Ant Colony Algorithm for Path Planning Based on Grid Feature Point Extraction

Aimed at the problems of a traditional ant colony algorithm,such as the path search direction and field of view,an inability to find the shortest path,a propensity toward deadlock and an unsmooth path,an ant colony algorithm for use in a new environment is proposed.First,the feature points of an obstacle are extracted to preprocess the grid map environment,which can avoid entering a trap and solve the deadlock problem.Second,these feature points are used as pathfinding access nodes to reduce the node access,with more moving directions to be selected,and the locations of the feature points to be selected determine the range of the pathfinding field of view.Then,based on the feature points,an unequal distribution of pheromones and a two-way parallel path search are used to improve the construction efficiency of the solution,an improved heuristic function is used to enhance the guiding role of the path search,and the pheromone volatilization coefficient is dynamically adjusted to avoid a premature convergence of the algorithm.Third,a Bezier curve is used to smooth the shortest path obtained.Finally,using grid maps with a different complexity and different scales,a simulation comparing the results of the proposed algorithm with those of traditional and other improved ant colony algorithms verifies its feasibility and superiority.

复杂城市低空无人机安全风险评估与三维路径规划

针对复杂城市环境内低空无人机飞行安全与效率亟待提升的问题,提出了复杂城市低空无人机安全风险评估与三维路径规划方法。首先,设计了无人机越界冲突率、缓冲空域占比指标,建立了无人机地理围栏安全缓冲间距优化模型,对最佳缓冲间距和栅格粒度进行了标定;然后,构建了由人口密度层、遮蔽层和障碍层构成的无人机风险地图,建立了弹道下降和失控滑行两种模式下的无人机对地风险评估模型,生成了精细化、组合化的城市低空概率风险地图;最后,综合利用地理围栏、概率风险地图和跳点搜索算法,对无人机三维路径进行了初始规划和优化重构。结果表明:弹道下降模式的伤亡风险是失控滑行下降模式的5~75倍;与A*算法相比,跳点搜索算法有效减少了飞行路径的转弯数量,缩短了求解时长,更适合规划无人机飞行路径;与不采用风险地图的方法相比,基于风险地图的无人机路径规划减少了50%的较高风险节点,相应的路径长度仅增加了7.2%和11.4%,整体路径节点的伤亡风险明显降低。研究成果可为复杂城市低空无人机飞行计划制定及安全运行监管提供理论依据和方法支撑。

基于改进蚁群算法的移动机器人路径规划

针对传统蚁群算法在移动机器人路径规划中存在搜索盲目性、收敛速度慢及路径转折点多等问题,提出了一种基于改进蚁群算法的移动机器人路径规划算法。首先,利用跳点搜索(Jump Point Search,JPS)算法不均匀分配初始信息素,降低蚁群前期盲目搜索的概率;然后,引入切比雪夫距离加权因子和转弯代价改进启发函数,提高算法的收敛速度、全局路径寻优能力和搜索路径的平滑程度;最后,提出一种新的信息素更新策略,引入自适应奖惩因子,自适应调整迭代前、后期的信息素奖惩因子,保证了算法全局最优收敛。实验仿真结果表明,在不同地图环境下,与现有文献结果对比,该算法可以有效地缩短路径搜索的迭代次数和最优路径长度,并提高路径的平滑程度。

改进人工势场算法的路径规划

人工势场法是一种适用于局部路径规划的算法,针对人工势场法存在的目标不可达、局部极小值等固有缺陷,提出了一种改进后的人工势场法。首先针对目标不可达问题,将引力影响因子添加到斥力场的生成中,改进斥力场函数,从而避免引力与斥力合力为零的情况。针对局部极小值问题,通过设立虚拟目标点来引入额外外力,打破机器人的平衡问题。通过与其他算法的对比实验,仿真结果显示,改进人工势场法规划的路径长度和消耗时间都更短,稳定性更强。

改进A^(*)算法的安全高效室内全局路径规划

针对A^(*)算法生成路径存在斜穿障碍物、转折点多及不平滑的情况,本文提出一种改进的A^(*)算法。首先通过排除所有强迫邻居节点来优化搜索邻域,避免生成斜穿障碍物的路径,提升路径的安全性和可靠性;其次设置安全距离,提取优化邻域后生成路径的必经转折点,减少路径冗余,简化路径结构;最后使用贝塞尔曲线对必经转折点进行插值,根据相邻两必经转折点的位置和连线斜率确定每段贝塞尔曲线控制点的数量和位置,进行分段平滑。仿真实验表明,改进的A^(*)算法较原A^(*)算法生成的路径安全性平均提升了33.68%,转折点个数平均减少了37.00%,同时机器人转向角和路径曲率连续,保证了路径的平滑。改进的A^(*)算法最终生成的路径与障碍物均保持在安全距离内,转折点少且平滑,可应用到移动机器人室内路径规划中。

面向曲率及边界距离约束的弯曲管道内路径规划

弯曲管道结构是工业探测或医用诊察中常见的一种场景,传统机器人的路径规划大多基于管道中心线的提取,而忽略了在狭窄空间中作业的真实参数约束,易使得作业工具末端受到弯折或挤压,影响作业效率,增加作业风险.针对以上问题,提出了一种面向真实曲率和边界距离参数约束的路径规划方法,在可视化的三维模型中生成管道的中心稠密点集,针对该点集提出两步走的空间特征点识别策略.在选定作业路径的初始点、终止点后,依据邻近点间的曲率均值、极值及差分关系识别曲率极值点、分段点,通过对粗扫描特征点的遍历进一步识别出拐点和宽域节点以及过密点.将识别出的特征点作为型值点,反算得到NURBS曲线及对应插值点的曲率值,通过模型切片搜索得到曲线插值点的边界距离不合格点集.将极值点添加至特征点集中,再通过搜索得到的曲率不合格点集,将极值点进行拟合圆调整至后更新特征点集、在完成自适应轮次的特征点迭代后,检测并标记为空或连续不变的全区间参数不合格点区间集.实验结果证明:弯曲圆柱仿真模型和CT重建肾腔模型的规划路径经由迭代分别满足曲率10 mm^(-1)、8 mm^(-1)的约束.同时最短距离的全区间检测及标记结果也表明本文方法可以在满足曲率要求的前提下尽可能不碰撞管道内壁,验证了本文方法的有效性和可行性.

一种基于曲率和B样条的矿区装载车辆连续路径规划方法

矿区装载车辆的任务是从进入点到装载点进行装载,然后离开矿区。在进入装载点前,车辆要在回转点改变行进方向,以便倒车进入装载点。针对装载车辆的任务特点,本文提出了一种基于曲率和B样条的路径规划方法。首先,基于车辆运动模型设计了A*算法的成本函数,获得了与车辆转弯半径相关的离散路径。为了进一步获得装载车辆的连续路径,又提出了改进的B样条插值法,使得连续路径两端切线符合车辆起始点和终点的位姿。随后,基于模拟退火算法,获得了车辆的回转点,使得车辆可以在进入装载点前改变前进方向。仿真结果表明,所提出的连续路径规划方法能够保证生成曲率连续的装载车辆路径,并保证路径两端符合车辆在起始点和终点的位姿,为矿区装载车辆的自动驾驶技术提供了基础。

基于激光雷达点云地图的车辆定位与导航

为解决自动驾驶系统中车辆自主定位与导航无法准确估计车身位姿及导航路径不够平滑等问题,提出一种基于先验激光雷达点云地图的定位与导航方法。利用点云分割技术分离出可行区域以及潜在的风险源,研究基于优化收敛流程的NDT(Normal Distribution Transform)点云配准定位方法,并对传统A*算法从动态权重设计和扩展领域优先搜索策略两方面进行改进,以适应自动驾驶的实时定位与导航需要。实验采用百度Apollo自动驾驶开发套件(D-KIT)进行多组对照实验,在体素降采样Leafsize参数为1(高采样)、1.2(中采样)与1.5(低采样)时,定位耗时分别降低了27.77%,38.75%和38.30%。选取四组符合实际驾驶需求情况进行导航实验,改进后导航路径最大曲率分别降低了80.9%,74.9%,65%,69.5%,导航过程路径曲率保持较低且稳定平滑,曲率数据符合车辆动力学。为车辆定位与高精度导航提供有效方法。

改进势场蚁群算法优化路径自动规划

针对势场与蚁群联合的自主路径规划存在局部最优解、初始路径选择随机导致效率不高及环境适应性差等问题,提出了基于自适应域和参数自适应设置的改进算法。算法首先基于自适应域改进势场目标不可达问题,并过滤震荡点以平滑路径;其次,通过状态转移函数和信息素更新等相关参数的自适应设置,提高算法在收敛效率和搜索能力上的平衡性,进而提高对障碍环境的适应性。实验结果表明,所提算法能够有效避免局部最优、目标不可达和复杂环境的适应性问题,在路径长度和效率上优于实验采用的已有算法,从而验证了算法的有效性。

基于视觉算法的采摘机器人控制优化研究

为了优化采摘机器人控制,基于视觉技术设计了控制系统。首先,在大津分割法的基础上,计算图像中的角点,将角点从分割后的二值图中去除,降低背景干扰点簇的影响;其次,建立褐菇几何特征参数,以此参数对褐菇进行特征图像提取;再次,采用遗传学算法,对褐菇采摘路径进行优化,与传统往复前进式路径规划相比路程缩短了30.5%;最后,对系统进行实地褐菇采摘测试,结果显示:辨别成功率分布区间为[87%,91.7%],采摘成功率分布区间为[80%,85.75%],单个褐菇平均采摘时间分布区间为[12.4s,13.2s],系统具有良好的采摘性能。

基于偏转角抑制的改进人工势场法路径规划

针对传统人工势场法在实际应用中存在的局部最极小值、目标不可达以及路径震荡等问题,文种提出了一种基于偏转角抑制的改进人工势场法。该方法以传统人工势场法为基础,采用改进斥力势场函数保证目标点为全局势能最低点。在路径解算中引入偏转角抑制因子来抑制无人车行驶过程中过大的偏转角,在无人车陷入局部极小值点后每一步的路径解算中都添加新的虚拟目标点,直至无人车累积一定的偏转角摆脱障碍物群。仿真实验结果表明,该算法可以在不影响无人车避障的情况下减少规划路径的震荡性,并能够使无人车逃脱复杂障碍物群顺利到达目标点,规划出一条有效、简短以及震荡较少的路径。

民机外表面上部自主视觉检查中的降维路径规划研究

传统的民机外表面检查过程中,人工目视检查存在成本高、效率低、工作时间长等诸多不足,而带有机载视觉系统的机器人可以安全、快速、准确地检查民机外表面。本文提出一种用于民机外表面上部自主视觉检查的三维覆盖路径规划方法。通过对民机外表面上部进行初步点云获取,对机身、机翼区域切片,将三维点云映射到平面,然后进行二维覆盖路径的规划及三维空间的路径复原,快速生成优化的三维全覆盖检查路径。结果表明,该方法可以缩短三维覆盖路径规划的时间,较大程度地降低民机外表面上部自主视觉检查的成本,推动自动化检查民机表面技术的发展。

基于改进跳点搜索和蚁群算法的机器人多目标点巡检规划

针对移动机器人的多目标点巡检规划问题,本文提出了一种融合改进跳点搜索算法(JPS)与蚁群算法(ACO)的路径规划算法.首先,在JPS算法的评估函数中引入角度引导因子,使路径具有更强的导向性;然后,综合考虑路径距离、平滑度、安全性对评估函数的影响,以获得综合性能更优的路径;其次,提出了双向的逆向跳点剔除规则,筛除了多余节点,从而进一步降低路径长度并提高路径平滑度;最后,将多目标优化得到的路径综合性能替代传统旅行商问题(TSP)中的距离因子,并使用自适应蚁群算法来实现多巡检点的路径规划问题.仿真结果表明,改进JPS算法与传统JPS算法相比,具有更好的综合性能;同时应用于多巡检点规划时,具有更强的有效性和实用性.

改进双向动态JPS算法的移动机器人全局路径规划

针对跳点搜索(jump point search,JPS)算法在寻路过程中所存在的路径拐点多、中间搜索跳点数多、寻找跳点的过程中扩展节点数多和寻路时间较长等问题,提出改进双向动态JPS算法。改进算法动态定义正、反扩展方向上的目标点,动态定义启发函数,并利用动态约束椭圆对算法的扩展区域加以限制,以区分椭圆内、外区域的扩展优先级。在算法从起点和目标点两个方向上分别向对方进行扩展的过程中,以寻找到的新的代价最小点为新椭圆的焦点,椭圆的方位和约束区域也随之动态调整。仿真结果表明,经过优化改进的双向动态JPS算法在一般地图中有一定的表现,在障碍物较少且目标点距离起点较近的室内环境地图中表现尤为良好。

基于可视图与改进遗传算法的机器人平滑路径规划

针对传统遗传算法在路径规划中存在收敛速度慢、易早熟和路径质量差等缺点,提出一种基于可视图与改进遗传算法的路径规划算法。首先,利用可视图法压缩地图信息,减少搜索节点;然后,对路径个体采用浮点数编码,引入模拟二进制交叉(simulated binary crossover,SBX)算子和多项式变异算子,并采用精英保留策略和轮盘赌相结合的选择算子以防止优质个体丢失;之后,将贝塞尔(Bezier)算子引入遗传算法,改善路径的平滑性;最后,分段优化贝塞尔控制节点,防止优化路径与障碍物碰撞。在仿真地图中进行测试,实验结果表明,所提算法相比于其他算法可以规划出一条更平滑、更短的路径。将算法应用在康复助行机器人中进行测试,实验结果表明,所提算法能有效解决机器人的全局路径规划问题,提升全局路径规划的效率。

基于改进人工势场法的机织机器人避障路径规划

针对机织机器人自动化作业时的避障问题,提出基于改进人工势场法的三维避障路径规划算法。利用改进人工势场法中斥力势场函数,引入修正系数,在机织机器人陷入局部极小值点时增加虚拟障碍物,破坏其在虚拟力下的平衡状态,解决了人工势场法无法到达目标位置和局部极小值点的问题。通过体素化网格方法和快速凸包算法处理障碍物点云数据,重建实际障碍物模型,提高了碰撞检测效率。仿真结果表明,以点云数据重建障碍物模型并采用改进人工势场算法规划出的避障路径使机织机器人成功到达目标位置,末端位置精度平均提高37%,并避免陷入局部极小值点。

时变指向约束下姿态参数空间离散化路径规划方法

为满足深空探测器在复杂动态环境约束下的姿态机动任务需求,解决时变指向约束下姿态路径规划求解困难、路径优化性能差的问题,提出了一种基于修正罗德里格斯参数(MRP)和动态路径搜索的姿态参数空间离散化路径规划方法。通过MRP空间的笛卡尔网格划分和非奇异空间构建,实现航天器姿态的参数空间离散化和指向约束表征。考虑指向约束的时变动态特性,在三维动态空间中搜索初始到目标姿态的机动路径,并引入路径节点的时间特性,在约束冲突时对路径进行实时修正,设计非奇异空间时变约束路径搜索算法,生成执行路径节点序列。进一步,对生成的路径节点进行插值拟合,基于逆动力学方法计算角速度和控制力矩,完成姿态机动轨迹规划。仿真结果验证了该方法的有效性,可为深空探测器在时变指向约束下规划出姿态机动执行路径。

基于视觉机器人障碍点云映射避障规划及仿真

针对复杂非结构化果园环境下的视觉点云障碍物识别的数据量大、冗杂度高,严重影响采摘作业的实时性及效率,基于点云分割提出了一种点云压缩算法,旨在提升了点云障碍物的识别效率及环境自适应性。采用了基于Informed RRT^(*)及结合逆投影算法Mapping-based Informed RRT^(*)(M-Informed RRT^(*))降维求解采摘路径。通过构建一个强实时性和高鲁棒性的机器人“采样-感知-避障”一体化作业系统,实现了高效的障碍物识别和路径规划。ROS采摘机器人的实验数据证明了本算法的可行性,显著提升了采摘作业的效率。

基于贪心策略改进RRT^(*)算法机械臂路径规划

RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但是算法生成的路径往往缺乏所需的平滑性,难以直接应用于实际的机械臂操作。针对这些问题,研究提出了一个基于贪心策略的RRT^(*)算法改进版本。新算法改进了代价函数和重连策略,并在高维搜索环境中,通过贪心算法进行偏执采样,自适应地选取预设路径节点,从而提高搜索效率,增强轨迹的平滑性并进行直接应用。通过Matlab、ROS仿真和机械臂实际应用避障实验,验证了改进的RRT^(*)算法在三维空间中的高效性和优越性,尤其是在搜索效率与路径平滑性等方面。