基于三维激光雷达的无人船障碍物自适应栅格表达方法

针对无人船(USV)海上近距离实时性避碰检测的需求,提出一种基于三维激光雷达的USV障碍物自适应栅格表达方法。根据USV周边环境障碍物的激光雷达点云分布,建立障碍物密集度和障碍物表达时间与栅格地图分辨率之间的函数关系,自适应确定适中的地图分辨率,构建栅格地图;对三维激光雷达点云数据进行降维处理,将三维激光雷达点云投影到栅格地图,减小数据量,提高障碍物检测效率。利用三维激光雷达开展方法验证性实验,获取了三种不同障碍物场景的激光雷达点云数据。处理结果显示:环境中障碍物数量越多,获得的期望栅格地图分辨率越高,障碍物表达更精细;反之,障碍物数量越少,获得的期望栅格地图分辨率越低,障碍物表达更快速,可实现障碍物自适应栅格表达。所建立的方法可为后续USV局部避碰路径规划研究提供支撑。     

基于激光雷达局部地图构建的机器人避障路径规划

机器人周围环境的光照、阴影及物体遮挡等条件易导致环境信息采集出现误差，影响机器人建图精度。为优化障碍物的探测准确度和机器人的避障速度，提出基于激光雷达及模糊比例积分微分(PID)的机器人避障路径规划方法。利用Kinect传感器采集机器人环境深度信息，并将其转化为3D信息，构建全局地图。利用激光雷达，通过坐标转换、线段分割，构建局部地图，补充全局地图的不足。结合Cartographer算法优化机器人控制参数，利用模糊PID控制器完成机器人避障路径的规划。实验结果表明：该方法在普通避障环境和复杂避障环境下，均能够成功躲避障碍物，且避障路径均较短。     

一种融合深度相机与激光雷达的室内移动机器人建图与导航方法

为解决室内移动机器人导航过程中容易碰撞障碍物的问题,本文提出一种融合深度相机和激光雷达的室内移动机器人建图与导航方法,在机器人底盘上安装激光雷达、深度相机和里程计,利用Gmapping算法进行室内二维地图构建,同时用ROS中depthimage_to_laserscan功能包对深度图像进行二维投影,生成的二维栅格地图与激光雷达所建的地图进行融合.实验证明该方法使建立的地图更加完善,提高了室内移动机器人检测周围障碍物的能力和自主导航的能力.     

基于CNN的移动机器人局部路径激光雷达辅助规划方法

移动机器人在开展局部路径规划时,对障碍物的准确识别及避障路径规划效果会直接影响机器人的安全运行。为此,提出基于CNN的移动机器人局部路径激光雷达辅助规划方法。该方法首先依据CNN方法建立障碍物定位模型,结合设计的视觉控制器,完成场地内障碍物位置的定位;再使用激光雷达采集机器人与障碍物位置之间的距离,再通过VFH算法对距离量化,利用自适应阈值计算机器人移动时的转向,从而确定机器人的局部航向,实现机器人的局部路径规划。实验结果表明,使用该方法实施路径规划时,规划出的路径长度最多为82 m,规划时间最多为5.12 s,规划效果好。     

移动机器人中激光雷达测距测角标定方法

针对目前移动机器人对环境地图构建精度低的问题,分别提出了激光雷达测距、测角的标定方法。通过误差传播定律分析引起激光雷达的测距误差因素,可知激光雷达测距误差主要是由回波强度和测量距离引起的,推导出测距误差修正模型。通过分析激光雷达测角误差因素,针对机械扫描轴与几何旋转中心偏心引起的误差,提出了一种三角形标定方法,建立测角误差修正模型。根据激光雷达测距、测角误差修正模型修改移动机器人坐标转换系统。实验结果表明,测距标定使平面障碍物数据纵坐标差值的标准差提高了30%~60%,接近物体真实几何特征;测角标定方法使障碍物数据的重合效果提高了30%,标定方法提高了移动机器人地图构建的精度。     

移动机器人激光雷达测距误差自适应修正研究

为解决激光雷达测距准确率低等问题，提出移动机器人激光雷达测距误差自适应修正研究。构建机器人动力学模型，分析障碍物在雷达、机器人和全局坐标系中的位置，完成坐标变换，避免因坐标不同造成测距误差，考虑气动光学效应会降低回波强度，对测距公式求全微分、计算具体误差值，通过比例系数自适应修正误差，实现移动机器人激光雷达准确测距。实验证明，所提方法即使在复杂环境下测距的位置误差均在4 cm以内，耗时仅为1.2 s,测距准确度达到了99.0%以上，因此，该方法可以适应复杂环境的避障，为机器人路径规划提供更加可靠的依据。     

基于室内环境智能机器人路径规划算法的研究

随着无线传感器及家庭服务机器人的出现,现有的路径规划算法中大多不能满足实时性要求。文章提出一种针对室内环境的路径规划算法。该算法中通过采用栅格模型建立地图,设定新的启发函数,仿真结果表明该算法简单实用、且计算速度快,且在已知家庭地图的情况下该算法搜索时间有明显的优势,同时该算法能适用多障碍物的室内环境。     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

基于混合智能算法的机器人避障路径规划研究

为提高智能机器人在市场内的使用率,优化机器人的使用性能,开展基于混合智能算法的机器人避障路径规划方法的设计。结合动力学扰动行为的分析,获取机器人不同关节有效运动参数,通过对不同运动姿态的有效融合,建立机器人障碍规划运动学模型;基于栅格法,对障碍物环境进行网格划分,基于蚁群算法,定位机器人避障最优参数,以此实现对避障路径规划中参数的设定;利用OAO的局部定位与全局检索能力,构建一个环境障碍物随机树,将其与蒙特卡洛算法进行融合,进行机器人规划初步行进路径的设计。实验结果证明,设计的路径规划方法,在实际应用中,可以起到缩短并优化避障路径的作用,以此种方式,提高机器人行进的速度与效率。     

未知环境下多机器人协作追捕算法

 研究了在未知环境下一种多机器人协作追捕多个移动目标方法,将追捕过程分为环境地图创建、构建追捕团队,及团队成员协作快速捕获目标三部分.设计抽象传感器模型用于追捕者探索障碍物.综合考虑与捕获目标相关的各种因素建立属性关系样本数据集,提出了利用关联规则数据挖掘技术构建追捕团队的方法.通过对追捕目标位置预测,将追捕问题类比为多机器人协作路径规划问题,在环境地图基础上求解追捕团队到达目标位置的最优路径.仿真结果表明,多机器人能够高效地协作捕获移动目标,证明了所提方法在复杂动态环境下实现的可行性及有效性.     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

Rapid obstacle sensing using mobile robot sonar

This paper introduces rapid obstacle sensing using mobile robot sonar (ROSUM) a new method of applying simultaneous ultrasonic firing in environmental scanning. ROSUM focuses on treating undesirable crosstalk data with a heuristic pattern classification technique. In addition, least square curve fitting is applied to estimate bearing angles to the echoes’ reflecting points which partially eliminates the problem of sonar’s poor directionality. ROSUM enables full panorama scanning to be performed more rapidly then error eliminating rapid ultrasonic firing (EERUF), currently the most rapid method available. This makes ROSUM suitable for fast mobile robots navigating in dynamic environments since the system can detect obstacles which suddenly appear in the robot’s path, and which may not be detected by the low-frequency scans in time for the robot to safely avoid them. Criteria for sonar ring design enabling multi-wave superposition to attain a quasi-homogenous sonar beam intensity pattern are also outlined. ROSUM has been implemented and tested in a specular office-like environment using a mobile robot. As a result, obstacle detection was performed not only faster, but also more accurately in comparison to conventional methods.     

双向ACO算法应用于静态机器人全局路径规划研究

提出双向蚁群算法并应用于静态环境下的机器人全局路径规划问题.对栅格法环境建模进行改进,将传统的栅格法改进为膨胀栅格法;使用双向蚁群算法在出发点和目标点设置带有不同标记的两族蚂蚁相向爬行完成搜索,启发信息主要通过目标点、出发点和蚂蚁的当前位置二维坐标值计算得出;信息素存储采用方向信息素矩阵.仿真实验证明:即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出最优路径.     

基于模糊算法的移动机器人路径规划

为了解决移动机器人最优路径规划问题,提出一种基于模糊算法的移动机器人路径规划策略.利用超声波传感器对环境进行探测,得到关于障碍物和目标的信息.运用模糊推理将障碍位置信息与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好的避障,从而实现了移动机器人的路径规划.仿真实验结果表明了模糊算法优于势场法和A*算法,具...     

移动机器人超声波测距避障系统设计

测距避障是移动机器人适应未知复杂环境的能力之一,准确测出移动机器人和障碍物之间的距离是关键。以dsPIC33FJ256MC710单片机为核心研究设计了一种移动机器人超声波测距避障系统。该系统利用脉冲回波法测距,针对超声波在空气中的传播速度受环境温度的影响,设计了超声波速度温度补偿电路。实验结果表明该超声波测距避障系统测量数据准确,能够满足移动机器人在复杂环境中避障的需求。     

基于改进蚁群算法的移动机器人路径规划研究

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。     

基于激光雷达的移动机器人运动目标检测与跟踪

运动目标的检测与跟踪是移动机器人研究的难点问题之一.基于2维激光雷达的性能分析与滤波设计的基础上,提出一种自主运动目标检测与跟踪的方法.通过k-近邻对激光雷达扫描的障碍进行聚类分析;基于栅格地图匹配的方法评估障碍的运动参数;检测出运动目标后,通过对机器人进行运动补偿,提出一种改进的粒子滤波算法对目标的运动状态进行评估.最后,利用自行研制的移动机器人进行算法评估,实验结果验证了所提方法的有效性.     

动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.