边缘实时车辆避障决策方法的设计

为了在智能无人驾驶车辆行驶过程中进行实时避障决策计算,避免车辆自身算力不足以及中心云计算远程数据传输导致避障响应滞后的问题,本文提出将车辆采集得到的图像和超声波测距的目标检测数据发送给部署在车辆附近的边缘计算服务器进行分析的方法,经过状态转换计算并返回车辆偏转决策指令,以达到快速避障效果。实验结果显示,该方法在避障算法执行时间和数据传输时间两个性能指标上均得到较好的改善。

基于多传感器的扫地机器人导航系统避障研究

探讨了扫地机器人导航系统中基于多传感器的避障问题。通过设计一套多传感器避障方案,结合多传感器数据融合算法、避障路径规划算法,并考虑其他潜在影响因素,实现扫地机器人导航系统性能。

激光近场探测传感器在机器人动态避障中的应用

普通传感器在工业机器人应用中,外部环境的不确定性会对机器人目标探测效果造成影响,导致机器人无法精准避障。为此,研究激光近场探测传感器在机器人动态避障中的应用。确立场景环境坐标系,并利用探测传感器探测出障碍物信息。基于此,采用多激光近场传感器信息融合技术,定位探测的障碍物,从中得出障碍决策值,最终根据障碍决策值,制定激光近场探测传感器动态避障行为,完成动态避障。实验结果表明,通过对该传感器开展机器人静态避障测试、动态避障测试,验证了该传感器应用后的避障精准度高。

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。

基于视觉深度学习的机器人环境感知及自主避障

动态避障是机器人实现自主移动、安全行走的关键,面对复杂多变的室内场景,机器人需要能够及时检测到障碍物并动态规划安全的行走路线。利用RGB-D深度相机和IMU单元建立机器人环境感知系统,为机器人提供三维视觉和姿态角度等多模态信息。首先构建基于YOLOv4改进的目标检测模型,通过YOLOv4-M目标检测算法对彩色图像中的障碍物进行识别;将彩色图与深度图对齐,获取障碍物的尺寸信息以及机器人与障碍物的空间距离;根据机器人的实时姿态角度和对周围障碍物的识别信,建立基于改进的人工势场法避障决策模型,解决总势场计算陷入局部极小解的问题,动态规划行走路径,并将决策结果发送到机器人底盘控制单元,从而实现机器人在陌生场景中的自主运动。通过仿真分析及实物实验表明该方法可以实现机器人的自主避障。该方法的研究为机器人仅依赖视觉和惯导传感器就可以实现障碍物识别和自主移动避障提供了依据和参考。