基于双目视觉移动机器人的路径规划和避障研究

提出了一种移动机器人路径规划和避障的系统设计方案,实现了移动机器人自主行进的路径规划和自动避障功能.详细说明了如何采用立体视觉实现对环境的探测,利用图像处理算法的组合分离出地面、背景、障碍物和目标物,采用边界不变矩实现障碍物和目标物的区分,改进了经典的人工势场法进行路径的规划,根据模糊控制原理设计了避障控制器和避障规则.实际的运行结果表明了该系统的可行性和有效性,该系统实现了移动机器人利用自身传感器感知环境信息,动态规划行进路径,成功躲避障碍物等功能.     

无人水面艇双目立体视觉系统设计

针对雷达不能利用目标的颜色等属性和水面多路径反射的干扰等问题,建立无人水面艇双目立体视觉系统,为实现无人水面艇的自主避障和目标跟踪等任务提供基础。采用两个IEEE1394接口的数字摄像机在无人水面艇上构建双目立体视觉系统,进而编程拍摄左右两幅图像并标定摄像机。结果表明,所构建的双目立体视觉系统可以用于无人水面艇视觉技术的研究。所设计的双目立体视觉系统对无人水面艇具有重要的研究意义。     

一种无人巡航船遍历多目标点的路径规划算法研究

针对无人巡航船遍历多目标点的路径规划问题，提出了一种混合的多目标点路径规划算法。首先，将多目标点路径规划问题转化为旅行商问题，并采用改进的灰狼优化算法规划出多目标点的最优巡航顺序。针对传统灰狼优化算法忽略环境因素的缺陷，通过在适应度函数中引入环境影响因子以反映障碍物和未知区域对路径规划的影响。然后，在上述规划好的多目标点巡航顺序的基础上，利用A^*算法结合改进的人工势场法完成各个目标点之间的路径规划。针对传统人工势场法的目标不可达问题，通过优化斥力势场函数来解决。最后，分别在普通环境和复杂环境中与另外2种算法进行了仿真实验对比。实验结果分析表明，提出的算法是有效的，能够有效缩短路径规划时间，降低距离成本。     

足球机器人动态路径规划方法研究

针对机器人足球系统的高度实时性、不确定性,提出了一种基于统计预测的路径规划方法,该方法考虑到障碍物的速度大小和方向的不确定性,用数学统计的方法对障碍物的运动进行建模;机器人在运动过程中,根据得到的环境信息在机器视觉范围内建立预测窗口和避障窗口,在预测窗口内,机器人根据障碍物的信息建立障碍物的预测区域,在避障窗口内,机器人根据自身的位置与障碍物的预测区域,分别调用切线法或滚动窗口法进行路径规划;该方法属于局部路径规划方法,机器人在移动过程中需要不断更新环境信息来进行避障.     

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

面向复杂障碍场的电力巡检机器人局部动态融合路径规划

为解决电力巡检机器人在复杂障碍场中，常与障碍物碰撞、避障效率低等问题，提出面向复杂障碍场的电力巡检机器人局部动态融合路径规划方法。使用基于栅格法的复杂障碍场地图生成方法，构建面向复杂障碍场的电力巡检环境地图；结合所构建地图信息，由改进遗传算法寻优获取巡检所用全局最短路径后，经时间弹性带算法，结合不同时刻机器人位姿信息，由距离阈值判断机器人与动态障碍物碰撞可能性，以全局规划路径弹性拉伸的方式，完成局部动态融合的避障运行，且需分析局部动态规划路径中，机器人运行方向与全局规划路径一致性，动态调节规划机器人巡检路径。经测试，此方法使用后，机器人未出现碰撞问题，且避障速度提升约300%。     

井下移动机器人智能视觉避障研究

针对现有井下移动机器人避障方法在面对井下复杂障碍物时不能准确检测障碍物位置信息,对井下非线性障碍物不能准确进行避障控制等问题,提出了一种基于模糊控制的井下移动机器人智能视觉避障方法。首先采用双目立体视觉模组作为障碍物检测传感器,感知井下环境信息,实时检测障碍物分布情况,并构建占据栅格地图。然后通过八叉树结构模型构建三维点云,使用树状结构对点云数据进行结构化描述,并将其映射到占据栅格地图中,得到障碍物的区域分布情况。最后采用模糊控制策略对实时检测到的障碍物在占据栅格地图中的分布情况进行处理,将当前时刻障碍物在占据栅格地图中的分布情况和移动机器人运行速度作为模糊控制器的输入变量,通过模糊控制算法计算下一时刻移动机器人的转向角度和加速度,从而实现井下移动机器人的智能避障控制。根据移动机器人实际占据空间,设计外接包围盒进一步稳定控制算法,结合避障策略进行智能避障,避免移动机器人与障碍物发生碰撞。实验结果表明,该方法能够准确对井下障碍物分布情况进行描述,使移动机器人能够根据所设计的模糊控制规则准确自主地进行避障操作,从而实现自适应运动。     

新型势场模型及在实时运动规划中应用

针对复杂环境中移动机器人的实时运动规划问题,在传统人工势场法基础上,以机器人与动态障碍物的相对位置和相对速度为变量,构建了一种新型的位置和速度势场模型,提出了一种新的自适应势场法.通过变参数约束扰动法解决了势场法中的局部极小问题.实验结果表明,该方法能使机器人选择最佳避障策略实现主动避障,快速地摆脱动态障碍物,规划出光滑路径,从而提高避障效率,较好地解决了动态未知环境中的路径规划问题.     

基于单目视觉的水面目标识别与测距方法研究

无人船在自主航行过程中,如何探测障碍物种类与距离是值得重点研究的问题。现阶段的无人船主要采用激光雷达、超声波等设备探测水面障碍物,但此类方法并不能识别出障碍物的具体类型。提出采用基于单目视觉的目标检测与测距算法,不仅能够检测出无人船前方是否有障碍物,还能够对水面障碍物进行识别和距离检测。首先通过训练好的Mask R-CNN模型对水面障碍物进行检测识别,随后利用改进的基于小孔成像原理的单目测距方法对识别到的障碍物测量距离。为验证该目标识别与测距方法的有效性,选取了不同形状的船只、河岸、荷叶及荷花等图像进行验证实验。实验结果表明,课题研究的目标识别与测距方法能较为准确地对水面障碍物进行分类及像素级别的实例分割,同时测量障碍物与无人船之间的距离。     

基于视差平面分割的移动机器人障碍物地图构建方法

作为自主移动机器人地表障碍物探测（GPOD）技术的一部分,提出了一种利用双目摄像机的视差图像 获取信息来构建机器人前方障碍物栅格地图的方法. 该方法融合了3 维立体视觉技术以及2 维图像处理技术,前者 依据视差图的直方图信息对视差图像进行自适应平面分割,把每个平面看作是3 维场景中的实物切片进而提取障碍 物3 维信息,后者通过计算各平面上的障碍物信息曲线来提取障碍物信息,把立体视觉数据从视差图像空间变换到 2 维的障碍物地图空间. 给出了该方法构建障碍物地图的整体过程,试验结果证明了该算法的有效性和精确性.     

基于ROS的无人配送车导航系统的设计与实现

针对无人配送车在自主导航过程中存在的寻路效率低、避障能力弱、转折幅度过大等问题,该文采用搭载机器人操作系统(ROS)的Turtlebot3机器人作为无人配送车,设计并实现了高效稳定的无人配送车自主导航系统。ROS是专门用于编写机器人软件的灵活框架,对其集成的SLAM算法进行改进,以完成无人配送车在封闭园区环境中的即时定位与地图构建,同时对ROS导航功能包集成的路径规划算法进行改进,使无人配送车在已知环境地图中规划生成出适合无人配送车工作的路径和有效避开障碍物。最后在Gazebo仿真环境中对无人配送车自主导航系统进行测试与验证。仿真试验结果表明,设计实现的无人配送车导航系统能够很好地满足无人配送车在封闭园区中的自主导航功能。     

基于生物启发模型的AUV三维自主路径规划与安全避障算法

针对自治水下机器人(AUV)的路径规划问题,在三维栅格地图的基础上,给出一种基于生物启发模型的三维路径规划和安全避障算法. 首先建立三维生物启发神经网络模型,利用此模型表示AUV的三维工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;然后,根据神经网络中神经元的活性输出值分布情况自主规划AUV的运动路径.静态环境与动态环境下仿真实验结果表明了生物启发模型在AUV三维水下环境中路径规划和安全避障上的有效性.     

A Gaussian process-based RRT planner for the exploration of an unknown and cluttered environment with a UAV

A new framework which adopts a rapidly-exploring random tree (RRT) path planner with a Gaussian process (GP) occupancy map is developed for the navigation and exploration of an unknown but cluttered environment. The GP map outputs the probability of occupancy given any selected query point in the continuous space and thus makes it possible to explore the full space when used in conjunction with a continuous path planner. Furthermore, the GP map-generated path is embedded with the probability of collision along the path which lends itself to obstacle avoidance. Finally, the GP map-building algorithm is extended to include an exploration mission considering the differential constraints of a rotary unmanned aerial vehicle and the limitation arising from the environment. Using mutual information as an information-theoretic measure, an informative path which reduces the uncertainty of the environment is generated. Simulation results show that GP map combined with RRT planner can achieve the 3D navigation and exploration task successfully in unknown and complex environments.     

一种用于导航的2.5维地图的构建

为了使仿人机器人能够在真实世界中自由行走,包括上下楼梯、跨过障碍物,本文提出了一种构建机器人环境的2.5维网格地图的方法。首先利用传感器数据建立并更新一个3D占有率网格和一个平地网格,3D占有率网格为最终的地图提供概率支持,以保证环境模型对传感器噪声的鲁棒性,平地网格用来存储平面高度值。然后结合两个网格建立导航地图,该地图上每一个单元格被标记为平地或障碍物类型以及它的高度值,平地的高度信息是精确的而障碍物的高度信息是粗略的。最后在仿真平台上验证了所提出的方法,仿真结果证实此方法能够有效地产生用于机器人避障和路径规划的地图。     

Conflict-free navigation in unknown urban environments

This paper presents an autonomous exploration method in an unknown environment that uses model predictive control (MPC)-based obstacle avoidance with local map building by onboard sensing. An onboard laser scanner is used to build an online map of obstacles around the vehicle with outstanding accuracy. This local map is combined with a real-time MPC algorithm that generates a safe vehicle path, using a cost function that penalizes the proximity to the nearest obstacle. The adjusted trajectory is then sent to a position tracking layer in the hierarchical unmanned aerial vehicle (UAV) avionics architecture. In a series of experiments using a Berkeley UAV, the proposed approach successfully guided the vehicle safely through the urban canyon.     

基于多传感器的无人机避障方法研究及应用

随着无人机巡检作业方式应用越来越广泛,巡检过程中对障碍物检测并进行避障显得愈发关键。若无人机碰到杆塔或线路不仅会造成无人机自身的损坏,还会对居民用电造成影响,给检修带来麻烦。毫米波雷达、激光雷达、双目视觉传感器在机器人避障中有广泛应用。但是基于输电线路巡检的多旋翼无人机的实际情况,传感器器件的选型、尺寸、重量,以及障碍物信息与飞控的融合,显得尤为重要。通过对多旋翼无人机搭载毫米波雷达、双目视觉传感器、差分GPS进行了研究,采用多传感器融合方法检测障碍物,利用虚拟力场法(VFF)进行航迹重规划,并实际飞行验证。测试表明该方法对杆塔避障取得了较好的应用效果。     

无人机反应式扰动流体路径规划

针对复杂三维障碍环境,提出一种基于深度强化学习的无人机(Unmanned aerial vehicles, UAV)反应式扰动流体路径规划架构.该架构以一种受约束扰动流体动态系统算法作为路径规划的基本方法,根据无人机与各障碍的相对状态以及障碍物类型,通过经深度确定性策略梯度算法训练得到的动作网络在线生成对应障碍的反应系数和方向系数,继而可计算相应的总和扰动矩阵并以此修正无人机的飞行路径,实现反应式避障.此外,还研究了与所提路径规划方法相适配的深度强化学习训练环境规范性建模方法.仿真结果表明,在路径质量大致相同的情况下,该方法在实时性方面明显优于基于预测控制的在线路径规划方法.     

室外崎岖地形下基于视差图的无人自主车障碍物识别

对于地面无人车和室外非结构化环境, 本文介绍了我们开发的基于立体视觉的障碍物快速识别系统. 为了使无人地面车适应于较复杂的地形, 根据V视差图, 我们提出了一种新的地面主视差图的估计方法. 通过地面主视差图和局部的三维重建, 本文给出了一种由粗到精的障碍物识别与定位方法. 在我们的无人地面车平台上, 我们对这一障碍物自动识别系统进行了相应的实际试验. 其试验结果验证了该系统的有效性.     

栅格法视觉传感集成及机器人实时避障

研究移动机器人在室内环境下集成双目视觉和激光测距仪信息进行障碍物实时检测。由双目视觉系统检测环境获取视差信息,通过直接对视差信息进行地平面拟合的方法快速检测障碍物;拟合过程中采用了随机采样一致性估计算法去除干扰点的影响,提高了障碍物检测的鲁棒性。用栅格地图表示基于机器人坐标系的地平面障碍物信息并对栅格信息进行提取,最后把双目视觉与激光测距得到的栅格信息进行集成。实验表明,通过传感信息集成,移动机器人既得到了充分的障碍物信息,又保证了检测的实时性、准确性。