基于激光SLAM的物流分拣机器人自主导航研究

物流分拣机器人工作环境的障碍物多,为此提出基于激光SLAM的物流分拣机器人自主导航研究方法。利用激光SLAM确定机器人工作环境中障碍物的分布情况;将目标偏置策略加入到RRT*算法中,通过设置固定概率和变概率的目标偏置策略,在遍历目标点时使路径节点更具导向性,更好地避免机器人与障碍物发生碰撞,再利用搜索随机树搜索其中的最短路径。对比实验表明:与常规方法相比,该方法可在起始点与目标点之间指导机器人按照最短路径行进,导航过程花费时间较短,使机器人自主导航的出错率和能耗均在5%左右。

基于改进RRT结合B样条的机械臂运动规划方法

为解决传统快速拓展随机树(RRT)算法的随机性强,导向性差,规划时间长及寻迹平滑度差等问题,提出一种基于目标偏置策略结合自适应可变步长的改进型RRT算法(PAVS-RRT)。首先,在传统RRT算法基础上设置一个目标偏置阈值,同时引入局部扩展机制避免因改变采样结构而造成的局部最优问题;其次,结合自适应步长策略优化其搜索时间;最后,采用三次B样条函数对所规划路径进行拟合优化。仿真实验中所提算法在保证机械臂成功避障且顺利抵达目标位置的同时,其各关节参数均波动较小且未发生突变,有效降低了机械臂在运动规划过程中的抖振情况。实验结果表明,所提算法较基本算法其平均路径搜索时间提高了73.49%,算法搜索效率及平滑性得到显著改善。

基于改进RRT^(*)算法的机械臂路径规划

针对传统的RRT算法在串联机械臂的路径规划中缺乏方向性,占用CPU的资源过多,效率较低,路径规划不平滑等问题,对传统的RRT算法进行了改进,在不增加RRT算法初始路径节点数的前提下,增加了目标偏置策略,增加了随机树向目标点扩展的概率;其次,通过多次偏差迭代的方法优化路径节点的位置,不增加原有路径节点数量的情况下,实现RRT*算法的二次路径平滑优化,将改进的算法在MATLAB中进行仿真实验,实验结果表明改进后的RRT*算法路径规划所用的时间短,规划的路径更加优化,平滑度更好。

基于G-RRT^(*)算法的煤矸石分拣机器人路径规划

由于煤矸石分拣环境复杂,为了避免机器人与障碍物发生碰撞,提高分拣效率,对机器人进行路径规划十分必要。分析了煤矸石分拣系统原理,将煤矸石分拣机器人路径规划问题归结为在障碍物环境下规划出一条从给定起点到目标点的无碰撞路径,且需同时满足速度快、避免与障碍物碰撞2个约束条件。结合笛卡尔空间和关节空间的优点,提出一种在关节空间进行路径规划、在笛卡尔空间进行碰撞检测的煤矸石分拣机器人路径规划方案,该方案不需要对机器人进行运动学求逆,且可避免在关节空间中描述障碍物。针对RRT^(*)路径规划算法存在盲目性的问题,提出一种变概率的目标偏置策略,并将其引入RRT^(*)算法,得到G-RRT^(*)算法。变概率的目标偏置策略在无障碍物区域增大目标偏置概率值,以增强算法的目标导向性;而在障碍物区域减小目标偏置概率值,以保证算法的避障能力。G-RRT^(*)算法将变概率的目标偏置策略与RRT^(*)算法相结合,既保留了RRT^(*)算法路径长度渐进最优的特点,也提高了算法的目标导向性,可极大地提高路径规划效率。实验结果表明,与加入固定概率目标偏置策略的RRT-Connect算法和RRT算法相比,采用G-RRT^(*)算法得到的路径长度平均值最小,说明G-RRT^(*)算法更适用于煤矸石分拣机器人路径规划。

基于改进RRT~*算法的路径规划

针对标原始快速扩展随机树星(RRT~*,Rapily-exploring random Tree Star)算法在寻求最短路径过程中存在搜索时间长和收敛速率缓慢的问题,提出一种改善的RRT~*算法。该算法首先利用目标偏置策略减少RRT~*的随机性,然后在此基础上提供了一种改进的步长扩展方法,称为规避步长延伸法,可以使随机树在向着目标点迅速延伸的同时,又能避免陷入局部最小值,合理地避开障碍物。通过MATLAB仿真实验证明,该算法在保证RRT*算法的概率完备性和渐近最优性的前提下,可有效地减少搜索时长和加快收敛速率。

基于改进RRT-Connect的快速路径规划算法

针对双向快速扩展随机树(RRT-Connect)算法的路径规划效率较低且采样具有随机性,提出了基于RRT-Connect的改进算法(DRRT-Connect)。该算法在起始点与目标点中间选取一个第三节点作为扩展点,使算法可以同时从起始点、目标点和第三节点生成四棵随机树;同时在改进算法中引入自适应步长调节函数,当探索无障碍空间时,算法使用步长调节函数增大扩展步长,从而提高随机树探索空间的速度;在RRT-Connect算法的基础上引入目标偏置策略,使DRRT-Connect在探索无障碍空间时可以朝目标点进行快速扩展,在探索障碍物空间时则调用随机采样函数,使算法可以快速摆脱障碍物,防止陷入局部最优。将DRRT-Connect算法分别与RRT、RRT-Connect、RRT^*算法进行仿真对比,结果表明DRRT-Connect在路径规划效率与迭代次数上均明显优于其他对比算法,其中相较于RRT-Connect算法,DRRT-Connect在路径规划速度上提高了50%,迭代次数上降低了32. 3%。