改进RRT的移动机器人路径规划算法

针对快速扩展随树算法(RRT)在移动机器人路径规划中随机性强、转折点多、存在大量冗余点的缺点,提出了一种基于单元分解法的改进RRT算法。首先在算法初始阶段,利用单元分解法将地图划分为可行区域与障碍区域;后根据区域与区域之间邻接关系,将随机采样点的选择固定在邻居区域内,直至扩展到目标点所在区域;并对搜索到的最终路径进行优化处理,改善路径转折点过多的问题。仿真结果表明,改进RRT算法生成的路径长度更短、消耗时间更少,最后将改进RRT算法应用在实际移动机器人中,进一步证明改进算法的实用性和有效性。     

基于改进APF-RRT的机械臂避障路径规划

为提高机械臂在复杂环境下的避障路径规划效率,提出一种适用于椭球障碍物的改进人工势场-快速搜索随机树（Artifical Potential Field-Rapidly exploring Random Tree,APF-RRT）算法。首先,使用椭球体包围盒包络障碍物,对椭球体的碰撞检测进行分析;其次,为了加快路径探索速度,引入随机点效应与随机点选择机制对RRT算法进行改进,机械臂采用改进后的RRT与人工势场法的混合方法进行路径规划;最后,对规划好的路径进行冗余点删除,并使用四次B-样条曲线对路径进行平滑,提升路径的质量。实验结果表明,相较于经典算法,该算法能够快速完成避障路径规划且规划路径更短。     

基于仿真优化智能变电站巡检机器人路径研究

智能变电站巡检机器人对于保证电力系统的安全、稳定、可靠运行具有重要意义,同时具有提高巡检质量及提升能效的作用。针对实际应用中巡检机器人路径规划基于静态地图、难以应对未建模环境信息以及系统存在随机因素的问题,文中提出了一种基于仿真优化方法的巡检机器人路径策略改进的方法。首先通过巡检过程中的实时观测信息,利用随机方法产生用于仿真优化的运行样本,然后在给定的规划策略的基础上利用仿真样本进行路径策略的改进,在保证路径策略性能的同时降低机器人的计算负荷。仿真实验结果表明,所提出的方法可以在栅格环境下有效的应用于给定的基于规则的路径策略和贪婪路径策略的性能改进。     

融合三步平滑与改进RRT算法的无人机路径规划

为解决路径规划领域中原始RRT所具有规划时间长、路径不平滑、路径代价大的缺点,本文先在原始RRT算法的基础上加入了动态步长策略以及嵌入了Dijkstra算法对效率进行改进,然后在得到的路径上分别加入下样本平滑、上样本平滑和关键点平滑对路径平滑度和路径代价进行改进。MATLAB实验表明,本文算法在规划时间上较传统RRT提升45%左右,较Astar、RRTstar、GA算法有着分别30%～70%不等的领先;在路径长度方面,本文算法较传统RRT有着近40%的提升,相较其他算法也有着不同程度的领先。由此可以得出,本文所提方法,可以较好地应用于路径规划。     

基于改进RRT-Connect算法的机械臂运动规划

针对双向快速拓展随机树(RRT-Connect)算法在多障碍物复杂环境下算法收敛速度慢、搜索效率低、采样具有随机性等问题，提出一种基于椭球子集采样的RRT-Connect算法，首先在传统的RRT-Connect算法的基础上，结合目标偏执采样策略和椭球子集采样的优势，构造一种新的采样方法，对采样区域进行约束，在此基础上找到从起始点到目标点的最优路径点集合，并将该路径作为初始路径，通过引入基于三角不等式的路径修剪算法，在迭代过程中对路径不断优化，得到一条从起始点到目标点的代价小、无碰撞路径，最后结合五次多项式差值算法进行路径优化，生成一条路径平滑且曲率连续的优化路径，从而使机械臂沿着该最优路径快速、准确、稳定的到达目标点。实验结果表明，对比原始的RRT-Connect算法，平均规划时间效率提高了30.5%、平均采样点减少了76.74%、平均路径长度缩短了13.22%,该算法在规划过程中收敛速度更快、搜索效率更高、路径优化效果更显著。     

Mobile Robot Path Planning in Dynamic Environments: A Survey

There are many challenges for robot navigation in densely populated dynamic environments. This paper presents a survey of the path planning methods for robot navigation in dense environments. Particularly, the path planning in the navigation framework of mobile robots is composed of global path planning and local path planning, with regard to the planning scope and the executability. Within this framework, the recent progress of the path planning methods is presented in the paper, while examining their strengths and weaknesses. Notably, the recent developed Velocity Obstacle method and its variants that serve as the local planner are analyzed comprehensively. Moreover, as a model-free method that is widely used in current robot applications, the reinforcement learning-based path planning algorithms are detailed in this paper.     

基于图论方法的路径规划应用

利用图论方法来实现机器人寻优路径规划。图论是一种新的数学分支,对于求解最优化问题很有实用价值。它与通常采用的路径规划方法比较,如势能函数法、网格法、人工神经网络方法、遗传算法等,在解决两点间最短距离问题上尤具优势,从起始点出发到达目标点的寻优路径策略更具有简单实用性,具有方法简单、算法容易实现的优点。仿真实验显示了该算法可以有效地解决机器人对任意两点间的路线进行寻优问题,取得了较好的结果。     

基于层次分析法和改进A*算法的电力应急机器人路径规划

电力应急机器人能够替代人工进入电力危险场景进行应急抢险作业,机器人路径规划的合理性对其作业的时效性与准确性有很大影响。提出一种层次分析法、改进A~*算法和梯度下降法相结合的应急机器人路径规划方法。首先通过层次分析法选定复杂场景中的作业目标,然后结合危险源风险曲线函数和机器人防护阈值对A~*算法的代价函数进行改进,实现注重风险的全局路径规划,再基于梯度下降法完成运动过程中的局部动态路径规划。仿真表明,该方法能够自主选择作业目标,规避作业风险并快速抵达目标,有效提升电力应急作业的时效性和安全性。     

面向电力智能巡检的多机器人系统协同路径规划算法

针对在复杂电力智能巡检任务与环境下,多机器人路径规划算法计算量大、实时性差的问题,提出了面向电力智能巡检的多机器人系统协同路径规划算法。首先结合实际情况,提出了2种不同群体规模下的多机器人系统交通规则法;接着,在所提交通规则法的基础上融入单机器人路径规划算法,提出了多机器人系统协同路径规划算法,且通过加权改进提升其运行效率;最后,通过仿真实验表明了所提2种交通规则以及协同路径规划算法在多机器人系统上应用的可行性和有效性。     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

Position and Rotation Estimation for Mobile Robots in Outside of Recording Path Using Ego‐Motion

In this research, estimating the position and rotation of a mobile robot outside of a recording path is realized by applying ego‐motion to view‐based navigation. The ego‐motion is calculated based on the differences in 3D positions of SURF feature points between recording and current images obtained by a Kinect sensor. In conventional view‐based navigation, it is difficult to plan another path when people and objects are found in the recording path. By using the authors’ proposed estimation method, it is possible to realize flexible path planning in actual environments that include people and objects. Based on the results of experiments performed in actual indoor environments, the authors evaluated measurement accuracy for the robot's position and rotation estimated under their method, and confirmed the viability of their method for actual environments including people and objects.     

改进QPSO和Morphin算法下移动机器人混合路径规划

为了提高机器人在复杂环境下路径规划的能力,提出了一种基于改进量子粒子群优化算法(QPSO)和Morphin算法的混合路径规划方法。利用栅格地图建立环境模型并确定起始点和目标点,通过引入自适应局部搜索策略和交叉操作对QPSO进行改进规划出一条最优的全局路径,机器人根据全局路径行走,当发现未知静态或动态障碍物立即调用Morphin算法进行局部路径规划,避开障碍物后回到原全局路径上继续行走至目标点。该混合路径规划方法的有效性和可行性通过Matlab仿真和实际应用得到很好地验证。     

基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。     

无先验地图条件下电力管廊无人机自主巡检方法研究

针对无先验地图条件下电力管廊无人机自主巡检能力不足的问题,本文提出了一种不依赖先验地图的无人机巡检方法。首先,无人机搭载激光雷达,通过SLAM（Simultaneous Localization and Mapping）算法进行实时场景构图,并基于RRT（Rapidly-exploring Random Tree）算法对构建的全局栅格地图进行边界搜索;其次,针对传统RRT算法难以判断环境地图完整性、保障巡检全面性的问题,提出了一种基于数字图像处理的边界检测方法。通过Canny算子对实时构建的地图进行边缘检测,并对地图进行完整性评估。最后,为验证本文提出方法的有效性,在江苏无锡处某220kV电力管廊的仿真模型中进行验证,分别采用RRT算法和本文改进算法进行自主巡检测试,结果表明本文提出的算法相比RRT算法可提升21.8%的巡检覆盖率。     

一种基于改进人工势场法的局部路径规划算法

针对在存在复杂障碍物的环境中,利用人工势场法进行移动机器人路径规划时出现的局部最小值和目标不可达问题。本文提出了一种基于凹形障碍物补齐的改进人工势场法进行局部路径规划。首先,通过对凹形障碍物补齐,防止机器人进入局部最小值区域。然后,通过新增距离影响因子,改进了斥力场函数,使目标点成为全局势场中的最小点,防止机器人陷入目标不可达区域。最后仿真结果表明,本文所提出的改进人工势场法可以解决存在复杂障碍物的环境中的局部最小值问题和目标不可达问题,并且相对于其他算法,可以有效减少路径补偿,提高规划效率。     

动态环境下基于改进蚁群算法的路径规划研究

近年来,路径规划作为移动机器人技术研究中的一个重要领域而备受关注。针对传统蚁群算法在搜索过程中存在容易陷入局部最优并且收敛速度慢的缺陷,借鉴狼群分配原则改进信息素的更新方式,加快了算法的收敛速度。随后,针对传统蚁群算法对动态路径适应性低的问题,基于预测控制理论,在路径规划过程中加入滚动窗口,能使移动机器人更好地避开环境中的动态障碍物。仿真结果表明,改进后的算法更加适合移动机器人实际所处环境的路径规划。     

基于改进粒子群算法的移动机器人路径规划

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在此基础上对传统的粒子群算法进行了改进。随后,引入了基于相似度概念的非线性动态惯性权值调整方法,从而使得粒子的更新速率能够适配寻优过程的各个阶段,并且通过引入免疫算法中的免疫信息调节机制,增加了粒子的多样性,增强了其摆脱局部最优值的能力。仿真结果表明,所提出的改进粒子群算法具有更高的最佳路径搜索能力,其综合性能显著优于传统的粒子群算法。     

结合蚁群算法和萤火虫算法的无人船路径规划

为提高无人船在执行水质采样任务时的路径规划效率，提出一种结合蚁群算法和萤火虫算法的路径规划算法。首先，在构建最短采水路径网络时，将转向角代价启发函数引入传统蚁群算法，减少路径搜索结果中的频繁转向；其次，剔除搜索结果中的冗余结点，进一步减少无人船转向次数，使所求得路径更适用于无人船实际航行。最后，在求解最优采样顺序时，基于随机修正的方式设计了一种改进的萤火虫算法，提升了算法的收敛速度。仿真实验结果表明，本文所设计算法能够完成水质采样任务路径规划任务，相比传统算法，搜索效率更高，有效缩短了总路径长度。     

改进型A*算法的可重构机器人路径规划研究

路径规划是保证可重构机器人快速完成任务的关键技术之一。为提高可重构机器人的行驶效率，缩短行驶路径，首先，提出一种基于Bresenham直线算法思想的改进型A*路径规划算法，实现可重构机器人路径点数消减、拐点消除，提高路径平滑度。在此基础上，考虑可重构机器人本身体积以及机器人可重构的特性，建立可重构机器人构型库，讨论了可重构机器人体积与周围障碍物的关系，减少机器人行走过程中与障碍物的碰撞几率。利用MATLAB仿真平台对改进型A*路径规划算法进行仿真实验，验证了算法的有效性，可应用于复杂环境的机器人路径规划；分析了机器人重构后路径规划问题，利用可重构特性可缩短机器人运行路程，体现了可重构机器人的优越性。     

An optimal path planning strategy for multiple target search by a mobile robot

Although there is an obvious relationship between the Chinese Postman Problem (CPP) and the path‐planning problem for multiple target‐search tasks by a robot, no attempts have been made so far to connect the two. A novel map transformation framework (MTF) is proposed in this paper. With MTF, a feature map or a topological map can be converted into a standard topological map on which many graph‐search algorithms suitable for CPP can be employed to carry out path planning for multiple target search. Theoretical analysis proves that the route generated by this approach is optimal. Both simulation results and experiments indicate that the MTF‐based algorithm is better than several other target‐search algorithms. © 2012 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.