基于平滑A*人工势场法的机器人动态路径规划

针对动态环境下移动机器人的路径规划问题,提出了平滑A*人工势场法的路径规划方法。首先采用平滑A*算法在静态障碍物环境中进行全局路径规划|其次,在机器人遇到动态障碍物时采用A*人工势场法进行局部动态路径规划,并以此调整全局路径规划结果|最后对路径规划结果进行平滑处理。将平滑A*人工势场法应用于机器人动态路径规划,并与D*算法进行对比。实验结果表明,该算法能够在动态环境下规划出一条更为优化的路径,有效缩短了路径长度,提高了规划效率。     

基于改进人工势场的水下无人航行器路径规划仿真研究

为解决动静态障碍物环境下水下无人航行器避障与路径规划问题，提出一种改进人工势场算法。针对传统人工势场算法存在目标不可达和局部最小值问题，将水下无人航行器与期望目标之间的距离及障碍物之间的预计碰撞时间加入斥力势场函数，利用改进后的人工势场算法实现动静态障碍物环境下的避障与路径规划，保证水下无人航行器的航行安全。仿真结果表明，改进人工势场算法在两种环境下均可使水下无人航行器成功避障并到达目标点。通过仿真研究可提高学生独立开展工程问题研究的能力。     

辐射扫描算法在无人船航迹规划中的应用

提出了一种基于2D扫描为基础的辐射扫描算法。首先利用栅格法确定栅格粒度,建立环境空间模型。在起点与终点之间存在障碍物的前提下,向两侧扫描获取周围障碍物信息,并确定子节点。子节点不断扫描和更新下一级子节点,从而扫描到终点,并通过终点反选父节点确定最终路线。减少了传统算法规划路径中最终的结果并非最优解的问题。使用LabVIEW2017平台编写了算法仿真软件,进行大量实验。结果表明,该射线扫描算法在规划路径上比传统蚁群算法生成路径质量更高,有效提高了算法应用于三维空间路径规划时的可靠性。     

改进的可视图法在路径规划中的运用

近年来移动机器人路径规划技术得到了迅猛的发展,针对路径规划技术,人们先后提出了多种算法,然而在实际的运用中,它们却显示出不同的局限性,有时人们需要对它们进行适当的改进.可视图法在移动机器人路径规划中占有重要的地位,但随着障碍物增多或遇到复杂多边形障碍物时,其运算的复杂程度就会增加,规划的难度也随之增加,现在采用算法将可视图法中一些"没用"的障碍物删除,通过两点之间直线最短的原理,选出路径规划的方向,从而减少路径规划的复杂程度和运算时间,增加可视图法的适用范围.     

基于多传感器的绕动态障碍物的线路规划算法研究

通过对几种常见的自主式移动机器人绕静态障碍物的线路规划算法研究,改进了线性探索法,基于多传感器信息融合技术,提出了一种绕动态障碍物的线路规划算法。     

一种防震荡的机器人路径规划算法

移动机器人路径规划问题中,当机器人遇到较大障碍物时容易出现震荡现象,文章针对该问题提出一种基于栅格模型和蚁群算法的路径规划算法。当蚁群中的蚂蚁没有遇到障碍物时,优先选择离目标点最近的可行点;当蚂蚁遇到障碍物时,特别是较大障碍物时,改变蚂蚁选择下一步栅格的策略,使之能尽快绕开障碍物,朝着目的地前进。最后的仿真结果显示该算法能在一定程度上消除震荡现象。     

改进人工势场法的移动小车动态避障路径规划

为使移动小车更好地适应复杂的实际行车道路环境,实现动态障碍物环境下的路径规划,并解决传统人工势场法中的局部最小值问题,提高驾驶安全性,改进传统人工势场法中的障碍物斥力势场模型,并增加了速度斥力势场模型和道路边界约束斥力势场模型,同时将障碍物连锁网络结构与随机目标点法相结合,加入传统人工势场算法中。仿真结果证明了该改进方法的有效性,移动小车能避开局部最小值陷阱到达目标点,实现动态避障路径规划。     

基于遗传算法的机器人路径规划

静态环境中的移动机器人全局路径规划是路径规划中的一个重要问题,本文采用遗传算法遗传算法解决移动机器人的路径规划.该方法首先采用栅格法环境建模,采用遗传算法规划机器人路径,最后用MAT-LAB来实现算法,仿真后,观察路径,得出最终结果.     

基于改进蚁群算法的机器人路径规划方案研究

蚁群算法是机器人路径规划中的经典算法之一,在二维静态环境中,传统蚁群算法在机器人路径规划中还存在一些缺点,如算法收敛较慢、容易陷入局部最优并可能导致算法停滞等。针对这些缺陷,对传统蚁群算法提出相应改进,引入自适应启发式因子、拐点个数等参数,并采用不同启发式因子对随机概率进行更新。使用Matlab对改进前后算法的收敛速度、避障寻径和最短路径长度等进行对比分析。结果显示,改进后的算法较传统算法不仅可以使机器人有效避开所有障碍物,而且能够高效寻找到最短路径,在很大程度上避免了算法陷入局部最优。     

基于激光雷达和温度传感的高温避障

激光雷达不宜用于检测障碍物的温度。如果路径规划时仅使用激光雷达而忽视高温障碍物对智能车和其携带货物的热辐射作用,将会导致安全隐患。针对该问题,在常规RBPF SLAM算法原理基础上,改进并运用提议分布和自适应重采样两种方法,融合红外热像模块检测出的环境温度信号,提出了一种在建图过程中改变高温障碍物栅格状态的方法;在所搭建的智能车高温避障导航测试场景下进行有无高温障碍物的导航避障对比实验。实验结果表明,该方法能让智能车在高温障碍物的环境中有效地规划路径并避开高温障碍物,提高了智能车导航的准确性和可靠性。     

基于改进RRT算法的AGV路径规划研究

路径规划是自动导引小车(AGV)控制中的核心问题之一。针对经典RRT算法在静态全局状态空间中随机采样搜索节点时随机性大与效率低的问题,提出了一种改进的RRT（快速搜索随机树）路径规划算法。该算法结合双向搜索功能与自适应目标引力思想,利用双向搜索速度快与自适应目标引力朝目标点方向生长的特性,使AGV在规划路径时路径搜索效率更高,路径更平滑。实验仿真结果证明,改进的RRT算法可以在有效提高路径搜索效率的同时生成最优路径。     

蚁群算法在复杂地形下的路径规划应用

路径规划问题是计算机领域内的经典问题,可以描述为已知起始点以及环境信息,确定一条从起始点到目标点的线路。一般来说,所规划的路径必须满足距离最短或代价最小的目标。研究了存在障碍物的三维空间的最短路径规划,提出采用蚁群算法解决这一问题。     

人工势场法在机器人避碰路径规划中的应用

利用人工势场法对机器人在特定环境中进行路径规划,并针对传统人工势场法存在的局部极小点问题,引入沿墙走行为,运用改进的人工势场法有效地克服了机器人在障碍物附近出现的反复震荡或停止不前等问题,仿真结果表明所用方法的有效性。     

蚁群算法在复杂地形下的路径规划应用

研究存在障碍物的三维空间的最短路径规划,并采用蚁群算法解决这一问题。路径规划问题是计算机领域内的经典问题。它可以描述为已知起始点、c以及环境信息,并确定一条从起始点到目标点的线路。一般来说,所规划的路径必须满足距离最短或代价最小的目标。路径规划技术有着广泛的应用,涉及我们的生活、工作、科研和娱乐等方面。     

基于深度相机的苹果采摘机器人路径规划研究

为了优化苹果采摘机器人采摘路径,在获得苹果树场景三维位置信息的基础上,提出一种具有多种地形损耗的A*算法。结合ToF（Time-of-Flight）深度相机和Hu不变矩获取苹果和不同障碍物的三维位置信息,建立存在果实和多种障碍物的二维地图。在二维地图上,利用具有不同地形损耗函数的A*算法进行仿真实验。改进后的A*算法将障碍物分为可通过的障碍物（树叶）和不可通过的障碍物（树枝）,且障碍物存在位置处的自带移动耗费向周围以线性递减,避免了基本的A*算法中只具有单种障碍物问题,从而增加了不同种类障碍物对路径选择的影响程度,优化了路径质量。对比实验表明：改进后的算法提高了对于复杂地图的处理能力,产生的路径长度更短,转折次数更少。     

基于智能平面搜索的四轴机械臂避障规划

提出一种智能平面搜索算法,用于解决四轴机械臂规避障碍物的路径规划问题。该算法将人工智能理论与平面几何学相结合,通过栅格化四轴机械臂的关节空间,预先确定障碍物区域,再自动搜索避障路径的编号序列,规划出四轴机械臂运动的关节坐标值序列。仿真结果表明,该规划算法能快速有效地实现四轴机械臂在X—Y平面内的二维避障,具有较强的稳定性与工程实用性。     

基于人工势场的多Agent路径规划方法研究

智能机器人自身运动路径的规划是其完成任务的基础.主要针对实际应用中常用的栅格法和人工势场法两种路径规划算法进行研究,针对多Agent运行的复杂陆地环境,利用栅格法构建环境模型,给出了一种基于人工势场法的路径规划方法.分析了势函数的选取方式,得出了参数选取的基本原则,并结合常用的冲突消解办法,使得规划出的路径更加平滑,效率更高.     

一种基于A~＊算法的轮式机器人路径规划方法

提出了一种基于A＊算法的轮式机器人路径规划方法。首先,构建了轮式机器人运动模型,分析了圆弧和直线运动的实现;其次,阐述了机器人的环境有效移动空隙,并采用链接图法对环境进行建模;再次,结合A＊算法实现了机器人全局静态路径规划。实验验证了方法的有效性。     

基于多传感器融合SLAM的ROS服务机器人研究

为提升自主导航精度,使用Jetson Nano控制器,采用同步定位与地图构建和路径规划算法,融合轮式里程计、激光雷达和惯性测量单元等多传感器信息,实现精确的单点和多点自主导航。采用机器人操作系统搭建自主导航框架,使用基于图优化的cartographer算法实现环境地图构建与机器人位姿估计,采用A*算法作为全局路径规划算法,同时利用基于g2o优化的TEB算法实现环境突变时的局部路径规划。实验结果表明,基于图优化的cartographer算法建图效果优于常见的基于粒子滤波的Gmapping算法。基于g2o优化的TEB算法可避免动态窗口算法在局部路径规划中机器人被挟持的情况,提升智能机器人地图构建和路径规划的准确性。     

MIROSOT实时避障问题的研究与实现

研究了MIROSOT实时系统、二维的比赛环境中的蔽障路径规划问题,首先利用可视图法进行模型抽象,然后利用动态规划的思想,把路径规划转换成多阶段的决策问题,对于每个阶段的子问题,都可以用可视的搜索机制来求解,最后对求解结果进行评估,得到最短路径。对算法的设计及实现进行了仿真,仿真实验验证了该算法的可行性和有效性。