达目标位置.为防止机器人在路径搜索过程中没有达到最大迭代次数时路径大小已不发生变化而陷入局部最优,可通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值继续搜索,直到迭代完毕,获得最优路径.

基于栅格地图的分层式机器人路径规划算法

采用分层规划的思想,给出一种基于栅格地图的最优路径规划算法.分层路径规划算法的第1层为拓扑层规划,采用Voronoi图起泡生成算法描述全局可行域的拓扑关系;第2层采用广义水平集算法,解决拓扑层的最优路径搜索问题;第3层为栅格层的路径再规划.在栅格层借鉴窄带水平集的思想,通过拓宽拓扑路径,得到一个机器人安全通行的窄带区域,并在此区域实行局部快速匹配算法,改善了拓扑路径,提高了算法的效率,并提高规划的实时性.

基于免疫自适应遗传算法的机器人栅格地图融合

融合各机器人独自创建的环境地图,实现信息共享,是提高分布式多移动机器人系统环境探索效率的关键.研究了在没有公共参考坐标系及机器人相对位置信息未知情况下的栅格地图融合问题,提出了一种基于免疫自适应遗传算法的栅格地图融合方法,该算法把反映两个栅格地图重叠区域相异程度的优化函数作为抗原,每个可能的平移、旋转平面转换对应一个抗体.仿真结果表明了该算法可以较快的收敛速度和较强的全局搜索能力,搜索到两个栅格地图的最佳重叠区域,实现地图融合.

基于外延特征的栅格地图噪声去除算法

为了既能去除彩色城市交通地图的噪声 ,又能保持有用信息不致损失 ,在对彩色地图进行像素分类、聚类的基础上 ,提出了一种基于外延特征的栅格地图噪声去除新算法 ,该算法首先以所处理的噪声像素为原点建立一个极坐标 ,再通过 8方向搜索来获得噪声像素的外延特征 ;然后按照“无偏”聚类准则与“有偏”聚类准则 ,确定该噪声点对道路或区域的新聚类。实验结果表明 ,该新方法不仅完全去除了地图中的噪声 ,而且使区域和道路界限分明。

基于栅格地图的遗传算法路径规划

为提高移动机器人路径规划问题的求解质量和求解效率并克服遗传算法用于复杂环境下路径规划存在的常规缺陷,本文改进了运用于路径规划的遗传算法操作,提出了一种基于栅格地图的完善遗传算法路径规划方法,通过引入路径修复机制来提高遗传算法的收敛速度。仿真结果表明这种方法能够很好的解决移动机器人点对点的路径规划问题。

基于栅格地图改进的智能路径选择算法

交通和物流领域的发展,对路径规划算法的时间复杂度与精度提出了越来越高的要求。针对该问题,提出了一种基于栅格地图改进的智能路径选择算法。该算法利用方向信息来对算法进行优化设计,基于原有地图带有的始末位置的方向信息,定义权值矩阵与方向权重向量,以此作为路径中下个栅格的选择依据,并采取奖励与惩罚措施来提高算法的收敛速度。此外,算法还采取了多余栅格的优化措施来提高算法性能。通过对于典型仓储AVG问题模型的仿真来验证算法的有效性。结果表明,路径长度收敛到满足条件的较优解所需的时间,智能路径选择算法较A;算法及传统Dijkstra算法可以减少10%以上,具有较低的时间复杂度和较高的寻优效率。

增强型霜冰优化算法的复杂环境下机器人路径规划

针对原始霜冰优化算法(RIME)在移动机器人路径规划问题中存在易陷入局部最优和收敛速度慢等问题,提出一种增强型霜冰优化算法(ERIME)用于对复杂环境下移动机器人进行路径规划。首先,采用基于sine混沌映射的透镜成像种群选择策略对种群初始化阶段进行增强以增加种群多样性,使算法更好地进行探索和开发;其次,使用随机因子控制的最值搜索策略和质心中点引导的开发机制对算法的探索和开发阶段进行改进,增强算法跳出局部最优解的能力,更好地探索全局最优解,并加快算法的收敛速度;此外,建立ERIME算法的Markov链模型,证明了算法的全局收敛性。为验证ERIME的有效性,对该算法采用CEC2017测试集进行验证,并与其他知名的元启发式算法进行比较,结果表明该算法具有良好的性能。最后,将其应用于复杂环境下的移动机器人路径规划问题中,实验结果表明,ERIME可以高效地为机器人进行路径规划,且可以找到一个非常优质的路径。

基于栅格地图环境的机器人路径规划算法

研究了基于栅格地图环境的移动机器人路径规划方法。针对基本蚁群算法在路径规划过程中出现的收敛速度慢、容易陷入局部最优解等缺陷,通过对栅格地图环境进行预处理,提取优势路径点,改进信息素浓度更新机制,限制信息素浓度强度的策略对蚁群算法进行了改进。通过仿真实验证明了该算法的可行性和有效性。

改进A^(*)算法的无人车路径规划

近年来随着科技的发展私家车不断的普及,汽车数量的不断增加导致交通事故频发,面对这一问题大量学者在不断地进行研究,5G的出现使得无人自动驾驶的实现成为了可能,路径规划是无人驾驶技术的重点研究内容。目前大部分路径规划采用的是传统的A^(*)算法,但该算法存在搜索范围大、时间长、路径规划效率较低、损耗较大以及路径拐点较多等问题无法规划出最佳路径。这里在此基础上加以改进,通过建立栅格地图,构建新的动态衡量启发式A^(*)算法函数,通过新算法所得新路径再进行路经拐角优化,最后对改进的算法进行仿真并分析和比较,证明了新改进的算法和经过拐角路径优化可得到最佳路径。

基于SURF特征的多机器人栅格地图拼接方法

实现地图拼接是多机器人协作创建地图的一项关键技术。研究了一种基于加速鲁棒特征(SURF)的多机器人栅格地图拼接方法,该方法通过对机器人运动坐标系进行刚体变换,将栅格地图拼接问题用图像配准的最小化问题来表示并建立数学模型。首先利用一种改进的SURF算法从待拼接地图中提取特征,然后利用随机抽样一致性(RANSAC)算法剔除误匹配得到初始拼接参数,并将拼接参数作为ICP算法的初值来求解目标函数。最后分别利用公开数据集和Turletbot2移动机器人进行了实验,结果表明该方法能对多机器人建立的栅格地图实现可靠拼接,鲁棒性好且精度高,拼接速度快适用于较大规模环境栅格地图拼接。

基于图像配准的栅格地图拼接方法

栅格地图拼接是多移动机器人协同创建环境地图中的一项关键技术.本文提出一种图像配准意义下的栅格地图拼接方法.该方法将栅格地图拼接问题视为图像配准问题,建立相应的目标函数,并给出局部收敛的迭代最近点算法求解该目标函数.为获得最优的拼接结果,该方法从待拼接的地图中提取局部不变特征,并借助随机抽样一致性算法分析初始拼接参数,以作为迭代最近点算法的初值.最后,提出了拼接参数已知时的栅格地图融合规则.实验结果表明,该方法能可靠地实现栅格地图拼接,且具有精度高和速度快的优点.

基于经典DSmT的Sonar栅格地图创建

基于最近提出的一种在贝叶斯和DST扩展而来的信息融合算法DSmT(Dezert-Smarandache Theory),在实验的基础上,结合Sonar测量的基本特性,对静态结构化环境建模,并构造了广义基本信度赋值函数,利用经典DSm融合规则,融合每个栅格的声纳冗余信息,计算栅格占用的Bel。最后,以Pioneer II移动机器人作为试验平台,并在线对小型环境进行了3D栅格占用信度分布地图创建,其俯视图与实际2D地图中的物体外观轮廓及所在位置进行比较,其比较结果充分验证了算法的有效性,为进一步研究应用基于折扣理论的DSmT解决异类或同类非可靠多源信息融合,基于Hybrid DSmT的动态环境地图创建,以及多机器人联合创建地图和自定位奠定了坚实的基础。

基于栅格-几何混合地图的移动机器人分层路径规划

针对人工势场法中的死锁问题以及栅格地图中的可行空间损失问题,提出了一种基于特征与栅格混合地图的分层路径规划方法。上层使用改进的A*算法在高粒度的栅格地图中找到基本路径,以此克服人工势场中的死锁以及传统A*算法的回溯问题。为减小人工势场的抖振问题,提出了一种惯性人工势场法(I-APF),并用I-APF在底层中对基本路径进行平滑处理。仿真实验结果表明:该路径规划策略可以有效地降低计算消耗,所规划的路径优于单纯的栅格法或惯性人工势场法。

扫描细化算法的地图自动矢量化研究

根据栅格线体的形态特征设计通过对栅格线体的序贯推扫及截断扫描获取截断处的中心像素的扫描细化算法。细化结果受线体边缘条件的影响小、特征像素较少。设计了针对于扫描细化算法的自动追踪矢量化算法,其特点包括减少坐标转换量以及矢量线体节点数,光滑后趋于栅格线体中心,线体不在交点处相互打断,提高自动矢量化及其后处理工作的效率。

基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程,它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征,提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析,并建立区域识别测度,实现了区域颜色规范化;再通过对非区域对象的连接成分进行分析,并建立道路识别测度,在区域颜色规范化的基础上,实现了道路颜色规范化。实验结果表明,对于彩色城市交通地图图像,该算法取得了良好的效果。

一种改进粒子群优化算法的多机器人地图拼接方法

多机器人共同创建大规模地图,实现的关键在于机器人相对位置未知的情况下将多张局部栅格地图进行拼接。结合图像特征匹配的方法和改进的粒子群优化算法,先提取待拼接的两幅栅格地图的特征点进行匹配,并筛选有效特征点对;再将特征点对的信息作为改进的粒子群优化算法的输入参数,计算从源图像到目标图像的最佳转换矩阵;最后将转换后的源图像和目标图像使用栅格叠加的规则拼接在一起。通过仿真实验与数据分析,证明了算法的稳定性与准确性。

基于图论节点的改进A-star栅格路径规划算法

提出了一种将图论最短问题中的路径节点及栅格地图中的栅格节点位置信息结合的路径规划算法。依据图论最短问题思想,提取室内具有特殊信息的位置节点,并判断节点间可视性,加入到先决地图信息中。在此基础上改进的A-star算法在扩展节点时,根据启发函数,只在特殊节点位置进行扩展,避免计算大量不必要栅格点的启发函数,从而提高算法效率。实验结果表明,改进后的A-star算法较之前时间缩短了79.2%,所遍历栅格节点减少了99.4%,且栅格分辨率大小不影响路径规划效率。最后总结改进方法的优缺点,期望改进算法可用于室内多目标同时导航。

一种多机器人栅格地图拼接方法的研究

多机器人协作式的同步定位与地图创建(SLAM)是自动导航领域的热点研究方向之一,SLAM技术中栅格地图拼接成为重要的技术点。针对采用SIFT算法进行地图拼接栅格的拼接速度较慢、有效匹配点较少、稳定性差等缺点,提出了一种新的栅格地图拼接方法。使用FAST算法快速选定特征点,利用PCA-SIFT算法生成36维特征描述符进行匹配,并借助最大后验一致性算法选取的最佳匹配点进行初始拼接参数计算,使用加权平均算法对待拼接的两幅栅格地图进行拼接融合。使用公开的数据集进行试验,结果表明,所提出的方法稳定性强、拼接速度快,且拼接精度高。