未知环境下室内移动机器人定位导航设计与实现

为实现室内移动机器人在未知环境下的定位导航,设计了一台基于机器人操作系统(robot operating system,ROS)的室内移动机器人,研究了增量式构建栅格地图、代价地图的环境地图构建方法和自适应蒙特卡罗(amcl)定位方法以及运用Trajectory Rollout 和Dynamic Window Approaches算法的路径规划方法.实验结果表明:该自主导航与定位软件能增量式绘制环境地图,所规划的路径符合最优路径;机器人按照规划路径行走时的导航定位精度能够达到10 cm,偏转精度达到±5°,能够实现未知环境下室内移动机器人的定位与导航.     

基于可通行度估计的无人履带车辆路径规划

针对现有路径规划方法对地形特征考虑不足的问题，以无人履带车辆为研究对象，提出一种基于可通行度估计的路径规划方法。基于卷积长短期记忆(Conv LSTM)网络，从连续轨迹上提取激光雷达点云的空间特征和时间关联特征，融合车辆运动特征，估计地形可通行度。基于地形可通行度，改进A^*算法的节点扩展方式和代价函数，输出满足无碰撞约束和低可通行代价的离散路点；使用无梯度迭代平滑算法减小路径松弛度和可通行度代价；再使用三次B样条曲线对离散路径进行拟合，输出平滑参考路径。以参考路径建立Frenet坐标系，构建基于可通行度代价的安全走廊，在满足无碰撞约束、低可通行度代价的前提下，在走廊内生成满足车辆运动学约束的平滑路径。试验结果表明，所提出的方法能够充分考虑地形特征，提升路径规划结果的稳定性和可通行性。     

越野环境下基于势能场模型的智能车概率图路径规划方法

复杂越野环境下的路径规划是实现智能车无人驾驶的一项关键技术。越野环境中存在多种影响车辆运动的障碍物、环境威胁和越野道路,传统路径规划方法以路径长度或时间最短为优化目标,难以在复杂越野环境中正确规划安全可行的车辆行驶路径。针对该问题,提出了基于势能场模型的概率图（AFP-PRM）算法,采用人工势能场算法对越野环境建模,评估车辆通行风险。使用概率图算法以优化节点间多维度通行代价为目标进行路径规划;考虑车辆动力学特性,用动态曲率平滑法对行车轨迹优化;应用AFP-PRM算法在模拟越野环境下进行路径规划仿真实验。仿真结果表明：AFP-PRM算法在路径规划过程中采用人工势能场算法,综合了越野环境中障碍物、环境威胁和道路条件的耦合作用;使用概率图算法,建立采样点之间的多维度通行代价评估矩阵;在复杂的越野道路条件下生成可行、安全、高效的通行路径,为智能车提供了一种多目标优化路径规划算法。     

一种基于改进无迹卡尔曼滤波的自主水下航行器组合导航方法研究

针对自主水下航行器(AUV)导航系统对稳定性、精确性和实时性的需求,提出了一种基于改进无迹卡尔曼滤波(UKF)算法的捷联惯性导航系统/多普勒测速仪(SINS/DVL)组合导航新方法.通过分析中低精度组合导航系统的特点和误差模型,在系统的噪声模型为复杂加性噪声时,利用球面分布单形采样变换设计了一种简化UKF组合导航算法....     

基于启发式算法障碍环境中AUV路径规划方法研究

对障碍威胁环境下AUV路径规划问题进行了研究。通过计算AUV与障碍的势场代价,建立躲避障碍代价函数。通过建立趋近目标代价函数,将路径规划问题转变为寻找代价函数最优点问题。然后提出一种基于启发式算法的AUV路径规划方法,其用于寻找代价函数最优点,最终实现AUV在障碍环境中的路径规划;最后对所提方法进行了仿真验证,AUV可以有效躲避障碍与威胁,寻找到较优路径,取得了较好的仿真效果。     

基于蚁群算法的深海着陆车路径规划

针对深海着陆车海底作业“路径最优”问题,提出一种适用于着陆车的三维海底全局路径规划算法。采用栅格等分法建立着陆车作业区域的三维海底环境抽象模型。通过对着陆车航行过程动力学分析和驱动电机速度与工作效率测试,建立其航行运动能耗模型。采用局部和全局信息素更新的基于蚁群寻优的能耗-距离路径规划算法,并将能耗、距离引入到启发函数与评价函数中。仿真实验结果表明,该算法通过合理选取评价函数权重参数,能有效均衡路径规划的里程与能耗,具有较好的收敛速度和全局搜索能力,能够满足深海着陆车海底科考作业需求。     

多约束条件下UUV空间航迹规划

针对多约束条件下无人水下航行器（UUV）空间航迹规划问题,提出了结合安全曲面和威胁地图的规划方法,建立了水下安全航行曲面,将3D空间规划降为2D航向平面规划,以解决3D规划空间过大的问题。并对敌对威胁和地形威胁统一化处理,构建威胁地图,引入威胁代价和威胁程度启发因子,最后运用A＊算法进行航迹搜索,以获得最优航迹。仿真结果显示,所提出的航迹规划算法简便、快速,生成的航迹能满足地形跟随、地形回避和威胁回避的需要。     

事件触发的多AUV编队模型预测控制算法

针对复杂环境中自治水下机器人(autonomous underwater vehicle,AUV)编队的避障控制问题,提出一种基于事件触发的模型预测控制(model predictive control,MPC)算法。建立水下机器人运动模型,结合领航-跟随式队形控制方法,利用领航AUV的位置信息和编队期望队形得到虚拟AUV的航行轨迹及速度信息,将其作为跟随AUV的航行参考轨迹;对传统人工势场法(artificial potential field,APF)进行适应性改进,以满足AUV编队在障碍物环境中避障规划的需求;设计一种基于跟随AUV轨迹预测值与实际值误差的事件触发机制来减少求解优化问题的计算量,降低计算负担。结果表明：与其他算法相比,该算法仿真结果具有可行性和有效性。     

基于复杂约束条件的欠驱动AUV三维路径规划

为解决欠驱动自主水下航行器（AUV）在复杂水域下的三维路径规划和避碰问题,结合欠驱动的运动特性与自身约束条件,提出一种改进的蚁群结合3次B样条曲线拟合的算法,模拟现实海域环境信息进行水下空间环境建模。针对传统蚁群算法规划出的全局路径转角大、曲折多所造成的欠驱动AUV舵轮使用寿命低的问题,采用垂直面安全域设置的方法,设计基于低崎岖度的适应度函数结合路径长度与平缓度的双边评价体系规划出全局路径。采用3次B样条曲线,基于原型值点及目标点速度矢量约束拟合出一条曲率连续、无碰撞的优化路径。仿真结果表明,在保证收敛速度和全局搜索能力的前提下,所规划的路径合理,满足欠驱动AUV运动条件。     

影响GPS航海导航精度的几个关键技术研究

对基于GPS-OEM板开发的传统航海导航软件进行了深入研究.找出了影响导航精度的主要因素,并针对这几种因素分别提出了相应的解决方案.针对定位误差,采用卡尔曼滤波方法处理航行体位置信息,建立了卡尔曼动态滤波模型.针对航行体速度误差,采用曲线拟合航程方法进行航行体速度平滑.当GPS定位信息无效时,给出船位推算模型来推算航行体位置.     

水下平台三维航路多约束多指标规划的蚁群策略研究

为综合考虑各类约束因素和综合性能指标的实际需求,克服传统的单性能（航程）指标优化和地形障碍约束的局限性,从安全性、隐蔽性、快速性角度实现三维海洋环境要素的充分运用,提高三维航路规划算法的有效性和适用性,设计了水下平台三维航路多约束多指标规划的蚁群策略。引入了栅格模型对三维海洋空间环境进行描述;充分考虑了水下平台性能、地形、海洋环境以及任务约束,构建了三维航路蚁群规划策略,设计了多约束启发函数和多指标评价函数;对算法进行了仿真验证。结果表明,该算法充分考虑海洋环境要素影响,基于多约束启发函数和多指标评价函数,通过灵活设定规划系数,实现不同性能指标、不同任务约束的三维航路规划,能够较好地符合水下平台的航行需要。     

室内移动机器人运动规划与导航算法优化

为提高动态规划算法的效率与安全性,设计一种适用于动态复杂环境运动规划的优化算法.从状态搜索空间、路径重规划和路径平滑性3个方面对跳点搜索(jump point search,JPS)路径规划算法进行优化,通过与动态窗口法(dynamic window approach,DWA)轨迹规划算法融合对其评价函数进行优化,实现基于动态窗口方式的实时避障,并对A*、JPS算法和改进JPS算法的仿真测试进行对比实验.实验结果证明了该优化算法的可行性与安全性.     

基于零速/航向自观测/地磁匹配的行人导航算法研究

目前行人导航技术正发挥着越来越重要的作用,而无全球导航卫星系统（GNSS）环境下的行人导航定位成为其不可或缺的环节。以自包含传感器为硬件平台,针对无GNSS环境下的行人自主导航定位展开研究,提出一种基于“2+2”分级模式的零速判别方法,并设计一种惯性导航系统的零速修正卡尔曼滤波算法,有效提高同一参数阈值下零速判别的准确性与可靠性、抑制传感器误差发散;研究行人初始静态下磁航向误差观测算法及行人运动状态下的零速航向误差自观测算法,解决了行人长时间行走航向发散问题;提出基于多层约束和K近邻算法的地磁匹配算法,并实现基于零速修正/航向误差自观测的行人导航算法与地磁匹配算法的融合,提高了行人导航定位精度与可靠性。实际数据测试验证,所提基于零速修正/航向误差自观测/地磁匹配的行人导航算法可有效提高定位精度79%以上。     

虚拟场景中路径自动选择算法

针对传统路径规划方法存在的问题,对机器人全局路径规划中的栅格建模方法进行改进。从场景建模描述、邻域查找以及路径搜索策略3个方面进行深入研究,采用线性八叉树法对场景进行建模,给出基于线性八叉树的层次编码体系,引入路径搜索因子对启发式函数进行重构。通过基于八叉树的场景分解,基于线性八叉树编码特性的邻域查找,以及改进的A＊算法路径搜索,实现了三维场景路径规划和自动漫游。实验结果表明：该算法的时间和空间效率较好。     

无人飞行器海上航迹规划差分进化算法研究

为研究海洋环境下的无人飞行器（UAV）航迹规划问题,提出了一种基于差分进化算法（DE）的航迹规划方法。该方法通过对规划环境进行预处理将岛屿处理成地形威胁区,使问题简化为二维平面规划。采用实数编码方式对航迹进行编码,建立了航迹代价函数的数学模型,从航迹质量、算法稳定性和收敛速度3个方面比较了DE与遗传算法（GA）和粒子群优化算法（PSO)的性能。仿真实验结果表明,所提方法能在复杂的海洋环境下为飞行器规划出一条安全的可飞航迹。     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。