基于改进OpenPlanner算法的移动机器人局部路径规划

现有局部路径规划算法仅实现了移动机器人在场景内自由移动,但局部路径生成并未考虑场景内道路限制,对于一些规则化的结构道路并不适用。OpenPlanner算法很好地解决了该问题,但传统OpenPlanner算法规划的局部路径不满足移动机器人最大转向曲率约束而无法被移动机器人有效跟踪。针对上述问题,从状态采样和评价函数2个方面对传统OpenPlanner算法进行改进,并将改进OpenPlanner算法用于移动机器人局部路径规划。在状态采样阶段,通过设计双层局部路径簇来扩大最优局部路径解空间,其中首层局部路径簇入段纵向采样距离与行驶速度呈分段线性关系,次层局部路径簇入段纵向采样距离为首层局部路径簇的1.5倍;在路径筛选阶段,将路径曲率代价（由局部路径上各采样点曲率求和得到）引入评价函数,确保局部路径簇满足移动机器人的最大转向曲率约束,从而使局部路径被移动机器人所跟踪。实验结果表明：与传统OpenPlanner算法相比,改进OpenPlanner算法筛选的最优局部路径转向更加平缓,在无障碍物、有障碍物场景下平均曲率分别减小了31.3%,6.2%,且局部路径能够被移动机器人较好地跟踪。     

基于蚁群算法的无人设备路径规划

随着科技发展进入互联网时代,科技园区的建设也愈发智能化、无人化,针对科技园区内的无人驾驶的通勤车路径规划问题,论文提出一种基于蚁群算法的无人驾驶的通勤车路径规划方法,首先提出了在园区中通勤车的行驶规则,将蚁群算法应用在了无人驾驶的通勤车的路径规划问题上,使用栅格法构建仿真环境模型,按照蚁群算法的算法流程,对蚁群算法进行信息初始化,设置通勤车的起点与终点,派出蚂蚁进行迭代后输出规划的最短路线,并在Matlab上进行仿真实验.经验证,论文将蚁群算法结合到无人车自动驾驶上具有实时性和鲁棒性.     

矿用卡车无人驾驶系统路径规划方案研究

矿用卡车无人驾驶是露天煤矿智能化建设的重点实施项目。目前常用的矿用卡车无人驾驶路径规划算法中,人工势场法虽然实时性较好,但是只考虑静态障碍物约束,不适用于动态场景;基于采样的路径规划算法对于非完整约束动力学模型无法进行处理;基于图搜索的路径规划算法常用的方法是A^*算法,可有效解决最短路径问题,但易陷入“死循环”,且规划出的路径折点较多。针对上述问题,提出一种基于图搜索的混合A^*(Hybrid A^*)路径规划算法方案。该方案充分考虑车辆运动学模型,通过优化启发函数得到合理的全局规划路径,然后融合多传感器信息建立局部地图,采用回旋曲线的方法将车辆模型与目标点建立联系,形成局部路径。实际应用结果表明,该方案可适用于实际生产中的各种极端装载、卸载道路条件,具备常规最短路径、狭窄区域铲窝模式、长距离倒车、反向装车绕行、移铲自动跟随等多种自适应规划能力,同时在规划过程中能够智能识别并避开规划区域内电铲、指挥车、电缆桥、山体等障碍物,从而实现快速、平稳、准确地引导无人驾驶矿用卡车到达预设调度位置,确保了生产过程的高效性和安全性。     

基于运动微分约束的无人车辆纵横向协同规划算法的研究

为了满足在动态环境中快速行驶的要求,现有无人车辆普遍采用在传统规划系统的两层结构（路径规划-路径跟踪）之间增加局部规划的方法,通过在路径跟踪的同时进行避障来减少耗时的全局路径重规划. 本文针对这种三层结构规划系统存在的问题,提出基于运动微分约束的纵横向协同规划算法,在真实环境中实现速度不超过40km/h的无人驾驶. 根据车辆的实时运动状态,用高阶多项式模型在预瞄距离内对可行驶曲线进行建模,不仅使行驶过程中的转向平稳,而且在较高速时仍具有良好的路径跟踪能力. 由横向规划提供横向安全性的同时,在动力学约束的速度容许空间中进行纵向规划,实现平顺的加速与制动,并保证了纵向安全性和侧向稳定性. 该算法根据实时的局部环境自动决定纵横向期望运动参数,不需要人为设定行驶模式或调整参数. 采用该算法的无人驾驶平台在2011年和2012年智能车未来挑战赛的真实交通环境中,用统一的程序框架顺利完成全程的无人驾驶.     

无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究

在无人驾驶系统中,局部规划在跟踪全局路径的同时完成避障,提高了规划系统在动态未知环境中的工作能力.避障分析的有效性是局部规划最重要的功能之一.然而在仿真和实车测试中发现,广泛使用的基于优化求解的局部规划算法无法在不依赖全局精确定位时保证规划结果满足时间一致性要求.时间不一致将导致车辆的实际行驶路线偏离初始规划结果,造成避障分析失效.本文设计了基于前向预测的局部路径规划算法,在不依赖全局精确定位的前提下保证规划结果的时间一致性.除了时间一致性问题外,跟踪控制误差也是导致规划结果避障分析失效的主要原因之一.现有研究大多通过膨胀障碍物体现误差的影响,然而这种方法无法避免车辆驶入膨胀危险区域而停车.本算法在路径生成过程中增加误差影响,用通行区域代替原有不具有宽度的规划路径进行避障分析,既可以解决误差导致的避障失效,又避免出现膨胀障碍物带来的问题.通过V-Rep软件与实车规划程序进行联合仿真,在能够体现时间一致性影响的典型场景中对本算法与基于最优化曲线生成的局部路径规划算法进行比较, 验证了该算法具有更好的安全分析有效性.应用本算法的北京理工大学无人驾驶平台参加了2013年智能车未来挑战赛,在无人干预的情况下顺利完成 18公里城郊赛段和5公里城市赛段行驶,展现了良好的避障能力.     

煤矿履带式定向钻机路径规划算法

煤矿履带式定向钻机路径规划过程中存在机身体积约束和实际场景下的行驶效率需求,而常用的A*算法搜索速度慢、冗余节点多,且规划路径贴近障碍物、平滑性较差。提出一种以改进A*算法规划全局路径、融合动态窗口法（DWA）规划局部路径的煤矿履带式定向钻机路径规划算法。考虑定向钻机尺寸影响,在传统A*算法中引入安全扩展策略,即在定向钻机和巷道壁、障碍物之间加入安全距离约束,以提高规划路径的安全性;对传统A*算法的启发函数进行自适应权重优化,同时将父节点的影响加入到启发函数中,以提高全局路径搜索效率;利用障碍物检测原理对经上述改进后的A*算法规划路径剔除冗余节点,并使用分段三次Hermite插值进行二次平滑处理,得到全局最优路径。将改进A*算法与DWA融合,进行煤矿井下定向钻机路径规划。利用Matlab对不同工况环境下定向钻机路径规划算法进行仿真对比分析,结果表明：与Dijkstra算法和传统A*算法相比,改进A*算法在保证安全距离的前提下,加快了搜索速度,搜索时间分别平均减少88.5%和63.2%,且在一定程度上缩短了规划路径的长度,路径更加平滑;改进A*算法与DWA融合算法可有效躲避改进A*算法规...     

基于PER-APF算法的无人驾驶汽车换道轨迹规划

针对传统人工势场算法在解决无人驾驶汽车换道轨迹规划过程中存在的不足,提出一种基于势能重构人工势场 (Potential Energy Reconstruction- Artificial Potential Field, PER-APF) 的无人驾驶汽车换道轨迹规划算法。首先,建立了具有斥力区分的道路边界约束条件和多约束换道轨迹规划模型,通过判断障碍车辆与道路边沿的距离来保证换道过程的安全性与有效性;其次,提出了基于势能重构的改进APF算法,通过构建虚拟区域以及重构物理势能力场,有效的解决了目标不可达以及局部最优问题。仿真结果表明,所设计的PER-APF算法能够快速有效地为无人驾驶汽车规划一条安全合理的换道轨迹。     

基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法

提出了一种改进的无人驾驶车辆路径规划方法,并搭建了相应的软件在环实时仿真系统,对方法在结构化道路下的复杂动态交通工况进行性能验证.首先,引入基于凸近似的避障原理,对障碍物参考点的选取进行优化,扩大了路径规划的可行域范围.采用改进后的方法,并结合模型预测控制(Model predictive control,MPC)原理和曲线坐标系统,综合考虑自车及障碍车的外形、道路几何约束及自车的机械结构约束、路径最短、侧向加速度、道路对中、逐次变道、车距安全度、左变道优先和前轮转角变化率等权重的影响,实现了车辆在复杂动态交通工况下的路径规划.最后,以长城H7运动多用途车作为无人驾驶实验及仿真平台,搭建基于dSPACE多核架构的Carsim+Simulink软件在环实时仿真系统,对算法进行验证.结果表明,所提出的方法不仅可获得合理、平滑的行驶路径,顺利避开运动障碍车的干扰,而且具有良好的实时性.     

采用滑模条件积分的无人驾驶汽车弯道超车路径规划与跟踪控制

针对无人驾驶汽车弯道超车场景,基于五次多项式曲线提出一种路径规划算法和基于滑模条件积分控制方法提出一种路径跟踪控制策略.首先,为了简化无人驾驶汽车弯道超车路径规划过程,将其分解成驶入超车道路径、保持超车道内行驶路径和驶回原车道路径3部分,并基于五次多项式曲线分别规划出满足汽车侧向加速度约束和动态障碍物避障约束的驶入超车道路径和驶回原车道路径,3部分路径平滑连接构成无人驾驶汽车弯道超车路径.随后,为了高精度的跟踪规划的路径,采用滑模条件积分控制方法设计具有强鲁棒性优点且无抖振的无人驾驶汽车路径跟踪控制策略,并采用李雅普诺夫稳定性理论证明其收敛性.最后,进行了算法的仿真验证,结果表明:所提出无人驾驶汽车路径规划算法和路径跟踪控制策略可以引导无人驾驶汽车安全、舒适的完成弯道超车操作,并且相对于斯坦利方法,具有更快的响应速度和更高的跟踪精度.     

基于线控底盘的无人驾驶轨迹跟踪控制研究

为提高结构化工况下无人驾驶汽车轨迹跟踪的精确性,提出一种融合纵向车速跟踪控制器的预瞄轨迹跟踪控制算法。针对四轮转向的特性,基于传统纯跟踪算法设计了四轮转向纯跟踪控制模型;针对纯跟踪算法跟踪效果受车速影响较大的缺陷,设计了纵向车速跟踪控制器并采用n维插值表方式在不同曲率处设置不同车速;将四轮转向纯跟踪算法融合纵向车速跟踪控制器,以达到更好的跟踪效果。仿真与实车试验表明,试验平台可较精确地跟踪规划轨迹并平稳抵达目标终点,实车轨迹跟踪过程中最大横向误差控制在0.497m。     

基于收缩约束模型预测控制的无人车辆路径跟踪

针对存在有界扰动的非线性无人驾驶车辆避障过程中最优路径规划跟踪问题,提出一种基于预测时域内系统输入输出收缩约束(PIOCC)的模型预测控制(MPC)方法.首先在构建目标函数时,为扩大可行性解的范围引入软约束思想,将最优规划路径的跟随问题转化为对模型预测控制优化问题的求解;其次为避免短预测时域造成闭环系统发散而导致在约束条件限定下出现无可行性解的情况,采用预测时域内系统输入输出收缩约束的方法,设计模型预测控制器;再次基于Lyapunov稳定性理论证明所设计的模型预测闭环控制系统是渐近稳定的;最后通过仿真实例验证了所提出基于PIOCC的控制策略在解决扩大可行解范围和避免闭环系统发散问题时的有效性,实现了无人驾驶车辆在路径跟踪时具有良好的快速性和稳定性.     

适用于车头泊入的路径规划和跟踪控制新方法

自动泊车作为智能汽车自动驾驶技术的一个关键组成部分,已成为业界关注和研究的热点。现有的自动泊车系统都是基于倒车实现,而大多数新型电动汽车充电口安装在车头,因此设计了车头泊入的泊车新方法。该方法首先对车辆进行运动学建模,然后根据汽车与车库的相对位置基于几何推导进行路径规划,最后利用PID对泊车过程进行跟踪控制。采用PID路径跟踪控制算法与现有泊车跟踪控制算法相比较,有效简化了算法结构,克服了“计算爆炸”的问题,具有较强的鲁棒性,符合现有新型电动汽车车头泊入的需求。使用Matlab和CarSim联合仿真实车参数模型车的运动学模型,完善了传统泊车过程模型的运动仿真分析,仿真结果验证了所设计的跟踪控制方法的有效性。     

基于ROS的无人配送车导航系统的设计与实现

针对无人配送车在自主导航过程中存在的寻路效率低、避障能力弱、转折幅度过大等问题,该文采用搭载机器人操作系统(ROS)的Turtlebot3机器人作为无人配送车,设计并实现了高效稳定的无人配送车自主导航系统。ROS是专门用于编写机器人软件的灵活框架,对其集成的SLAM算法进行改进,以完成无人配送车在封闭园区环境中的即时定位与地图构建,同时对ROS导航功能包集成的路径规划算法进行改进,使无人配送车在已知环境地图中规划生成出适合无人配送车工作的路径和有效避开障碍物。最后在Gazebo仿真环境中对无人配送车自主导航系统进行测试与验证。仿真试验结果表明,设计实现的无人配送车导航系统能够很好地满足无人配送车在封闭园区中的自主导航功能。     

基于动态矩阵的未知环境地图构建与路径规划

目前主流的SLAM地图构建方法在环境建模中一般要借助人机交互平台,人工成本高,独立性较差.提出基于动态矩阵的未知环境地图构建算法,可以在完全未知的陌生环境中,基于二维空间栅格地图建模并利用A?算法进行回溯,独立实现地图信息的全覆盖采集.针对传统的局部覆盖路径规划算法存在重复率高、运行效率低的问题,进行了改进设计,一旦检...     

基于多曲率拟合模型的无人车路径规划研究

针对无人驾驶车辆的局部路径规划问题,提出一种基于多次曲率拟合模型的路径规划算法。鉴于无人车辆需要生成无碰路径的特点,建立了由三次曲率多项式产生的候选路径集,采用四重参数循环法解决了三次曲率多项式参数计算的问题,进而能够根据评价函数从候选路径集中选择出当前环境下的最优路径。所提出的无人车局部路径规划算法经现场多个路口通过性实验证明了有效性。     

异构多目标差分-动态窗口算法 及其在移动机器人中的应用

为了实现在多移动机器人和多窄通道的复杂动态环境中机器人的节能运动规划,提出异构多目标差分-动态窗口法(heterogeneous multi-objective differential evolution-dynamic window algorithm,HMODE-DWA).首先,建立行驶时间、执行器作用力和平滑度的3目标优化模型,设计具有碰撞约束的异构多目标差分进化算法来获得3个目标函数的最优解,进而在已知的静态环境中获得帕累托前沿,利用平均隶属度函数获得起点与终点间最优的全局路径;其次,定义基于环境缓冲区域的模糊动态窗口法使机器人完成动态复杂环境中避障,利用所提出的HMODE-DWA算法动态避障的同时实现节能规划.仿真和实验结果表明,所提出的混合路径规划控制策略能够有效降低移动机器人动态避障过程中的能耗.     

UAV track planning based on evolution algorithm in embedded system

The embedded controller is small in size and powerful in computing power, and can quickly complete the related processing and calculation of flight attitude and track planning data. Wireless data transmission can realize a long-distance data transmission between the aircraft command center and the airborne control platform. Based on the data fusion algorithm of the Kalmánz filter, the data collected by multiple sensors can be integrated, which can effectively reduce the measurement noise amplitude. At the same time, the cumulative error of a single sensor is reduced. In order to solve the problems of ant colony algorithm in case it is easy to fall into the local extremum and the convergence speed is slow, an improved ant colony algorithm for 3D navigation of unmanned aerial vehicles is proposed for trace planning. This study divides the three-dimensional track planning into two parts based on the improved ant colony algorithm for two-dimensional plane planning and height planning. Geometric optimization methods to enhance the guidance of ant search are used. According to the distance and height constraints between the track point and the threat source, the altitude of the track points to plan the 3D track of the drone is calculated and adjusted. At the same time, the adaptive parameter adjustment method is used to improve the ant colony search ability and the interaction ability between individuals, and effectively get rid of the situation to avoid to falling into a local optimum. In addition, the index function is established and the path is smoothed. Simulation results show that the proposed improved algorithm cannot only safely avoid threats in the three-dimensional environment, but also has the ability to find the optimal solution and the convergence speed is better than the original algorithm.     

基于滚动时域的无人机动态航迹规划

针对带有动力学约束的多旋翼无人机航迹规划问题,提出了一种基于滚动时域控制和快速粒子群优化(RHC-FPSO)方法。该方法引入了基于VORONOI图的代价图方法说明从航迹端点到达目标点的距离估计。根据滚动时域和人工势场法的思想,将路径规划问题转化为优化问题,以最小距离和其他性能指标为代价函数。设计评价函数准则,按照评价准则使用变权重粒子群优化算法求解。针对无人机靠近危险区飞行的问题,将斥力场引入到代价函数中,提升其安全性。仿真实验结果显示,使用文中方法可以有效地在满足约束条件下穿过障碍物区域,以及在复杂环境下可以动态计算。     

基于行为协同和虚拟目标相结合的无人机实时航路规划

针对实时航路规划问题,综合考虑航路最优、平滑性、全局收敛性以及从威胁域的逃逸能力等限制时,还没有有效的规划算法.为此提出了一种基于行为协同和虚拟目标相结合的无人机实时航路规划方法.该方法将无人机的航路规划行为分为局部和全局行为:局部行为采用基于模糊控制的方法,用来实现威胁体规避;全局行为使用全局算法,通过全局目标和虚拟目标的切换实现了全局目标收敛和威胁域边界跟踪,然后通过模糊控制器对两种行为进行协同.最后通过分析、证明以及几种不同情形下的仿真表明该方法具有航路短、平滑和全局收敛的特点.