改进D* Lite和人工势场法的移动机器人路径规划研究

在变化的室内环境中,将D* Lite与人工势场法相结合进行移动机器人路径规划.首先,使用D*Lite初步规划出一条全局最优路径,再通过节点筛选机制来剔除全局路径的冗余节点,使得所规划的路径更加平直;然后,当遇上未知障碍物调用重规划环节时,融合人工势场法,使得重规划的路径与未知障碍物保持在一个安全的距离,避免移动机器人在...     

基于改进A^*势场法的机器人动态路径规划研究

针对人工势场法在路径规划中出现的目标点不可达、转折次数多及路线较长的问题,提出了一种动态环境下移动机器人全局路径规划的改进A^*势场算法。首先采用A^*算法在已知静态环境中进行全局最优路径规划,当移动机器人进入动态障碍物影响范围ρ0时,引入相对速度势场对人工势场法进行改进,进行局部动态路径规划,追踪沿A*路径运动的虚拟动态目标直至回到原路径,完成到达目标点的路径规划。将该算法与人工势场法通过MATLAB进行路径规划仿真比对,结果验证了该算法的可行性,并且有效减少了路径的震荡和累计转角,同时明显缩短了全局路径距离。     

基于改进人工势场法的移动机器人局部路径规划的研究

本文介绍了一种常用的移动机器人局部路径规划方法—人工势场法,分析了传统的人工势场法由于局部最小问题而导致规划失败的原因,综述了解决该问题的方法,在此基础上重点介绍了一种通过改变斥力势场函数来解决局部最小问题的改进方法,并给出了仿真结果。     

基于改进势场蚁群算法的移动机器人全局路径规划

针对势场蚁群算法路径转折点数量过多、收敛速度过快、容易陷入局部最优等问题,提出了基于势场跳点的蚁群算法.该算法融合了蚁群算法和跳点搜索算法的搜索策略,使规划出的路径更加平滑;引入了势场合力递减系数,减少了势场蚁群算法因势场而陷入的局部最优问题;引入了简化的跳点搜索算法对初始化信息素进行更新,提高了算法前期的搜索效率.为...     

人工势场引导蚁群算法的机器人导航路径规划

蚁群算法应用于路径规划时,算法前期信息素分布均匀,只依赖启发信息搜索最优路径,因此存在盲目搜索和收敛慢的问题;蚁群算法后期由于信息素的正反馈作用,使蚁群算法陷入局部最优时无法跳出.为了解决这些问题,提出了改进人工势场法引导蚁群算法的路径规划方法.介绍了栅格环境建模法;以人工势场法为基础,给出了路径中间点选择方法,取消了...     

A~*算法在移动机器人路径规划中的应用

采用A*算法对已知环境中的移动机器人路径规划问题进行研究。利用栅格法建立环境模型,然后对节点的选择进行分析,最后通过MATLAB仿真。仿真结果表明算法能找到一条从起点到终点的较优路径,验证了算法的有效性。     

改进人工势场法的路径规划研究

针对人工势场法容易造成陷入局部极小点的问题,提出“沿边走”的详细策略进行路径的求解,以跳出局部极小点,并针对这一策略导致的路径过长和平滑度差的问题,采用分段的模拟退火算法进行优化。最后通过 MATLAB 验证分析,和传统的人工势场法以及采用虚拟目标点的人工势场法进行对比,仿真结果表明,在简单和复杂环境中路径长度和平滑度均能得到提升。     

基于势场法的路径规划算法特性分析和路径优化

分析了各人工势场算法,对路径中的特征点——“奇点”进行了论述。综合人工势场算法在安全性、平顺性和能耗等方面的特性,提出了一种用于评估算法的代价函数。并结合机器人的运动特性,提出了规划路径的优化算法,使机器人能安全、准确地,以最优的能耗到达目标点,对人工势场法在实际中的应用具有重要意义。     

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大,搜索效率较低且规划的路径不利于机器人移动等缺点,从3个方向进行改进。首先,对于随机树扩展时随机性较大的问题,将传统的扩展方向加入改进人工势场法约束,使得随机树偏向目标点生长;其次,将改进RRT算法规划的路径进行关键点提取,并优化路径;最后,将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明,优化改进RRT算法相较于传统A^*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好,融合算法在复杂环境中规划出的路径能够很好地避开障碍物,路径更加平滑且更短。     

基于蝙蝠算法-人工势场的机器人路径规划研究

为优化机器人路径规划全局最优问题,将人工势场法思想融入到蝙蝠算法中,建立基于人工势场蝙蝠算法(Bat Algorithm-Artificial Potential Field,BA-APF):在蝙蝠算法的脉冲速率中引入动态扰动系数g,加强算法的局部搜索能力,在蝙蝠位置更新公式中加入引力势场系数,以加快算法收敛速度;在目...     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。     

面向方形节点拓扑地图下的移动机器人路径规划算法研究

针对方形节点拓扑地图下的移动机器人的特性,采用了A^*算法来实现路径规划,并对传统的A^*算法进行改进,一是在启发函数中引入了位移和角度2个因素,提高了函数的启发性; 二是引入堆的方法优化了数据结构,提高了列表中代价最小节点的搜索速度。仿真实验结果表明,改进后的A^*算法节点的最短路径节点相对减少,算法效率明显提高,具有良好的可行性和有效性。     

一种考虑安全的移动机器人矢量场路径规划算法

提出了一种考虑安全的移动机器人矢量场路径规划算法,环境的矢量场模型体现了路径对安全的不同要求。通过调节模型参数可以规划得到安全和长度两个标准下的满意路径,此路径既不会太接近障碍,也不会太长。所提出模型计算简单,计算量与运动空间障碍的个数成正比。算法鲁棒性强,除了固定环境,还适合用来进行动态环境下的路径规划。仿真结果验证了算法的有效性。     

基于改进 A * 算法的四向穿梭车路径规划

针对传统四向穿梭车系统路径规划易出现路径交叉死锁问题,提出一种改进 A * 算法的路径规划算法。参考多辆穿梭车路径的路径交叉长度、路径冲突车辆总数对路径搜索的影响,使得多辆穿梭车路径分布均匀,减少车辆路径的点边冲突,降低实时路径检测中避让策略的复杂度,提高系统的稳定性与效率。栅格地图环境中,将该算法应用于复杂环境中的四向穿梭车路径规划,仿真结果表明,该算法在路径规划中是可行和有效的。     

室内移动机器人路径规划算法

路径规划是移动机器人导航技术中的核心问题。在以往的研究中,机器人被视为一个点并且优化的目标为使路径最短,这种建模方法得到的路径往往不具有良好的可执行性。讨论了一种考虑路径平滑度和路径安全度的规划算法,并通过带惩罚函数的粒子群算法对其进行求解。最后在MATLAB中通过仿真试验验证了算法的有效性。     

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。     

基于遗传算法的深海集矿车避障路径规划方法

本文主要研究和利用遗传算法实现深海集矿车避障路径规划的方法。将连续的路径离散化，并用随机数模拟各路径种群。把二维的路径转化为一维，生成简单的路径基因，提出了物理意义明确的适应函数和相应的变异算子，从而引导遗传算法快速收敛于最优解。实验仿真表明，该算法能够快速、稳定的搜寻到所需的最佳路径。