面向未知环境探索的分层架构路径规划算法

为实现无人平台在未知环境下的高效路径探索,该文提出了一种以“感知-规划-控制”分层架构为基础的路径规划算法。在感知层通过Cartographer建图算法实时构建未知环境的二维栅格地图。在规划层,通过Canny边缘检测、基于密度的聚类算法、效能函数评估选择最佳探索目标点,并在规划的效能函数中引入探索方向延续性概念,克服了传统路径规划反复探索已知环境的难题。在控制层,通过概率路线图算法规划从当前位姿到目标点的最短路径,并通过纯跟踪算法和向量直方图算法实现了路径无碰撞跟踪。3种典型环境下的仿真实验表明,所提出的算法在不同环境下均具有较高的探索效率和完成度。

未知环境下基于视觉与激光融合的SLAM系统研究与实现

在未知环境中实现机器人的自主导航与环境建图是一个极具挑战的研究课题,SLAM是应对这一挑战的关键技术之一。基于研究现状分析、系统方案设计、技术实现与实验验证等内容,结合视觉与激光各自的优势,设计一种未知环境下基于视觉与激光融合的SLAM系统。通过针对关键帧和滑动窗口的平衡选取策略以及分类优化策略对初始位姿和特征点进行优化,提高了系统的鲁棒性,可以输出高精度地图;通过实现以智能小车为载体的演示系统验证了所提出算法的可行性和实用性。

一种未知环境下移动机器人自主导航方法

为提高未知环境下移动机器人自主导航性能,提出了一种未知环境下目标驱动的自主导航方法。不依赖实时更新的地图信息,移动机器人直接从激光雷达读数中构建候选目标点,并根据机器人自身位置和终点位置从候选目标点中选择最优点作为局部目标点。改进的基于深度强化学习的局部规划器从输入信息中直接输出动作信号,实现端到端的控制,使得移动机器人能够快速、安全地到达局部目标点,直至到达终点。实验表明,所提导航方法能够在未知复杂的环境下,可靠且高效地完成导航任务。与最近边界导航方法相比,平均路径长度减少了6.63%,平均运行时间缩短了19.11%,具有成功率高、路径短、速度快等优点。

面向未知环境的紧耦合激光SLAM方法

针对传统激光SLAM在长走廊、隧道等退化环境下系统精度低或算法失效,且存在常规环境下回环检测稳健性差等问题,提出一种面向未知环境的紧耦合激光SLAM方法。首先,采用紧耦合框架,融合LiDAR与IMU信息,修正IMU零偏,为LiDAR里程计提供高精度先验信息;其次,计算LiDAR里程计雅克比矩阵,实时检测环境几何信息维度,融合轮式里程计与IMU数据,补偿LiDAR里程计自由度;最后,构建变阈值回环搜索模型,采用不同配准方法分析对应阈值的关键帧信息,提高回环检测召回率。长走廊环境中,所提方法定位误差较A-LOAM、LIO-SAM分别降低了91.04%和97.37%;常规环境中,在满足回环检测准确率为100%的条件下,所提方法召回率较LIOSAM提高了35%。实验结果表明,所提方法具有较高的鲁棒性与定位精度。

一种面向未知环境的无人机群区域覆盖搜索算法研究

近年来,随着无人机技术的飞速发展,旋翼无人机由于具有灵活机动、轻量化、成本低等优点在搜救领域得到了广泛应用。本文面向未知环境研究无人机群执行区域覆盖搜索任务,以任务耗时最短为算法评价指标,提出了回字形扩展搜索算法。首先对传统区域覆盖搜索算法和本文所提出的算法进行了介绍,之后针对算法建立了仿真环境模型和算法模型,并基于NetLogo仿真环境通过蒙特卡罗方法进行了试验及结果分析。与传统随机游走覆盖搜索算法进行对比,结果显示本文提出的基于搜索图的协同模式下的回字形扩展覆盖搜索算法区域覆盖耗时短、重叠率低,具有分布式、自主性、在线实时规划、抗毁性等特点。

未知环境下改进DDQN的无人机探索航迹规划研究

对未知环境的探索,如搜救、追逃等场景,无人机需要一边探索(感知)环境一边完成当前的航迹规划(动作选择)。针对上述场景,为了提高无人机对未知环境的探索范围,提出了结合长短期记忆的改进深度双Q网络探索航迹规划方法:搭建仿真地图,以无人机视野内的环境信息作为输入,引入长短期记忆网络,输出动作方向的选择;设置探索经验样本优先级,提高训练效率;加入飞行动力学约束,设计合理的状态、动作空间及单步奖励函数。运用所提算法,无人机可以自主规划出一条无碰撞且对环境探索范围大的航迹。仿真实验结果表明:在未知环境下,所提算法得到的探索面积比、单步探索平均奖励值等指标均优于传统的DDQN算法。

未知环境中无人机自适应边界快速检测算法

边界感知检测是无人机实现自主探索的重要组成部分之一。为了提高在复杂多样的地下狭窄环境中自主探索过程的边界检测效率,提出一种未知环境中的无人机自适应边界快速检测算法(ADPlanner)。通过雷达感知地下隧道未知环境,自适应地调整地下隧道或矿洞环境的局部采样空间,根据环境结构大大提高采样率(添加到RRG中的采样点与采样次数的比值);提出重采样率,以减小相邻时刻自适应采样框的采样点冗余度,进而通过重要性采样策略解决GBPlanner重复区域的过采样问题,实现增量检测。仿真实验表明:在2个不同的未知场景中,与GBPlanner相比,ADPlanner边界检测采样的运行时间减少了20.27%~38.33%,路径长度缩短了11.24%~18.86%,总探索时间缩短了27.38%~38.38%,显著提高了无人机在未知环境下的探索效率。

未知环境下基于虚拟角速度跟踪的避障策略

当智能体自主执行任务时,局部障碍物可测的未知环境增加了局部极值和执行器饱和发生的概率.对此,本文提出了虚拟角速度跟踪的避障策略.首先,基于简易障碍物的几何模型构造虚拟的避障引导角,并利用李雅普诺夫方法设计角速度控制律,通过受限制的虚拟角速度跟踪来实现避障控制.然后,引入方位因子改进距离型权值分配器,强化轨迹附近障碍物的影响以降低局部极值发生的概率.最后,对于不完全可测的复杂障碍物,根据历史探测信息建立以边界点为中心的简易障碍物模型.仿真结果表明,该策略能够避让低速动态障碍物及U型复杂障碍物,并且可实现抗饱和控制.

未知环境下激光雷达非平稳数据隔离方法

激光信道的随机性较强,对环境影响因素变化较敏感,导致激光雷达回波传输中存在一定的噪声,形成了包含不平稳数据的未知环境。为此,提出一种激光雷达非平稳数据隔离方法,及时隔离未知环境中的相关数据,保证输出传输质量。将干扰下的激光雷达回波信号分割为多个不同的子集,降维和去噪处理激光雷达回波数据。以互信息获取和与㶲最相关的变量为脉冲能量,获取回波信号特征变量,以此为依据利用支持向量数据描述(SVDD)方法检测非平稳数据。利用颜色-时序标记对象(CTMO)模型在全部回波数据与非平稳数据之间建立影响关系,利用该关系实现激光雷达非平稳数据隔离。实验结果表明,所提方法可以准确检测激光雷达非平稳扫描点、离群值和局部异常值三种数据,最高计算时间为25 s;颗粒物激光雷达接收机非平稳数据噪声基底与实际频谱变化基本一致,保留了传输数据的细节特征;数据传输过程中的最高时间负载增量为4.8%,可有效隔离非平稳数据。

基于深度强化学习的机器人未知环境路径规划

为解决未知环境中移动机器人的自主路径规划问题,提出了一种基于深度确定性策略梯度(DDPG)的改进算法。该算法通过激光雷达数据、机器人位姿以及速度信息建立策略映射,在连续动作域中输出线、角速度直接控制机器人底盘运动。设计了新的连续奖惩函数,缓解了奖励稀疏问题;融合了优先经验回放机制、人工演示数据机制以及多控制器引导机制,提高了算法训练效率。通过ROS+Gazebo平台进行模型训练,训练结果表明,改进算法仅需原始算法训练步数的47%,就获得了相同水平的奖励;设计对比实验,结果表明,相较于原始算法和传统的局部路径规划动态窗口法,改进算法在无碰撞的基础上运动轨迹更加平滑且耗时更短,验证了改进算法的有效性。最后搭建轮式差速机器人平台,设计未知环境导航实验,证明了算法的实用性。

未知环境中移动机器人导航控制研究的若干问题

未知环境中移动机器人导航控制理论和方法是机器人学和智能控制的一个重要研究领域。综述了该领域研究的主要内容及其发展动态 ,分析了与导航控制有关的机器学习方法的研究现状 ,指出了存在的不足和有待进一步研究的问题 。

未知环境下势场法路径规划的局部极小问题研究

势场法路径规划的局部极小问题已经受到了多年关注,本文针对环境完全未知的情况为移动机器人设计了一种基于行为的解决方法.该方法通过合理设计各种行为间的转换条件以保证可靠性,并引入记忆信息以增强机器人对周边环境的认知能力,从而降低决策的盲目性,更准确地决定当前应采用的合适行为.本文方法对于凸形边界障碍物的有效性得到了证明.针对一些复杂的凹形边界障碍物,仿真结果表明,该方法相对于一些已有方法更加可靠.基于真实机器人的实验验证了该方法的可行性.

一种未知环境下室内移动机器人路径规划新算法

针对目前室内移动机器人的路径规划算法理论研究为主,实际应用较少的问题,通过建立了移动机器人的运动学模型,采用栅格化建模方法将室内环境进行了分块,再利用先锋机器人P3-DX及其配套的仿真软件MobileSim,设计并且成功应用了一种未知环境下室内移动机器人路径规划的新算法。该算法在结合了机器人宽度信息的基础上,进行了栅格化模型建模,采用"点到点"的路径规划方法。最后在MobilesSim和P3-DX真实机器人上分别进行了仿真和实验验证,研究结果表明,该方法有效,且具有很好的可操作性。

动态未知环境下一种Hopfield神经网络路径规划方法

针对动态未知环境下移动机器人路径规划问题,采用一种有效的局部连接Hopfiled神经网络(HopfieldNeuralNetworks,HNN)来表示机器人的工作空间.机器人在HNN所形成的动态数值势场上进行爬山搜索法来形成避碰路径,并且不存在非期望的局部吸引点.HNN权值设计中考虑了路径安全性因素,通过在障碍物附件形成局部虚拟排斥力来形成安全路径.HNN的连接权是非对称的,并且考虑了信号传播时延.分析了HNN的稳定性,所给稳定性条件和时延无关.HNN模型中突出了最大传播激励,从而使得HNN具有更广的稳定性范围并能表示具有更多节点的机器人工作空间.为对该HNN有效仿真求解,结合约束距离变换和HNN的时延性,给出了单处理器上高效的串行模拟方案,规划路径的时间复杂度为O(N)(N是HNN中神经元的数目),使得路径重规划能快速在线进行.仿真和实验表明该方法的有效性.

在未知环境下基于模糊预测的力/位混合控制方法

针对机器人在形状未知的接触环境表面上进行柔顺力控制的问题,在传统的力/位混合控制模型中采用一种模糊预测算法.此算法利用机械手末端与环境已产生的接触轨迹和运动方向,通过三种预测因子(满意度因子,曲率适应因子,参考比例因子),预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹.每次预测时首先对以前的预测进行评估,同时考虑环境曲率和刚度变化的特点.此预测算法还可以应用于阻抗控制模型中.仿真证明,这种方法可以在不同的控制模型中取得较好的力控制效果,对未知环境的变化具有较强的适应能力.

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息，以滚动方式进行在线规划，实现了优化和反馈的合理结合，对动态环境具有良好的适应性．

未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域,一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结,指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.

未知环境下移动机器人安全路径规划的一种神经网络方法

针对未知环境下移动机器人的安全路径规划，采用了一种局部连接 Hopfield 神经网络 fHopfield Neural Networks，HNN)规划器；分析了 HNN 稳定性，并给出了存在可行路径的条件．如果存在可行路径，该方法不存在非期望的局部吸引点，并在连接权设计中兼顾“过近”和“过远”来形成安全路径．为在单处理器上有效地在线路径规划，采用多顺序的Gauss-Seidel 迭代方法来加速 HNN 势场的传播．结果表明该方法具有较高的实时性和环境适应性．

动态未知环境中移动机器人的滚动路径规划及安全性分析

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题 .提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,以滚动方式进行在线规划 ,合理结合了优化与反馈 ,对动态环境具有良好的适应性 .