基于改进D*Lite⁃APF算法的巡检机器人路径规划

针对巡检机器人在动态场景下路径规划存在非全局最优、路径不平滑及局部避障效果不佳的问题,提出一种将改进D*Lite算法和人工势场法融合的算法。首先优化D*Lite算法启发代价函数,提升规划效率,并引入Dubins曲线平滑生成的全局路径;其次改进人工势场法势场函数并添加随机半径扰动点,解决局部碰撞问题,提高避障性能;最后将两种优化算法有效融合,实现全局规划和局部避障。仿真实验结果表明,相较于单一D*Lite算法,融合算法在路径长度、时间花销、路径拐点及扩展节点数方面均表现更优,能在确保全局路径最优的情况下有效避障。

D^(∗)Lite算法在商场机器人导航中的应用

机器人室内导航在医院、场馆、商场等大型室内环境中有着重要的作用,正确的路径规划是机器人室内导航有效的重要保证,指的是从起点位置开始,根据某种策略,寻找一条满足条件的到达终点位置的最优路径。D^(∗)Lite算法是路径搜索算法中的一种重要算法,可在信息不全情况下求解路径,适合应用于商场及其他复杂环境。对D^(∗)Lite算法在商场机器人导航中的应用进行了分析研究。仿真模拟实验中通过对三维商场场景进行栅格化,将三维场景渲染到二维平面,再通过对二维平面中的场景随机变化障碍点来检验D^(∗)Lite算法对变化场景的适应度。实验结果表明,D^(∗)Lite算法能快速求解最优路径,并在阻碍点变化时做出快速响应。

基于改进D*Lite的二维路径连续动态规划算法

广泛应用于路径规划问题的D*Lite存在运行速度慢、容易斜穿障碍物边界节点且只能执行单次动态路径重构等问题。基于此,引入人工势场(Artificial Potential Field,APF)引力场的思想,提出了一种在既定路线上持续产生突变障碍的连续动态路径规划D*Lite改进算法(Continuous D*Lite,CD*Lite)。对原始切比雪夫代价估计算子进行改进,优化路线斜走与非斜走实际代价。引入引力算子,提出一种全域代价估计算子改进键值算子。对规避障碍物提出一种方向禁忌矩阵,避免斜穿危险节点。基于冗余点删除机制规划路线进行优化,生成较为光滑的折线。实验结果表明,CD*Lite基于多规模栅格地图均成功预规划路线,且运行时间相较实验对比算法减少约35%,在连续动态规划模式中相较实验对比算法减少约60%。

基于改进D^(*)Lite算法的移动机器人路径规划

针对在动态环境下采用D^(*)Lite算法进行移动机器人路径规划时存在的搜索效率低、路径不平滑、容易与障碍物顶点碰撞等问题,提出一种基于危险因子和三次均匀B样条曲线的改进方法。首先,进行函数优化,当扩展邻节点时,将传统启发函数计算方法改为对角线距离,以提升规划效率,并在节点代价中融合危险因子,以避免机器人斜向移动时斜穿障碍物尖角而与其发生碰撞;其次,结合三次均匀B样条曲线对路径进行拟合优化,使路径更加平滑。针对上述改进,采用PyCharm软件进行仿真,结果表明,改进后的算法有效提升了路径规划的效率及路径的安全性、实用性。

基于改进D~* Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D*Lite遗传算法。该算法将D*Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D*Lite遗传算法执行效率高,可以快速规划出全局最优路径。

基于单元分解的改进D*lite路径规划算法

障碍物分隔搜索空间会隐藏D*lite算法正确的搜索方向,增加算法的计算次数,进而影响搜索效率,针对这一问题提出一种基于单元分解的改进D*lite路径规划算法。在原有Boustrophedon单元分解法的基础上加入了新的分解规则,对环境地图进行单元分解并构建了以单元为节点的图。设计了双向图搜索算法,能够快速计算出最短路径需要依次经过哪些单元。在这些单元中设置核心网格并依照顺序构建搜索链表,引导正确的搜索方向,使规划速度提高。在仿真平台上将算法与其他路径规划算法进行对比实验,实验结果表明,算法规划出的路径长度与其他算法几乎没有差别,并且减少了计算次数、降低了规划时间,验证了算法提高路径规划效率的有效性。

基于D*Lite算法的估价函数分析

为提高D*Lite算法在机器人路径规划中的效率,提出3种基于D*Lite算法的估价函数。研究函数的特性及其构造原则,结合Aε*算法的特点,利用估价函数的可纳性约束设计其改进算法。实验结果表明,改进算法能减少扩展节点的数量,提高搜索效率,并保证其解在一定范围内的最优性。

OWL Lite形式化基础及应用研究

介绍了描述语言SHIF（D）以及本体语言OWLLite，证明了OWL Lite的形式化基础是SHIF（D），总结出OWLLite的推理问题可以归约为描述逻辑sHIF（D）知识库的满足性。最后设计了基于本体的手足口病的辅助诊断系统（HFMDS），由OWL Lite推理工具进行相应地推理工作，便于医生提出相关的治疗方案及临床建议。

改进D*Lite算法在虚拟士兵路径规划中的应用

针对传统D*Lite算法存在的频繁转弯、过于靠近障碍物的问题提出改进D*Lite算法。该算法使用烟花算法中的映射规则将过于靠近障碍物的格子判定在安全范围之外,并使用烟花算法对D*Lite算法规划好的路径中的关键转折点间的路径进行二次规划以减少不必要的转弯。路径规划结果显示,所提出的改进D*Lite算法能够实现虚拟士兵最优路径搜索并且效率更高。仿真结果分析表明,所提出的算法比已有的改进D*Lite算法更优,可以有效减少路径中不必要的转弯,且使路径与障碍物保持合适的距离。

D-star Lite算法及其动态路径规划实验研究

车辆导航系统的核心是路径规划算法,路径规划算法分静态路径规划(Static Path Planning,SPP)算法和动态路径规划(Dynamic Path Planning,DPP)算法,SPP的不足是不能对实时变化交通信息做出快速响应,而DPP则可以利用路网中实时更新的交通信息及时地为驾驶者提供更佳的导航路线。本文在研究了静态路径规划中用到的一些算法后,如A*算法,继而分析动态路径规划的一些思想,在此基础上分析D*Lite算法可以改进的地方,并给出优化后的算法程序。利用10×10、50×50、100×100三种规模的模拟路网做对比实验,实验表明优化后的D*Lite算法在速度上有了较大提高。

基于改进D^* Lite算法的电缆沟巡检机器人系统设计

对地下电缆沟运行状态的在线监测问题,针对电缆沟环境设计了电缆沟巡检机器人系统;分析了地下电缆沟在线监测的需求以及电缆沟环境带来的约束,构建了包含图像模块、温湿度检测、可燃气体检测、运动机构、自动导航模块、上位机系统在内的巡检机器人结构;采用多关节串联结构的履带式底座和双CPU(central processing unit)设计来减小机器人整体的体积和重量,采用烟花算法改进D*Lite算法,加大机器人本体与障碍物距离,提升规划路径的平滑度,实现了适用于电缆沟环境的路径规划;经现场测试,系统总功耗为94.3 W,最小通过宽度为35 cm,可穿越坡度不超过30°的障碍,获得满足测量精度要求的多种电缆运行信息,实现了地下电缆沟的自动巡检,满足了地下电缆沟在线监测的要求。

改进D*lite和时间弹性带法的移动机器人路径规划

为解决D*lite算法在进行路径规划时搜索效率低,易受运动物体影响及路径贴近障碍物的问题,提出了一种结合改进D*lite算法和时间弹性带法的融合算法。首先,将改进的跳点搜索引入到D*lite算法中,让算法只对跳点进行访问,实现了规划时间和路径长度的双优化。之后,融合改进的时间弹性带法进行局部路径规划,在提高算法动态规划能力的同时,保证了规划路径的安全性。仿真结果表明,改进的D*lite算法比原始D*lite算法在路径长度、规划时长及路径节点数上分别平均优化了7.57%、65.29%和71.80%。在实际表现中,融合算法在动态情况下比原始D*lite算法可减少11.04%的路径长度、67.10%的规划时长及11.99%的运动时间,并且保证了机器人和障碍物间的最小距离。

基于D^(*)Lite算法路径规划的改进方法

针对D^(*)Lite算法的启发值不精确、规划出的路径斜穿过障碍物栅格顶点的问题,提出一种改进的方法。首先,使用一种更为精确的计算距离代替切比雪夫距离作为启发值,新的计算距离区分了直线距离和斜线距离的代价值;其次,对扩展节点进行分类,给危险节点引入一个安全系数;最后,对改进的算法进行仿真。仿真结果表明:改进后的D^(*)Lite算法因为启发值更精确,扩展次数减少,性能更好;引入安全系数,危险节点将不作为路径的优先选择,解决了规划的路径斜穿过障碍物栅格顶点的问题。不管是预规划还是重规划阶段都能够规划出一条十分安全的路径。

基于D^*Lite算法的三维路径规划研究

为实现三维地形环境下的路径规划,建立地面栅格高程地图,并对二维平面的D^*Lite算法进行扩展;在传统D^*Lite算法的代价函数中引入相邻节点间高程差,通过最大爬坡坡度和最大侧倾坡度限制路径扩展方向,同时设立爬坡因子和侧倾因子来平衡路径的长度与安全性,避免规划路径经过大坡度危险区域。在仿真环境中对相关参数进行整定,同时进行了路径的对比验证和遇到临时障碍物时的路径重规划测试,结果表明:该算法可以有效均衡三维地形下路径长度和安全性问题。

联合D^*Lite算法与视觉的AGV路径规划与定位

针对AGV路径规划中采用遗传算法容易早熟和收敛慢,后期无法实现定点实时纠偏等问题,融合D^*Lite和量子风驱动算法,既可以有效克服局部最优问题,又可以改善路径的搜索效率、安全性及路径长度;最后采用自定义标识符法,辅助AGV实现精确定位,精度可以控制在±1 mm范围内,满足特殊点位精定位需求。

基于改进D*Lite算法的无人车避障路径规划研究

在进行无人车避障路径规划时,传统D*Lite算法仿真中常面临“徘徊不前”的问题。通过优化启发函数提出一种改进D*Lite算法可以克服该问题并获得最短路径。运用栅格图法进行环境建模,基于MATLAB 2020b平台应用改进D*Lite算法开展无人车的动态避障路径规划仿真分析,算例分析表明:无论是随机障碍地图还是存在未知障碍的园区道路地图,改进算法能完成两种地图下的自主避障路径规划,重规划路径满足无人车在低速行进中动态路径最优。

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。

基于记忆机制的动态交通路径优化算法

在对经典路径优化算法性能进行分析的基础上,指出了现有路径优化算法在大规模路网条件下实时性差的问题.通过比较道路交通网络路径优化和机器人寻路过程的异同点,基于智能机器人寻路的D^＊ Lite算法和记忆规则,提出一种新的道路网络动态路径优化算法,并对其性能进行了测试和对比分析.结果表明,该方法在保证路径优化结果相近的情况下可以减少优化计算时间26%～50%.

一种基于路网变化的动态路径规划策略

就车辆动态时间最短路径诱导问题展开研究,提出了一种便于工程实施的变起点、定目标点的动态行程时间最短路径规划方案.基于该方案,在一种大型方阵图下,就Dijkstra、A*、D* Lite等几种动态路径规划算法的计算时间进行了对比分析,针对车载动态导航设备实时性要求高、计算量要求尽可能小的特点,提出了一种基于路网变化的跳变的动态路径规划策略,根据路网中路段权值变化的具体情况,选取更加节省时间的搜索方式.利用东莞市区电子地图和路网历史流量数据进行实验,实验结果表明,该策略可以有效减少路径动态规划的计算时间,有一定的工程应用价值.

基于出行计划数据的最优路径规划方法

现有基于交通流预测的路径规划方法大多使用历史或实时交通流数据,预测时效性有待提升.针对上述问题,提出基于出行计划数据的路径规划方法(RPTP).该方法能主动捕捉出行者的未来交通需求,为车辆提供更合理的出行路线.基于出行计划的思想,设计基于出行计划数据的路径规划整体框架;构建基于出行计划路线数据的未来时段路网密度估计算法;采用空间堆叠的方式融合未来多时段路网密度,以此为依据改进D*Lite算法的启发函数.采用SUMO平台仿真验证,与静态路径规划方法(SPP)和滚动路径规划方法(RPP)进行对比分析.结果显示,在相同环境下RPTP方法能提高车辆的通行效率,缓解路网拥堵,有效验证了RPTP方法的优越性.