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.     

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。     

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。     

构建移动机器人地图的多传感信息融合算法研究

多传感信息融合算法常用于构建移动机器人的地图。分析了移动机器人研究中常用传感器的工作原理,基于四轮移动机器人在转弯过程中存在的滑移现象,采用扩展卡尔曼滤波器算法将里程计信息与惯性测量单元信息融合,得到新的里程计信息,并采用Rao-Blackwellized粒子滤波器算法使激光传感器观测模型与新的里程计信息融合,构建得到精度较高的环境地图。试验结果表明,采用多传感信息融合算法进行移动机器人地图构建是行之有效的。     

自学习移动机器人在未知环境中的路径规划

通过对移动机器人在未知环境中的运动分析，结合多传感器信息，利用一种新的移动机器人在未知环境中的定位算法。该算法可根据移动机器人的运动过程。不断更新其位置状态。并能对下一步位置状态进行预估计。然后根据实测传感器信息对预估值进行修正。获得实际位置状态。并为移动机器人的路径规划提供基础。容纳后用遗传算法来获得机器人的最佳路径，最后用仿真试验验证了该方法的可行性。     

移动机器人路径规划技术的研究现状与发展趋势

路径规划技术是移动机器人技术研究中的一个重要领域。介绍了移动机器人路径规划技术的分类,综述了基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划的发展现状,指出了各种方法的优点与不足;同时分别探讨了反应式规划和慎思规划、全局规划和局部规划、传统方法和新的智能方法之间的结合状况,总结了有关路径规划技术的一些新的发展趋势。     

移动机器人导航系统的研究现状与发展趋势

综述了移动机器人的定位，导航，路径规划，避障及多传感器信息融合技术，介绍了主要的导航方式及其特点，导航系统的分类，并阐述了导航技术的应用现状及发展趋势。     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

基于感知-行为的移动机器人全区域覆盖路径规划

针对未知环境信息下的移动机器人全局区域覆盖路径规划问题,提出了一种基于感知-行为的路径规划方法。根据移动机器人实时感知的传感器信息,建立机器人全区域覆盖的行为执行表,在机器人全区域覆盖过程中,通过这种感知与行为的关联能够实时有效地驱动机器人实现路径规划。模拟与仿真的结果证明了算法的简单性和实用性。