一种改进的移动机器人路径规划算法

为解决快速随机扩展树算法(RRT)无效采样以及路径不最优等问题,提出一种基于RRT和A^(*)算法的拟水流避障算法RRT-QSA^(*)。在采样上引入RRT算法规定采样区间来限制采样点,增强采样的目标导向性;遇到障碍物时采用融合了A*算法的拟水流避障算法迅速绕过障碍物;采用路径优化算法对搜索到的路径进行路径优化。仿真结果表明:与RRT算法相比,RRT-QSA^(*)算法的计算时间减少了96.83%~99.88%,搜索节点数减少了86.62%~96.01%,路径长度数减少了9.9%~16.7%,转折角度减少了80.93%~93.04%。随着地图的增大,RRT-QSA^(*)算法比RRT算法计算效率的提升更加明显。

基于ROS与深度学习的智能避障移动机器人的设计

为实现移动机器人的避障功能,文中提出了一种基于深度学习的移动机器人视觉避障系统,该系统通过深度学习训练得到基于卷积神经网络的图像分类器,使用迁移学习技术缩短分类器的训练时间,基于ROS操作系统进行避障功能的设计与实现。分析预设概率值对避障效果的影响,在合适的线速度、角速度与预设概率值的条件下测得避障成功率约为93%。测试结果表明,系统具有较好的避障能力,对不同环境和障碍物有良好的适应性。

移动机械臂整体控制研究

针对以固定的基坐标系机器人抓取不便,设计了一套移动机械臂整体,将一种以STM32为主控单元的六自由度机械臂,安装在配备有Kinect传感器的TurtleBot2移动机器人之上。通过TurtleBot2移动机器人及Kinect传感器实现的路径规划、环境地图构建和避障等功能,来控制六自由度机械臂的运动,配合机械臂的手动抓取和自动抓取,进行移动机器人与机械臂的协同运动控制。