基于改进概率路线图算法的煤矿机器人路径规划方法

路径规划是煤矿机器人在煤矿井下非结构化狭长受限空间中应用亟待解决的关键技术之一。针对传统概率路线图(PRM)算法在空间狭长封闭巷道环境中难以保障采样的节点均匀分布于自由空间中导致路径规划失效,以及节点可能距离障碍物较近导致规划的路径可通行性差等问题,提出了一种基于改进PRM算法的煤矿机器人路径规划方法。在构造阶段引入人工势场法,将落在障碍物中的节点沿与其距离最近自由空间中的节点连线方向推至自由空间,并在障碍物边缘建立斥力场,实现节点的均匀分布且使其距离障碍物有一定距离;在查询阶段融合D^(*)Lite算法,当遇到动态障碍物或前方无法通行时可实现路径的重规划。仿真结果表明:改进PRM算法的节点均匀分布在自由空间中,且均距离障碍物一定距离,提高了路径规划的安全性;当节点数为100个时,改进PRM算法成功率较传统PRM算法提高了25%;随着节点数增加,传统PRM算法和改进PRM算法路径规划成功次数均呈增长趋势,但改进PRM算法在效率方面优势更明显;当节点数为400个时,改进PRM算法运行效率较传统PRM算法提高了35.13%,且规划的路径更平滑,路径长度更短;当障碍物突然出现时,改进PRM算法能够实现路径的重规划。

融合PRM算法与弹性绳算法的路径规划算法

为解决弹性绳算法路径规划效率低、法迭代次数过多,以及概率路线图算法较难获得最优路径的问题,设计了一种融合概率路线图(PRM)算法与弹性绳算法的路径规划算法。该算法利用概率路线图算法高效地获得了一条连接起点到终点的路径,利用该路径上的点作为弹性绳算法的初始点,消除了弹性绳算法在迭代的初始阶段需要较多迭代次数的问题。

基于光节点模型的PRM路径规划优化算法研究

针对移动机器人存在的使用传统概率路线图算法(probabilistic roadmap,PRM)经过狭窄空间规划路径无解的问题,本文主要对一种模拟光照节点模型的PRM路径规划优化算法进行研究。采用光照方法,将每个节点视为光源,在未照亮的区域生成随机节点,直至光照区域能将起始点和目标点连通,生成无向有权图的边,为了测试优化PRM算法的性能,将其与传统PRM算法进行仿真测试。仿真结果表明,与传统PRM算法相比,优化后的算法可使移动机器人经过狭窄直线通道时采用较少的随机采样点,并且在较短时间内找到一条可行路径。该优化算法减少了路径中的节点数量,提高了路径平滑度和程序运行效率,解决传统PRM算法路径规划无解的问题,缩短了在狭窄直线地图中规划路径的时间,提高了程序运行效率。该研究具有广泛的应用前景。

基于近似最近邻搜索的改进PRM算法

针对移动机器人工作环境范围复杂时,使用传统概率路线图(PRM)算法非常耗时的问题,提出一种改进的PRM算法。PRM算法最耗时的部分是构建无向路径图,构建无向路径图的关键是近邻搜索。通过使用近似最近邻搜索中的局部敏感哈希算法代替原先最近邻搜索算法,在不降低生成路线图质量的前提下,加快无向路线图的构建速度,减少PRM算法的运行时间。仿真结果表明,改进的PRM算法相较于传统的PRM算法在无向路径图建立时间上减少27.36%~33.27%,使PRM算法效率大大提高。