基于FPGA的视觉导航小车设计与实现

视觉导航作为新兴起的技术,受众多研究者的青睐.设计了以现场可编程门列阵(FPGA)为控制核心的自主导航小车,采用一种新颖的自适应路径识别算法实现路径的识别与提取,并结合圆弧路线规划和控制策略完成小车的自主导航控制.自适应路径识别算法使导航小车可以适应多种光照和路面条件.测试结果表明,小车能够在不同光照条件下的实验室和露天田径跑道环境中实现较好的导航效果,在田径跑道上的导航测试中,小车的最高运行速度达到3.5 m/s.     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

基于改进蚁群算法的移动机器人动态路径规划

针对动态环境下的移动机器人最优路径问题,利用栅格法建模,提出1种改进蚁群算法。通过调整信息素启发因子和期望启发因子,自适应改变挥发系数。在路径规划时,提出相应的动态路径规划避障策略,使机器人在避障的同时得到最优或次优路径。实验结果表明,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下,该文算法经过25代收敛找到最短路径;改进算法比基本蚁群算法进化代数减少近50代,同时能有效避免移动机器人和动态障碍物碰撞,并且获得15.656的无碰路径。     

基于环境建模与自适应窗口的机器人路径规划

为解决未知环境下移动机器人的实时路径规划问题,提高路径的综合性能,采用多约束局部环境建模方法,综合考虑了各行进方向上的可通行性、安全性、运动平稳性和目标引导性等因素;在环境建模基础上,将Bug算法与基于滚动窗口的路径规划相结合,提出一种改进的路径规划算法,该算法为机器人设计了趋向目标行为和克服局部极小的沿墙行走行为,其滚动窗口的大小能够根据环境进行自适应动态调整.仿真结果表明,提出的环境建模及路径规划方法具有较好的避障能力和环境适应性.     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛，为了达到自动引导车在路径规划中要达到全局最优，实时避障的要求，提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径，根据A-Star算法进行优化，引入自适应启发函数，并进行路径关键点选取，删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低，路径不平滑的问题。动态障碍物躲避采用DWA算法，优化评价函数，提升了规划效率。仿真结果表明，融合优化后的A-Star算法与优化后的DWA算法，减小了搜索范围，提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升，最终实现全局最优路径规划和局部动态实时避障。     

基于改进麻雀搜索算法及动态窗口法的路径规划

对于麻雀搜索算法收敛中期局部探索能力不足、在路径规划方面路径不平滑且动态避障能力差的缺点。首先针对麻雀搜索算法局部探索能力的不足，利用混沌映射初始化种群，并且利用上一代全局最优解与动态自适应权重优化发现者位置更新方式；然后，使用一种线性路径策略，减少折点与节点数量；最后，针对其路径不平滑，动态避障能力差的缺点，将优化后的麻雀搜索算法与动态窗口法融合。实验结果表明改进的麻雀搜索算法与动态窗口法融合算法平衡了全局与局部发掘能力，加快了寻路过程的收敛速度，优化了路径且避障能力显著提高。     

考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略

汽车加速度和速度因交通环境障碍物实时动态变化,智能汽车避障实时参考轨迹不光滑变化;参数摄动,车速实时变化和采集信号干扰,将造成智能汽车动态侧向避障精准控制困难。为此,提出考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略。该控制策略分为动态轨迹规划层和动态轨迹跟踪层;动态轨迹规划层依据障碍物汽车加速度和速度动态变化,采用基于避障极限位置的动态轨迹规划算法,以规划能够保证智能汽车侧向安全避障的实时参考轨迹;动态轨迹跟踪层设计了考虑了质量、转动惯量和前后侧偏刚度参数摄动的鲁棒控制器,以实现实时动态参考轨迹精准跟踪。最后,利用Matlab/Simulink和Trucksim软件联合仿真,进行所提控制策略仿真验证。仿真结果表明：动态轨迹规划层能够依据障碍物汽车加速度和速度实时变化,实时规划了安全侧向避障动态参考轨迹;轨迹跟踪层克服了质量、转动惯量、前后侧偏刚度参数摄动,以及实时参考轨迹不光滑动态变化,平滑良好地跟踪了侧向避障实时参考轨迹。因此,所提控制策略实现了智能汽车安全动态侧向避障,同时确保了避障过程汽车横摆稳定性。     

基于蚁群算法的自动循迹小车路径规划研究

本文通过对蚁群算法的初步应用及研究,提出自动化小车全局路径规划的自适应算法,考虑小车体积及转弯状况,自动择选小车运行最优路径。运用仿真实验及分析,研究证明蚁群算法的智能规划。     

基于强化学习的多机器人编队导航

针对多机器人系统在未知环境编队导航过程中遇到较长障碍物时，顺时针绕障和逆时针绕障的不同选择会给导航效率带来很大影响的问题，提出了一种三层强化学习方法。由高层的基于“条件-行为对”的在线学习适应环境障碍物的动态变化，中层采用角色交叉包含式控制结构保持队形，底层采用离线式常规强化学习机制获得避碰规则。仿真实验结果表明，由于只在高层保持在线学习，使学习空间得以缩小，学习时间得以缩短。该方法为复杂环境下的多机器人编队导航提供了一种有效的自主学习策略。     

面向非结构化道路的特征光流检测

道路环境中的视觉障碍检测是智能车辆导航的一大难题,光流检测算法则为解决该难题提供了有效的途径。提出了一种复合特征光流检测算法,借助于不同类型局部特征的检测与匹配,通过图像分割发现感兴趣区域,通过光流检测为该区域的可通行性判定提供决策依据。与传统光流检测方法的对比实验证明了算法的有效性。     

基于传感器数学模型的数据融合方法及避障研究

文章介绍了超声波传感器测距中存在的问题,提出了基于传感器数学模型的数据融合方法,在此基础上建立基于信息融合的移动机器人导航系统;结合模糊逻辑控制的方法,设计了符合人类驾驶经验的模糊控制器,以实现移动机器人在障碍物环境下的自主导航;最后用MATLAB模糊工具箱对该模糊控制器进行了仿真,结果表明,机器人能够自主避开障碍物,到达目的地。     

基于LMS的AUV空间避障模拟方法研究

为了模拟自主式水下航行器（AUV）在复杂海洋环境中对未知环境的感知以及避障过程,设计了AUV空间避障模拟试验系统．介绍了模拟平台的硬件结构和参数设计,应用激光测距系统（LMS）模拟水下声纳,建立了AUV空间避障仿真环境,设计了基于Q—Learning的避障算法,并完成了模拟试验．试验结果表明：AUV空间避障模拟平台可以较真实地反映AUV在水下复杂环境中的空间运动,避障算法可行有效．     

混合动力轿车的控制策略与建模

采用理论模型和试验数据相结合的建模方法，在系统仿真软件MATLAB／Simulink环境中建立了EQ7200HEV混合动力轿车样车A的仿真模型，该整车模型的控制策略采用了逻辑门限与瞬时优化相结合的算法，既可以满足实时性的要求，又能同时兼顾电池的充放电损失和制动回收电能．仿真结果与实验数据比较表明，文中提出的控制策略能有效地控制混合动力系统在高效区工作，显著地提高了汽车的燃油经济性．     

一种自主移动机器人智能导航控制系统设计

提出一种实用的自主移动机器人智能导航控制方案,以研制的模型样机HN-9为例,阐述了其具体实现技术.机器人采用扫描式超声波实现作业环境的探测,基于码盘和电子罗盘的组合导航子系统实现定位估计,利用模糊决策子系统产生反应式智能导航控制行为.仿真实验及模型样机的实际运行效果验证了该系统构成的可行性.这种模块化的低成本设计方案便于在移动机器人的嵌入式控制系统上实现,便于对已有移动机器人系统进行改造以实现自主导航功能,用以提高操作机动性与可靠性.     

AUV同时定位与跟踪算法研究

为了提高自治水下航行器的水下适应能力,对比目标跟踪与协同导航的概念,并仿照同时定位与制图方法,提出了基于EKF-SLAM框架和FastSLAM框架的自治水下航行器同时定位与跟踪算法.根据装备在携带低精度自定位传感器AUV上的声纳传感器持续探测非合作目标并估计目标航迹的同时,利用探测到的AUV与目标间的相对信息修正其自身航位推算带来的累积估计误差,从而提高AUV的自定位精度,AUV的定位和目标的状态估计同时进行,且要满足一定的精度.仿真比较了所提出的两种算法的精度,并验证了算法的有效性和一致性.     

机器人多模型反演滑模控制策略研究

针对机器人工作环境的改变对系统模型产生的影响问题, 提出了一种机器人多模型反演滑模控制策略。对传统多模型控制的PID(Proportion\|Integral\|Differential)型切换指标进行了改进, 形成带权值和遗忘因子的PID型切换指标, 使切换指标更具实时性。不同于采用先前的估计虚拟控制输入作为当前控制输入, 引入滑模面作为虚拟控制输入, 消除了机器人运动模态的导数项, 简化了控制率, 然后利用Lyapunov直接法保证稳定性。仿真结果验证了所设计的控制策略的有效性。     

Software framework for off-road autonomous robot navigation system

This paper presents a software framework for off-road autonomous robot navigation system. With the requirements of accurate terrain perception and instantaneous obstacles detection, one navigation software framework was advanced based on the principles of "three layer architecture" of intelligence system. Utilized the technologies of distributed system, machine learning and multiple sensor fusion, individual functional module was discussed. This paper aims to provide a framework reference for autonomous robot navigation system design.