基于不确定网格地图的移动机器人导航

研究了在未知环境下的移动机器人导航问题．在分析超声传感器不确定性模型的基础上,根据模糊集理论创建网格地图来描述机器人工作环境,使用模糊隶属度表示网格占用状态．通过网格信息融合来减弱传感器测量误差,提高网格地图的精度．提出基于模糊网格地图的路径规划算法,利用重复局部优化路径搜索来实现全局路径规划．机器人通过交替进行创建地图和路径规划两个基本过程来完成导航任务．仿真结果表明创建的地图能较精确地表示环境信息。规划的路径可以使机器人安全地到达目的地．     

小型履带式移动机器人控制系统设计

针对小型履带式移动机器人,设计了遥控与自主返航模式相结合的控制体系结构,并对机器人自主定位及路径跟踪技术进行重点介绍;信号正常的情况下,机器人在遥控模式下工作,信号中断后,启动自主返航模式,机器人根据路径规划的轨迹行驶到目标点;自主返航模式下,采用传感器信息融合技术提高了机器人定位精度,基于已有路径进行点跟踪控制,设计机器人跟踪控制律;基于履带式移动机器人平台及所述控制系统,对任意给定路径进行跟踪实验;结果表明,机器人可沿给定路径到达终点,且行驶轨迹光滑,验证了定位方法的精度以及跟踪控制律的有效性。该控制系统设计简单,可移植性高,可广泛应用于地面移动机器人领域。     

加入临时路径的移动机器人路径跟踪模糊控制

对含不确定性的移动机器人系统设计了路径跟踪模糊控制方法。该方法引入临时路径,使机器人先从初始位置出发沿临时路径行进,当移动到期望路径附近时,再让机器人跟踪期望路径。整个控制过程只需要一个模糊控制器,极大地减少了工作量,并引进积分环节以消除稳态误差。仿真和实验结果验证了该方法的有效性。     

基于粗糙集和蚁群算法的机器人路径规划研究

针对移动机器人路径规划的难题,提出了一种基于粗糙集理论和蚁群算法混合的机器人路径规划方法,用来提高机器人路径规划的速度和精确度。首先利用粗糙集理论获得机器人路径的决策规则,建立初始决策表,并在其基础上利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则得出可行路径的集合。最后利用蚁群算法对这个种群进行优化,获得最优行走路径在所建立的栅格环境中进行仿真实验,并与基础蚁群算法进行比较,仿真结果表明,改进后的算法简单、有效,收敛速度快,具有良好的搜索功能,验证了改进算法在机器人路径规划问题中快速有效性。     

未知环境下基于三次螺线Bug算法的移动机器人路径规划

研究了环境未知情况下的移动机器人实时路径规划问题,将Bug算法与基于滚动窗口的路径规划相结合,提出了一种改进的移动机器人路径规划方法。详细分析了三次螺线作为移动机器人跟踪路径所具有的各种优异的几何特性,定义路径光滑成本函数,利用三次螺线对滚动窗口内规划的路径光滑化,使得移动机器人易于跟踪所规划的路径,扩展了移动机器人的应用领域。最后对本文算法的收敛性和完备性予以证明。仿真实验验证了该方法的有效性。     

加速度约束条件下的非完整移动机器人运动控制

将移动机器人的运动规划与跟踪控制问题合并在一起，对加速度约束条件下的非完整移动机器人运动控制问题进行研究，提出基于贝塞尔曲线的路径规划方法，以满足机器人的非完整约束．在考虑所受加速度约束的条件下，通过规划机器人状态时问轨线的方法实现了时间最优的轨迹规划．基于控制李亚普诺夫函数推导出了轨迹跟踪的控制律．仿真实验结果表明所提出的算法是有效的．     

一种基于改进人工蜂群算法的机器人实时路径规划方法

在移动机器人控制领域,路径规划是最重要并具有挑战性的问题之一。本文首先采用栅格法对环境进行建模,然后提出一种改进的人工蜂群算法用于机器人的路径规划。在该算法中,为了提高人工蜂群算法的收敛速度,提出自适应的搜索方式,并采用精英保留选择策略以避免机器人路径规划陷入局部最优。仿真实验结果表明,所提算法在机器人路径规划上的可行性与有效性。     

移动机器人寻迹算法研究

传统的寻迹算法控制下的移动机器人通过复杂路径时常产生路径识别错误。针对这种情况,首先将移动机器人的寻迹过程抽象成运动学模型,然后将模糊PID算法应用于机器人控制,并针对交叉路径的识别问题提出了改进的寻迹算法。实验证明：采用所述算法后,机器人能正确地识别交叉道,实现了对复杂路径的准确、快速跟踪。     

满足复杂要求的机器人最优巡回控制系统设计与实现

本文结合线性时序逻辑理论与模糊控制方法,设计并实现了一种满足复杂任务需求的移动机器人巡回控制系统,它既能够针对复杂时序任务进行路径规划,又能够对机器人进行模糊控制实现路径跟踪.首先,基于线性时序逻辑理论,确定能够满足复杂巡回任务需求的全局最优路径.接着,根据所获得的最优路径,采用模糊控制方法设计轨迹跟踪控制器,使其通过实时位姿反馈对机器人进行路径跟踪控制.仿真结果验证了移动机器人巡回控制系统的有效性.最后,基于E-Puck移动机器人构建了能够满足复杂任务需求的移动机器人巡回控制实验系统.基于所提出的最优巡回路径规划算法和模糊控制器设计方法,通过图像处理、数据通信、算法加载等软件模块的实现完成了满足复杂任务需求的移动机器人巡回控制.     

基于深度相机的移动机器人视觉跟踪控制研究

基于视觉利用移动机器人进行运动目标跟踪,该文提出一种基于二自由度云台和RGB-D相机的运动目标视觉跟踪及移动机器人路径实时规划、跟踪方法。该方法利用核相关滤波算法在图像中实时追踪目标,控制二自由度云台使深度相机实时对准目标,并根据深度相机得到目标的深度信息,利用坐标转换得到目标相对于机器人的位置信息;其后移动机器人根据目标的位置信息,基于五次多项式进行路径规划;最后采用李雅普诺夫控制律对移动机器人进行轨迹跟踪控制,使得机器人能够平稳地跟踪目标运动。该算法在阿克曼移动机器人上进行了实验,实验结果验证了算法的有效性和实时性。     

Autonomous multi-mobile robot system: simulation and implementation using fuzzy logic

In an autonomous multi-mobile robot environment, path planning and collision avoidance are important functions used to perform a given task collaboratively and cooperatively. This study considers these important and challenging problems. The proposed approach is based on a potential field method and fuzzy logic system. First, a global path planner selects the paths of the robots that minimize the potential value from each robot to its own target using a potential field. Then, a local path planner modifies the path and orientation from the global planner to avoid collisions with static and dynamic obstacles using a fuzzy logic system. In this paper, each robot independently selects its destination and considers other robots as dynamic obstacles, and there is no need to predict the motion of obstacles. This process continues until the corresponding target of each robot is found. To test this method, an autonomous multi-mobile robot simulator (AMMRS) is developed, and both simulation-based and experimental results are given. The results show that the path planning and collision avoidance strategies are effective and useful for multi-mobile robot systems.     

Optimal cooperative collision avoidance between multiple robots based on Bernstein–Bézier curves

In this paper a new cooperative collision-avoidance method for multiple, nonholonomic robots based on Bernstein–Bézier curves is presented. The main contribution focuses on an optimal, cooperative, collision avoidance for a multi-robot system where the velocities and accelerations of the mobile robots are constrained and the start and the goal velocity are defined for each robot. The optimal path of each robot, from the start pose to the goal pose, is obtained by minimizing the penalty function, which takes into account the sum of all the path lengths subjected to the distances between the robots, which should be larger than the minimum distance defined as the safety distance, and subjected to the velocities and accelerations, which should be lower than the maximum allowed for each robot. The model-predictive trajectory tracking is used to drive the robots on the obtained reference paths. The results of the path planning, real experiments and some future work ideas are discussed.     

一种基于双层插值的路径规划及跟踪算法

针对基于栅格地图的经典路径规划算法的不足,提出了一种双层插值的路径规划算法——T* 算法． 算法首先应用快速行军插值法生成目标波形图,波形图假设波以目标点为中心经四个邻节点向外扩散且沿波传播方 向栅格效用值单调递增;然后在生成的目标波形图上采用线性插值法,从机器人当前位置沿着波逆向搜索一条到达 目标点的平滑路径;得到规划的路径后,针对非完整约束的移动机器人,采用改进的虚拟车辆方法跟踪生成的路径． 实验验证了算法的有效性．     

A Case Study of the Collision-Avoidance Problem Based on Bernstein–Bézier Path Tracking for Multiple Robots with Known Constraints

In this paper a case study of a new, cooperative, collision-avoidance method for multiple, nonholonomic robots based on Bernstein–Bézier curves is given. In the presented examples the velocities and accelerations of the mobile robots are constrained and the start and the goal velocity are defined for each robot. This means that the proposed method can be used as a subroutine in a huge path-planning problem in real time, in a way to split the whole path into smaller partial paths. The reference path of each robot, from the start pose to the goal pose, is obtained by minimizing the penalty function, which takes into account the sum of all the path lengths subjected to the distances between the robots, which should be bigger than the minimum distance defined as the safety distance, and subjected to the velocities and accelerations which should be lower than the maximum allowed for each robot. When the reference paths are defined the model-predictive trajectory tracking is used to define the control. The prediction model derived from the linearized tracking-error dynamics is used to predict future system behavior. The control law is derived from a quadratic cost function consisting of the system tracking error and the control effort. The proposed method was tested with a simulation and with a real-time experiment in which four robots were used.     

A Bioinspired Neural Network for Real-Time Concurrent Map Building and Complete Coverage Robot Navigation in Unknown Environments

Complete coverage navigation (CCN) requires a special type of robot path planning, where the robots should pass every part of the workspace. CCN is an essential issue for cleaning robots and many other robotic applications. When robots work in unknown environments, map building is required for the robots to effectively cover the complete workspace. Real-time concurrent map building and complete coverage robot navigation are desirable for efficient performance in many applications. In this paper, a novel neural-dynamics-based approach is proposed for real-time map building and CCN of autoxnomous mobile robots in a completely unknown environment. The proposed model is compared with a triangular-cell-map-based complete coverage path planning method (Oh , 2004) that combines distance transform path planning, wall-following algorithm, and template-based technique. The proposed method does not need any templates, even in unknown environments. A local map composed of square or rectangular cells is created through the neural dynamics during the CCN with limited sensory information. From the measured sensory information, a map of the robot's immediate limited surroundings is dynamically built for the robot navigation. In addition, square and rectangular cell map representations are proposed for real-time map building and CCN. Comparison studies of the proposed approach with the triangular-cell-map-based complete coverage path planning approach show that the proposed method is capable of planning more reasonable and shorter collision-free complete coverage paths in unknown environments.      

基于协同多目标算法的多机器人路径规划

多机器人路径规划是群体机器人协同工作的前提,其特点是在防碰撞与避障的前提下追求多方面资源的最小消耗.针对这一特点,提出协同非支配排序遗传算法,解决具有多个优化目标的多机器人路径规划问题;运用改进的多目标优化算法,克服多目标优化取权值的不足,同时考虑机器人能源与时间两大资源,以多机器人的路径总长度、总平滑度、总耗时为规划目标.同时引入合作型协同算法框架,将难以求解的多变量问题分组求解.每个机器人的路径视为子种群,子种群通过带精英策略的非支配排序遗传算法,进化并筛选出子种群的部分进入协同进化,每次迭代更新外部的精英解集,最终生成一组非支配路径解.仿真结果表明,在栅格地图环境下,本文算法可有效实现多移动机器人的多优化目标路径规划.     

基于改进蚁群算法的机器人全局路径规划研究

针对蚁群算法在机器人路径规划过程中出现的收敛速度慢的缺陷,提出了基于改进蚁群算法规划机器人全局路径,在栅格地图中划定优选区域,并建立新的初始信息素浓度设置模型,对各点初始信息素浓度进行差异化设置,避免寻优的盲目性,提高了算法的收敛速度。实验结果表明,改进后的蚁群算法的收敛速度明显加快,优于传统算法,表明了该算法的有效性。     

激光—相机系统语义栅格建图和路径规划

目的 SLAM（simultaneous localization and mapping）是移动机器人在未知环境进行探索、感知和导航的关键技术。激光SLAM测量精确，便于机器人导航和路径规划，但缺乏语义信息。而视觉SLAM的图像能提供丰富的语义信息，特征区分度更高，但其构建的地图不能直接用于路径规划和导航。为了实现移动机器人构建语义地图并在地图上进行路径规划，本文提出一种语义栅格建图方法。方法 建立可同步获取激光和语义数据的激光-相机系统，将采集的激光分割数据与目标检测算法获得的物体包围盒进行匹配，得到各物体对应的语义激光分割数据。将连续多帧语义激光分割数据同步融入占据栅格地图。对具有不同语义类别的栅格进行聚类，得到标注物体类别和轮廓的语义栅格地图。此外，针对语义栅格地图发布导航任务，利用路径搜索算法进行路径规划，并对其进行改进。结果 在实验室走廊和办公室分别进行了语义栅格建图的实验，并与原始栅格地图进行了比较。在语义栅格地图的基础上进行了路径规划，并采用了语义赋权算法对易移动物体的路径进行对比。结论 多种环境下的实验表明本文方法能获得与真实环境一致性较高、标注环境中物体类别和轮廓的语义栅格地图，且实验硬件结构简单、成本低、性能良好，适用于智能化机器人的导航和路径规划。     

基于自适应机制改进蚁群算法的移动机器人全局路径规划

针对基本蚁群算法在二维静态栅格地图下进行移动机器人路径规划时出现的搜索效率低下、收敛速度缓慢、局部最优解等问题,提出一种自适应机制改进蚁群算法,用于移动机器人在二维栅格地图下的路径规划.首先采用伪随机状态转移规则进行路径选择,定义一种动态选择因子以自适应更新选择比例,引入距离参数计算转移概率,提高算法的全局搜索能力以及搜索效率;然后基于最大最小蚂蚁模型和精英蚂蚁模型,提出一种奖励惩罚机制更新信息素增量,提高算法收敛速度;最后定义一种信息素自适应挥发因子,限制信息素浓度的上下限,提高算法全局性的同时提高算法的收敛速度.在不同规格的二维静态栅格地图下进行移动机器人全局路径规划对比实验,实验结果表明自适应机制改进蚁群算法具有较快的收敛速度,搜索效率明显提高且具有较好的全局搜索能力,验证了所提算法的实用性和优越性.