具有遍历特性的移动机器人规划方法的研究

本文提出了遍历规划的概念和数学描述 ,以及完全遍历规划的设计方法 ,给出了常用的几种性能评价函数 .在此基础上 。

未知环境中基于A^(*)算法改进的遍历式路径规划算法

针对如何减少未知环境中因复杂地形造成规划路径中存在无效重复路径段问题,提出APF-A^(*)算法。采用最近邻边界点选择策略保证规划路径对未知环境的高覆盖率,利用人工势场算法改进传统A^(*)算法中估值函数。算法在栅格地图上进行了实验验证。结果表明:APF-A^(*)算法规划出的路径与A^(*)算法相比在路径总长度方面降低了5.3%以上,在平均路径重复率方面降低了5.4%以上,APF-A^(*)算法有效减少了无效重复路径段。

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索,提出了一种新的完全遍历路径规划方法.该方法用G rossberg的生物神经网络实现移动机器人的局部环境建模,将滚动窗口的概念引入到局部路径规划,由启发式算法决定滚动窗口内的局域路径规划目标.该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划.仿真研究证明了该方法的可用性和有效性.

基于蚁群算法的完全遍历路径规划研究

提出了一种局部区域遍历和全局运动规划相结合的完全遍历路径规划方法;针对基于Boustrophedon单元分解所得区域的特点,机器人可在局部区域内采用往复运动的方式实现遍历。该方法定义了遍历空间中子区域间综合连通距离,综合连通距离包括区域之间的连通关系、区域之间的最短距离、区域之间的障碍物情况等要素,整个遍历空间中的连通关系由一个完全赋权连通矩阵表示。采用蚁群算法对子空间遍历距离进行优化,得到了最短全局遍历顺序。最后以一个模拟环境为求解实例,证明了算法的有效性。

一种室内扫地机器人全遍历路径规划方法研究

针对目前室内扫地机器人大多采用随机式或者规划式清扫方式,会造成重复率高、覆盖率低及清扫时间长等问题,提出了一种沿边学习、子区域划分和局部地图创建、沿边向中扩展清扫循环的全遍历路径规划方法。机器人通过传感器沿第一条边学习周围环境,学习结束后划分子区域并建立局部地图;以子区域边界点为起点沿边向中扩展遍历清扫子区域;完成子区域清扫后以遍历终点为起点进行第二条边学习,直到完成整个环境区域的清扫。实验验证方法覆盖率提高了4%~8%,清扫时间缩短了2~7 min,且成本低、方法简单易行,具有一定的应用价值。

双向清洗机器人玻璃幕墙完全遍历路径规划

报道了玻璃幕墙清洗机器人设计与路径规划多采用自上而下单向作业造成作业效率较低的现状,对具有双向作业功能的玻璃幕墙清洗机器人路径规划方法进行了研究。充分利用环境物理信息,提出一种考虑机器人往复主运动方向、集成栅格法与启发式搜索算法并可应用于双向作业玻璃幕墙清洗机器人的完全遍历路径规划方法。最后以一个模拟环境为求解实例,证明了算法的有效性。仿真研究表明,该算法不仅简单有效,而且可明显改善路径规划性能,降低路径重叠率。

室内未知环境遍历路径规划算法综述

在全局环境未知的情况下,机器人根据自身的传感器实现对环境的遍历探测,称为未知环境的遍历路径规划。其相关算法可以分为3类:一种是简单的随机遍历策略,如迂回往复式;一种是在沿边学习后,建立环境轮廓模型,采用全局视角与局部路径规划相结合的算法;另一种是不采取沿边学习的漫步式探测路径规划。

基于神经元激励的移动机器人遍历路径规划

结合栅格法与神经元基本思想,提出了一种新的移动机器人完全遍历路径规划方法。该方法首先利用栅格法对环境地图进行划分,把划分而得到的每一个栅格作为一个神经元,然后将神经元进行初始活性赋值,依据机器人运动方向对神经元实施外部激励;机器人通过寻求邻近神经元中活性值最大的神经元而移动,直至遍历完环境地图上所有可达点。计算机仿真实验表明:该方法能有效避障、路径重复率小,实现了机器人的完全遍历路径规划,也验证了该方法的可行性与有效性。

未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法。该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数。引入虚拟障碍和直接填充算法,解决了U型障碍区域的连续遍历问题。最后通过仿真实验表明了该方法在未知复杂环境下的有效性。

储罐探伤爬壁机器人全遍历路径规划方法

储罐探伤爬壁机器人全遍历路径规划要求机器人高效遍历储罐外壁全部无障碍物区域。结合邻接矩阵、路径选择函数,提出一种单元分解算法并应用于爬壁机器人路径规划中。首先,将爬壁机器人的工作环境简化为二维平面,并通过分析漏检面积确定机器人遍历基本路径;接着,建立栅格环境,对每个栅格赋予xi值以表示其栅格状态;其次,采用矩形分解法将工作环境划分为若干子区域,通过图的深度优先搜索算法和邻接矩阵确定各子区域的衔接顺序;最后,在子区域的遍历和切换过程中,引入方向函数yi来判断爬壁机器人是否陷入死区,结合xi值提出路径选择函数fi以引导爬壁机器人快速逃离死区。在虚拟环境中进行了仿真实验,仿真结果表明,该方法不仅能引导爬壁机器人以高覆盖率和低重复率遍历工作区域,而且能快速地逃离死区。全遍历路径规划的实现拓展了爬壁机器人在检测储罐罐壁中的应用。

储罐检测爬壁机器人全遍历路径规划

针对爬壁机器人难以在储罐外壁实现全遍历检测的问题,提出了一种基于滚动窗口的优先级启发式路径规划算法。在滚动的可视窗口内基于栅格地图进行环境建模,利用优先级启发式算法在滚动的规划窗口内实现对遍历路径的搜索;针对环境中存在U型障碍物的情况,进行了U型障碍物识别和U型障碍物区域直接填充;当机器人陷入死区时,采用死区逃离算法使机器人顺利逃离死区。仿真结果表明,该路径规划方法能指导爬壁机器人在未知储罐外壁环境的情况下实现高效全遍历。研究结果对提高爬壁机器人在储罐外壁的遍历效率具有一定的理论和工程意义。

基于改进A^(*)算法和DFS算法的割草机器人遍历路径规划

针对割草机器人大面积作业时遍历路径规划覆盖率低、重复率高、普适性弱的问题,提出一种改进A^(*)算法与DFS算法相结合的遍历路径规划算法。首先,根据已知环境全局信息,通过牛耕式分解法将目标区域划分成多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,使用DFS算法规划子区域的遍历顺序;最后,采用改进A^(*)算法进行跨区域路径转移并且往复式遍历各子区域的内部。仿真试验结果表明:该遍历算法的覆盖率达到100%,遍历重复率为0,改进A^(*)算法所规划的跨区域转移路径长度和转向次数比A^(*)算法分别减少3.26%和62.5%。所提出的遍历算法具有覆盖率高、重复率低、普适性强的特点,改进A^(*)算法通过路径平滑性优化和添加防碰撞安全间距对A^(*)算法进行改进,使之规划的路径更平滑、更安全,路径长度更短。该研究结果旨在为割草机器人遍历路径规划提供理论参考。

多无人艇协同遍历路径规划算法

为了实现对岛礁及周围海域水下地貌信息的获取,同时使用多个无人扫测艇进行协同测绘以提高测绘效率,文中提出一种协同遍历路径规划算法:采用扫描线多边形方法得到动态栅格地图,建立水域环境模型,基于K-means++算法对任务区域进行分配,分配区域内使用启发式路径规划算法得到完全遍历路径。仿真结果满足区域分配的均匀性和遍历路径的连通性要求。在此基础上提出了动态重规划算法,根据实时可工作无人艇数量对未遍历区域进行重分配。仿真结果证明,在不同间距的栅格地图中,协同遍历算法均提高了测绘效率,路径重复率较低,可以快速高效地实现动态重规划。

海洋自主航行器多海湾区域完全遍历路径规划

海洋自主航行器在对海底地形测绘和水文信息搜集过程中,简单锯齿形完全遍历路径规划算法对多海湾海底地形探测易出现重复区域和遗漏区域的问题。本文提出了遗漏海湾和重复海湾及其进入点、退出点和门户的路径规划环境表达概念,并将其应用在基于行为的锯齿形完全遍历路径规划改进算法中,有效地减少了海洋自主航行器全覆盖地形测绘的重复区域和遗漏区域。在网格化定常流场海域内,对某一阻力特性已知的自主水下机器人进行了完全遍历路径规划仿真,验证了基于重复和遗漏海湾搜索行为的完全遍历路径规划算法的遍历性和不重复性,并降低了区域全覆盖地形测绘任务的耗能。最终,通过小型无人艇湖试验证了算法在完全遍历路径规划中的节能性和实用性。

基于记忆模拟退火和A^*算法的农业机器人遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A^*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。

复杂环境下UUV完全遍历路径规划方法

针对复杂环境下无人水下航行器(UUV)完全遍历路径规划方法的不足,文中基于蚁群算法和生物激励神经网络,提出了一种高覆盖率、低重复率的完全遍历路径规划方法。该方法基于栅格法和生物激励神经网络进行环境建模,将神经元活性值引入蚂蚁转移概率公式中,既克服了蚁群算法需要对环境提前扫描学习,运算复杂的不足,又避免了生物激励神经网络随机性强,重复率高的缺陷。仿真试验表明,文中方法不仅有效实现了复杂环境下UUV完全遍历路径规划,而且能够以最短路线跳出死角,具有覆盖率大、重复率小,实用性强的优点。该研究可为进一步开展动态环境中的UUV完全遍历路径规划提供参考。

基于内螺旋搜索的生物激励遍历路径规划算法

针对传统生物激励神经网络遍历路径规划的重复覆盖率高和子区域间路径不是最优的问题,提出了基于内螺旋搜索的生物激励遍历路径规划方法。方法在未知水下环境信息的情况下通过生物激励神经网络算法完成水下地图环境建模与路径规划,在分割出子区域后通过内螺旋算法占主导完成子区域遍历,避免神经元活性值相同引起重复覆盖,子区域间通过A*算法实现最优路径规划。仿真结果表明,相较原方法,上述方法生成的路径分别在重复覆盖率、运行时间、路径长度指标上均有较大提升。

移动机器人混合式全遍历覆盖路径规划算法

针对移动机器人在未知环境下的全遍历覆盖任务,将滚动规划与已知环境下的搜索策略相结合,设计了一种混合式的全遍历覆盖路径规划算法.对声纳传感器探测到的环境信息进行滚动规划,把未知区域转化为已知区域.在已知区域,采用有限状态机方式来组织全遍历覆盖路径规划算法,状态之间的转换通过二叉树搜索策略、目标栅格选取策略和两点法搜索策略来实现,并对算法进行仿真.结果表明,移动机器人能全遍历覆盖整个工作区域,重复率低,能有效提高工作效率.

基于单元分解法的移动机器人遍历路径规划

针对移动机器人遍历路径规划问题,利用boustrophedon单元分解法建立环境模型,将环境地图分割成若干子区域,每个子区域设一个基点,子区域与基点一一对应。提出了一种领域法,通过搜索基点,即可找到该子区域以及确定该子区域是否被遍历到。首先进行第一层遍历路径规划,遍历完成后,搜索地图模型基点,确定是否存在未遍历到的基点,该基点即代表其子区域。寻找到后进行第二层局部区域遍历。

基于回溯的室内机器人完全遍历路径规划

完全遍历路径规划算法得到越来越多的关注。提出一种基于回溯的双向完全遍历路径规划算法,根据工作环境的纵横比,选择合适的局部遍历优先级采用牛耕法完成局部覆盖,采用改进的A*算法规划出从临界点到回溯点的无碰撞路径完成区域转移,实现工作环境的全覆盖,当回溯点个数为零时,机器人就完成了对地图的完全覆盖。仿真表明,与BA*和B-Theta*算法相比,在横向距离大于纵向距离如30×50的地图上,转弯次数减少15%,且能实现完全覆盖,回溯点的个数减少81%,重复路径长度减少5%。新算法有较好的参考和应用价值。