基于多传感器信息融合的移动机器人路径规划

移动机器人是机器人技术的一个重要领域，是一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。动态未知环境下的移动机器人路径规划必须基于多传感器信息融合来获得对环境的理解或映射。本文就国内外移动机器人发展现状、多传感器数据信息融合方法及移动机器人路径规划进行了概述。     

服务机器人导航与路径规划技术研究

针对在未知的室内环境,其不可预知性或不确定性给家用服务机器人实时环境感知和定位带来了巨大的问题,直接影响到机器人导航的效果。移动机器人不仅要完成避开附近的移动障碍物,而且要进行局部规划或局部路径修正。将自主移动机器人其功能研发分为如下:理解自己的状态和外部环境信息,从而实现实时运动控制决策,避障,找到最优路径;在栅格地图表征环境,采用Wavefront方法进行路径规划自主移动和轨迹跟踪。对服务机器人导航与路径规划技术研究对于提高智能服务机器人的技术水平,促进智能机器人产业的发展是非常重要的。     

移动机器人全覆盖路径规划算法研究

针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法。该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作。针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算法寻找逃离死区的最优路径,从而保证机器人实现路径全覆盖,并使覆盖路径的重复率尽可能小。仿真实验中,通过与传统算法比较,验证所提算法能在保证面积覆盖率为100%的同时,降低了死锁次数和轨迹重复率,从而提高了机器人工作效率。     

粒子群优化算法融合行为动力学的路径规划方法研究

针对未知环境下采用竞争行为动力学协调方法进行移动机器人路径规划时存在机器人运动速度参数确定困难,并且在各基本行为竞争时容易产生行为参数振荡现象而导致规划出来的路径不优化等问题,提出了基于粒子群优化算法融合行为动力学进行路径规划的方法。该方法在行为动力学模型的基础上利用粒子群优化算法(Particle swarm optimization,PSO)对路径规划过程中的基本行为进行融合,代替了竞争行为动力学的行为参数协调,从而使移动机器人能够根据传感器采集的实时环境信息自动获取各个基本行为的权值。通过把该方法与基于竞争动力学行为协调方法的机器人路径规划进行了仿真对比实验,实验结果验证了该方法的可行性和优越性。     

多移动机器人路径规划技术的研究现状与展望

移动机器人技术研究中的一个重要领域是路径规划技术.所谓移动机器人路径规划是指各机器人在同一工作空间中规划一条避障导航的运动路径,保证每一时刻机器人与机器人之间无碰撞、机器人与环境障碍物之间无碰撞.从单机器人到多机器人的路径规划已有很多算法,首先从多机器人协作性质、环境信息和机器人结构三方面分别介绍多机器人路径规划方法,主要有全局路径规划方法、局部路径规划方法、集中式路径规划方法、分布式路径规划方法、混合式路径规划方法,再指出各种方法的优点和不足,最后对多移动机器人路径规划技术的发展趋势进行展望:传统的规划方法和新的智能方法的结合;多传感器融合;性能指标的提高.     

基于改进Voronoi图的移动机器人在线路径规划

针对移动机器人在部分环境信息已知下的路径规划问题,运用Voronoi图理论及动态路径最优算法(D*算法)理论,研究了一种基于传感器信息的移动机器人在线路径规划的方法.该方法利用现有的已知环境信息离线生成路图,并根据起点与终点的位置规划出一条无碰撞的全局最优路径,然后移动机器人沿着最优路径前进,安装在机器人上的传感器不断地探测环境新信息以在线完成路图的重构及路径的重规划,实时搜索一条全局最优路径.最后,通过在自制的小车平台上的实验证明方法的可行性.     

基于栅格法与神经元的机器人全区域覆盖算法

为了提高移动机器人在全区域覆盖路径规划中的性能,提出了基于神经元激励神经网络的路径规划算法。介绍了栅格法环境建模原理,使用此方法得到了机器人工作环境的矩阵模型;分析了生物激励神经网络算法,在神经元活性值定义、机器人跳出"死区"两个方面对算法提出了改进,提出了神经元激励神经网络算法。使用此算法对设定的工作环境进行遍历并与生物激励算法进行比较可以看出,在遍历重叠率、路径长度、转弯次数等方面,神经元激励算法都优于生物激励算法,充分说明了改进算法在机器人遍历规划中的优越性。     

解决路径规划局部极小问题的势场栅格法

路径规划作为移动机器人顺利完成作业任务的前提,成为了机器人控制领域的研究重点和热点问题。人工势场法以其简洁性和有效性在路径规划中普遍应用,然而由于移动机器人对周围环境信息感知的局限性,容易导致局部极小问题的出现。针对此问题,提出了解决路径规划局部极小问题的势场栅格法。首先对机器人的工作环境进行栅格划分,然后应用改进后的人工势场法为每个栅格赋予势场值,机器人通过搜索势场值的下降方向不断接近目标点,接着采用赋最大值法对局部极小区域的栅格重新赋值,降低搜索的盲目性,使机器人以最优路径到达目标地点。对相同环境下的传统算法与改进算法进行仿真实验对比,结果表明无论是在有、无极小区域,或是目标点在障碍物附近,改进后的算法均可以成功规划出路径,且有效解决了传统人工势场法所面临的局部极小问题。     

基于触须传感器的移动机器人系统设计

设计了以PIC16F877为控制芯片、触须传感器为感知元件的移动机器人。利用仿生触须感知外部未知环境获得相关环境信息,再通过路径规划做出决策,实现移动机器人自主导航运动。另外,借助无线通信将机器人的运动参数和采样信号传送至PC机,完成对移动机器人的采样监测和控制分析。最后,进行了远程操控和自主避障实验。     

室内移动机器人自主导航系统设计与方法

针对移动机器人室内自主导航中环境检测、动态目标定位跟踪和路径规划,设计了"双目+单目"多信息融合的视觉系统。提出一种自适应环境、融合色彩饱和度信息的单尺度Retinex室内阴影消除算法,以有效提取障碍物信息及可行路面区域。研究了一种特征点辅助的时空上下文目标跟踪算法,运用目标特征点进行目标粗定位;引入特征点变化率信息,自动调节时空上下文模型更新,以有效提高复杂环境下动态目标定位的准确性。改进了传统速度向量场吸引速度、排斥速度和切向速度函数,解决了路径规划中机器人轨迹抖动、目标点附近震荡和目标处于障碍物排斥场不可到达等问题。移动机器人室内环境下自主导航实验实现了障碍物、机器人和目标特征提取及其实时定位,移动机器人以最短的避碰路径完成动态目标的有效跟踪。     

基于生物激励神经网络的移动机器人遍历路径规划

针对移动机器人路径规划问题,利用栅格法对复杂环境进行建模。每个栅格当作一个神经元,整个空间就是神经网络组成的拓扑状态空间,然后采用生物激励神经网络方法对移动机器人进行路径规划,该方法不需要学习过程,运算简单、反应快捷,计算机储存量小,实用性强。仿真研究表明：该方法生成的路径是平滑的,连续的,能够准确的避开障碍物．实现了机器人的完全遍历路径规划,充分证明该方法的有效性与可行性。     

轮式移动机器人路径跟踪控制方法研究

针对轮式移动机器人的路径跟踪问题,提出了一种基于动态预瞄的移动机器人路径跟踪控制方法。根据差速轮式移动机器人运动学模型和实时位置信息,建立路径跟踪偏差模型,并采用构建虚拟运动路径的方式设计移动机器人路径跟踪控制方法,结合路径跟踪偏差模型,实时调整移动机器人的运动状态,不断缩小运动过程中的偏差,最终实现路径跟踪。实验结果表明,所设计的移动机器人路径跟踪控制方法能够实现高精度的路径跟踪控制,同时具有良好的可靠性,平稳性。     

球形机器人轨迹跟踪算法

典型的动态轨迹跟踪算法针对非完整移动机器人提出了一种系统框架,并且在模拟实验中展现了良好的跟踪性能。然而,该算法在2自由度摆球形机器人系统中并未同时实现位置和姿态的收敛。讨论了一种实用的球形机器人轨迹跟踪控制算法．着眼于位置与姿态的同时收敛。受跟踪引导模式的启发．提出了一种适用于球形机器人轨迹跟踪控制的模糊自适应控制方案,并通过MATLAB对提出的轨迹跟踪方法进行了有效性验证。     

室内自主移动机器人系统设计

提出了一种室内自主移动机器人系统设计方案,以代替人完成家务劳动、物品搬运及资料传递等任务。该系统以先验地图信息为基础,结合传感器所采集的信息建立相应的环境模型,使机器人能够自主完成最短路径规划、障碍检测和运动控制等功能。机器人的行进速度和角度数据通过无线芯片nRF24L01实时传送给上位机进行分析处理,分析后再将控制指令反馈给机器人执行,以调整机器人的运动姿态。仿真测试表明:所设计的系统稳定可靠、实现了预期的设计目标。     

移动机器人在线实时路径规划

研究了不确定环境下移动机器人的路径规划问题。采用全局规划和局部规划相结合的方法，提出了一种基于极坐标空间，以期望方向角为优化性能指标的在线实日寸路径规划方法。该法利用机器人的传感器系统，实时探测局部环境信息，在每次的局部规划窗口，确定机器人的期望方向角，以机器人的实际运动方向角与期望方向角之间的差异来驱动机器人避开障碍物和朝向目标点运动。该法不仅简单灵活，而且克服了全局规划和局部规划的缺陷。仿真实验表明其有效可行性、实时性、优化性、精度高、稳定性好。     

基于智能路径规划算法的移动机器人设计

介绍了一种基于智能路径规划算法的移动机器人。该机器人以TMS320LF2407A作为主控制芯片,控制机器人左右轮电机运转．驱动机器人按照预定路径行走。其设计算法首先采用了改进的栅格和Distbug的组合进行全局和局部路径规划。详细阐述了该算法的基本原理及采用该算法的移动机器人控制系统硬软件设计。最后,介绍了该移动机器人自学习路径跟踪PID算法。实践表明,采用该算法的移动机器人行走速度快,实时性强,稳定性好,控制精度高。     

户外自主移动机器人体系结构与控制系统研究概况

论述了当今户外自主移动机器人体系结构与控制系统研究在国内外的发展概况，并从移动机器人体系结构、定位导航和避障技术、视觉信息的实时处理技术、多传感器信息融合技术、路径规划与机器人控制技术等方面对户外移动机器人的关键技术进行了介绍。     

基于Floyd算法的移动机器人最短路径规划研究

最短路径规划是一种点对点的路径规划方式,移动机器人最短路径规划研究即是实现始点和终点间最短路径规划问题的研究.首先采用栅格地图的方式对移动机器人工作环境建模,在建模的基础上,以垂线法方式选择移动机器人路径中的关键节点,确定关键节点的位置和权值关系,并根据所选节点,基于Floyd算法进行移动机器人的最短路径规划,以及对规划的路径算法进行简化改进,通过实验证明,改进的Floyd算法能实现移动机器人路径的最短和用时的相对减少.