基于障碍物代价势场的移动机器人避障算法

移动机器人所处的环境通常是动态的, 机器人需要及时做出响应, 同时保证路径的平滑度及与障碍物间的安全距离。针对此问题, 提出了一种基于障碍物代价势场的移动机器人动态避障算法。通过建立静态栅格地图及障碍物的代价势场, 获得动态场景下的等势线及经过起点、终点的切线, 求解最小生成树获得初始候选路径, 针对路径的长度、障碍物距离及平滑度对候选路径锚点进行调整。通过引入障碍物速度对代价势场的影响, 使得机器人能对移动中的障碍物做出及时的响应。为验证所提算法的有效性, 在分辨率为1 200×1 000 m的栅格场景下分别对静态场景和动态场景进行仿真, 结果表明:所提算法能够在保证路径具有较高的平滑度且与障碍物间保持安全距离的条件下使路径尽可能得短;同时在动态障碍物场景下依然能保持路径的平滑和避障的安全性, 满足动态场景下移动机器人路径规划的要求。      

基于Safe-PPO算法的安全优先路径规划方法

现有的路径规划算法对路径规划过程中的路径安全性问题考虑较少，并且传统的近端策略优化(PPO)算法存在一定的方差适应性问题。为解决这些问题，提出一种融合进化策略思想和安全奖励函数的安全近端策略优化(Safe-PPO)算法，所提算法以安全优先进行路径规划。采用协方差自适应调整的进化策略(CMA-ES)的思想对PPO算法进行改进，并引入危险系数与动作因子来评估路径的安全性。使用二维栅格地图进行仿真实验，采用传统的PPO算法和Safe-PPO算法进行对比；采用六足机器人在搭建的场景中进行实物实验。仿真实验结果表明：所提算法在安全优先导向的路径规划方面具有合理性与可行性：在训练时Safe-PPO算法相比传统的PPO算法收敛速度提升了18%，获得的奖励提升了5.3%；在测试时采用融合危险系数与动作因子的方案能使机器人学会选择更加安全的道路而非直观上最快速的道路。实物实验结果表明：机器人可以在现实环境中选择更加安全的路径到达目标点。     

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.      

一种基于有限视场的移动机器人避障路径规划算法

 提出一种基于传感器的移动机器人避障路径规划算法。考虑到传感器存在视场范围限制的问题,算法仅利用当前单一视场内的有限环境信息,采用两种搜索模式,以机器人当前的运动方向、障碍物边界端点数据及目标点所在方向为依据,在当前视场中搜索合适的路径。这两种搜索模式保证了路径最终收敛到目标点。最后,通过仿真实例验证了算法的有效性。     

应用改进果蝇优化算法的月面巡视器路径规划

文章针对果蝇优化算法易陷入局部最优的问题,对果蝇算法中的味道浓度判定值进行改进,并将其用于月球探测巡视器的动态路径规划。为验证算法的有效性,将改进果蝇优化算法与粒子群优化算法的路径规划寻优特性进行了仿真对比分析,结果表明改进果蝇优化算法具有良好的实时性,并有效解决了算法易陷入局部最优的问题。考虑到月球探测巡视器在沿规划路径进行月面巡视的过程中,有可能遇到未知障碍物的情况,提出了动态环境下月球巡视器遇到未知静态障碍物的避障策略。     

复杂低空物流无人机路径规划

针对复杂低空物流无人机路径规划问题，考虑空域环境、运输任务等内外限制，以飞行时间、能耗及危险度最小为目标函数，建立多限制条件物流无人机路径规划模型，设计启发算法以快速解算路径。采用栅格法对规划环境表征，引入物流无人机性能约束确保路径可飞。针对A*算法存在的问题及物流无人机航空运输特色，引入栅格危险度因子、货物质量惩罚系数，增加飞行时间、能耗等代价以提升避障能力、降低成本。为匹配所提启发算法解算效率与精度，采用动态加权法对函数赋权。为筛除冗余路径点及保证平稳飞行，采用双向交叉判断法等对原路径优化平滑。为验证所提路径规划模型及启发算法的有效性，对比4种算法规划结果，分析栅格粒度大小与代价权重值对结果的影响。在既定的运输环境及物流无人机性能约束下，研究结果表明:所提算法与A*算法相比，保证了物流无人机飞行安全、能耗少，将飞行时间由406 s降至386 s，降低了5%；飞行路径点数为129个、栅格危险度因子为11.69，降低了姿态改变次数，保证了运输安全；当栅格粒度大小为5 m，代价权重值为0.4、0.1、0.5时，采用所提算法规划的路径最佳。      

基于CGAPIO的航天器编队重构路径规划方法

针对航天器编队重构的路径规划问题，考虑燃料消耗和碰撞概率等约束条件，以及基本鸽群算法存在的问题，提出一种基于混沌初始化和高斯扰动的自适应鸽群(CGAPIO)算法。为了得到多样性和覆盖性更好的鸽群初始值，采用Tent Map混沌模型进行鸽群初始化操作；在地图和指南针算子阶段，为提高全局搜索能力，引入了自适应的权重因子和学习因子更新个体的位置和速度；在地标算子阶段，为避免算法陷入局部最优，将高斯扰动加入到鸽群中心位置。仿真实验结果表明:CGAPIO算法与基本鸽群算法和粒子群算法相比，提高了全局搜索能力，避免了局部最优，规划得到的路径更加平滑，各航天器碰撞概率较低，编队重构消耗的总燃料至少减少了12%。      

一种基于概率路线图的月球巡航车路径规划算法

为提高月球巡航车自主探测时的安全，提出一种基于概率路线图(Probabilistic Roadmap, PRM)的改进路径规划算法.该算法基于距离变换地图，改善PRM算法的采样方式，控制采样点远离障碍物，使规划的路径远离障碍物，避免紧贴障碍物前进的危险情况，提高了月球巡航车自主探测过程中的安全程度.为评估路径的安全性，提出安全警戒系数和最小安全警戒系数两个安全指标，并在月球表面仿真环境下对A*，PRM和改进的PRM算法生成的路径进行安全评估.结果表明改进的PRM算法相较于A*算法，安全警戒系数和最小安全警戒系数分别提升了2.20 m，1.00 m；相较于PRM算法，安全警戒系数和最小安全警戒系数分别提升了1.68 m，1.00 m.改进的PRM算法不局限于月球巡航车的路径规划，还可以应用于对路径安全性要求较高的探索机器人和自动驾驶汽车.     

移动机器人自主动态避障方法

针对基于水流场的全向移动机器人动态避障过程中可能出现的避障失效和避障路径过长问题, 提出了一种基于速度斥力场改进人工势场方法的全向移动机器人自主动态避障方法。详细分析基于水流场改进的人工势场法在动态避障过程中存在的移动机器人从障碍物前方绕过而引起的避障路径过长或避障失效问题;在基于水流场的人工势场避障方法中, 根据移动机器人和动态障碍物的相对速度, 引入速度斥力场, 使得移动机器人从动态障碍物的后方通过, 实现全向移动机器人的安全自主动态避障。通过仿真和室内避障实验, 验证了所提自主动态避障方法的有效性和实用性。      

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。     

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。      

冗余空间机械臂粗捕获段无碰撞轨迹规划算法

现有的基于C空间的无碰撞轨迹规划算法需要求解C空间以获得C空间障碍边界。对于多自由度的冗余机械臂,求解过程需要消耗很大的计算量和内存,不适用于计算资源紧张的空间机械臂轨迹的快速规划。文章提出了一种不需要求解C空间的试探性规划算法,包含4个子算法：碰撞检测算法、无碰撞目标构型求解算法、无碰撞路径搜索算法和路径平滑算法。已知期望的末端作用器位置和姿态,利用目标构型求解算法得到无碰撞的目标构型,然后由路径搜索算法在C空间障碍边界未知的情况下,利用碰撞检测算法,采用一定的试探规律,在C空间中搜索出一条无碰撞路径,最终由路径平滑算法使该路径平滑,易于实现。仿真算例表明,该算法是快速有效的,适用于冗余空间机械臂粗捕获段的快速轨迹规划。     

面向月面复杂环境的自主导航及跨平台仿真系统的研究

目前,月面复杂场景下的无人车自主导航仍面临巨大挑战,研究面向月面非结构化环境的自主导航方法具有重要意义。。本文提出了一种基于地形约束的非结构化环境下的自主导航方法,采用一种基于八叉树地图的高效路径搜索和轨迹优化算法来生成轨迹,该算法可以有效地避开环境中的各种障碍物,到达指定的目的地。在Gazebo中进行了仿真实验,结果表明所提方法在无地图导航任务中取得了优异的性能。考虑到Gazebo在人机交互方面具有不足,进一步采用Windows中的Unity进行人机交互。在ROS与Windows交互方式上,设计了基于rosserial_serve的TCP连接,并采用Visual Studio解决方案生成Win32控制台应用程序,通过IO流读写本地文件的方式,完成目标点等信息的交互;同时结合PhysX物理引擎与人机交互的方式,提供了再现车辆在月面位姿、设置危险区域与规划路径点的功能,完成了基于Unity的寻路场景重现。     

基于混合整数线性规划的爬壁机器人路径规划

为研究City-Climber爬壁机器人在3D建筑物环境中的路径规划问题,基于混合整数线性规划(MILP, Mixed Integer Linear Programming),提出了一种适用于City-Climber的路径规划方法.为了用MILP方法解决避障问题,首先用限制机器人控制输入的方法对City-Climber的数学模型进行解耦和线性化,再介绍了用MILP方法对控制输入进行描述的数学表达式,并提出了适用于爬壁机器人的新型代价函数,最后以一个方形房间为运动环境,用AMPL和CPLEX优化软件,以及Matlab软件解算路径规划问题.仿真结果表明:MILP方法较好地解决了City-Climber在3D环境下的路径规划和避障问题.     

基于贪心策略的直角坐标机器人动态分拣规划

针对直角坐标机器人在动态分拣过程中顺序规划算法效率低下的问题,提出了一种适用于机器人连续分拣作业的改进贪心策略规划算法。建立直角坐标机器人的运动学模型,确保物体被准确拾取。设计时间窗口,对传送带上的连续运动物体进行区域划分,并应用贪心策略对同一时间窗口内的物体规划分拣顺序。考虑物体存在分拣遗漏的风险,设计评价函数对贪心策略进行改进,增强了所提算法的实用性。设计模拟程序对所提算法进行仿真,并利用搭建的机器人平台开展分拣实验,验证了算法的可行性和有效性。实验表明:所提算法可在机器人实际分拣作业中规划出有效的分拣路径,平均分拣距离和分拣时间均小于顺序规划算法,提高了机器人对平面随机分布的连续运动物体的分拣效率,实时性好,实用性强,对机器人动态分拣场景下的分拣路径优化研究具有一定的指导意义。      

动态环境中的无人机路径规划方法

为了解决动态环境中的路径规划问题,提出了一种引入时间轴的方法.在构型空间的基础上引入时间轴,将构型空间扩展为构型-时间空间,在构型-时间空间中可以表示动态障碍物所有时刻的位置.在路径生成阶段,提出了一种改进的蚁群算法,将方向信息作为启发信息引入蚁群算法中,使蚂蚁在初始搜索路径时更有针对性.仿真结果表明:构型-时间空间可以解决动态环境的表示问题,改进蚁群算法可以更快地收敛到全局最优解.      

基于路径跟随的改进领航-跟随无人机协同编队方法

针对集群无人机完成高精度协同编队的需要，提出了一种基于路径跟随的改进领航-跟随无人机协同编队方法。首先，在传统A*算法的基础上，引入了障碍威胁系数改进A*算法，为领航无人机规划从起点到目标的全局安全路径；其次，采用Hermite多项式在离散化后对领航无人机的全局安全路径进行参数化表示。当遇到新的障碍信息时，利用改进A*算法重新规划路径；随后，领航无人机将跟随无人机的空间编队信息与编队路径参数信息在集群中完成同步；最后，基于一致性原理设计了编队队形协同控制器，并基于改进人工势场法设计了动态避障控制器。仿真结果表明，与传统的领航-跟随方法相比，该方法可以降低编队误差，提高了复杂曲线路径下无人机的编队精度与稳定性，具有一定的工程应用价值。