基于改进TEB算法的阿克曼机器人运动规划系统

TEB(timed elastic band)算法通过修饰全局路径规划生成的初始轨迹来优化机器人轨迹,得到一条满足机器人运动学动力学约束,避开障碍物,时间较优的轨迹。加速度的变化率过大会使机器人底盘电机输出的力矩突变引起机器人受到冲击震荡,加加速度的约束可使加速度的变化率限定在一个合理的范围,在TEB方法中缺少加加速度约束的基础上,对原始TEB算法进行改进,在轨迹优化过程中构建了具体的加加速度的约束,并在Stage仿真平台对改进TEB算法进行了仿真和在真实的阿克曼机器人上进行了实现,实验结果表明:得到的轨迹满足运动学、动力学,避开障碍物的要求而且平滑,真实机器人运动平顺。可见,改进的TEB算法适用于阿克曼机器人,规划的轨迹效果较好。

改进动态窗口法的阿克曼移动机器人局部路径规划器

局部路径规划是移动机器人的一项关键技术,它的品质密切关系到整个机器人系统的性能。动态窗口法是一种在机器人的速度空间内进行运动规划的自主避障算法。将该算法与阿克曼机器人相结合,提出了一个包含轨迹曲率相似度评价因子的阿克曼移动机器人局部路径规划算法。最后,在机器人操作系统(Robot Operating System,ROS)上对该新算法进行了"S"型路径导航仿真实验。实验结果表明,该算法能在已知栅格地图内实现阿克曼机器人的自主避障功能。

基于改进A^(*)与TEB算法融合的移动机器人路径规划

移动机器人在复杂环境中,利用传统A^(*)算法进行路径规划时,往往搜索效率低、转折点多、路径不平滑,且无法有效应对动态障碍物。本文提出了一种基于改进A^(*)与TEB算法融合的方案。通过设置虚拟膨胀区域、改进启发函数以及优化拐点选取策略,提高了算法的搜索效率与安全性,然后在全局最优的前提下融合TEB算法,实现移动机器人的动态路径规划。实验验证,融合算法能够有效提高搜索效率,实现路径平滑及动态避障,且满足阿克曼机器人的约束要求,具有良好的可行性与适应性。

基于ROS的微型无人车设计

描述了一款名为I-RC的自主移动机器人平台,它具有四轮驱动和Ackermann转向结构,主要介绍了机器人系统的机械和电气设计,展示了最终的研究成果。该系统具有成本低、组装容易、软件开发方便等优点,该机器人可以作为自动驾驶验证平台进一步开发。该平台可以用于计算机相关专业的教学研究,可在此平台上进行自动控制、编程等教学实验。此机器人软件系统采用了ROS(机器人操作系统)作为开发环境。