基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

一种基于机器人操作系统的代价地图自适应膨胀半径设置方法

针对复杂环境下移动机器人自主导航易被困、路径规划不理想等问题.首先,通过改进机器人操作系统(robot oper-ating system,ROS)中代价地图代价值衰减函数和七宫格检测法,研究了代价地图自适应膨胀半径算法.其次,通过动态衡量启发函数与优化子节点选择方法,研究了结合环境信息的改进A*路径规划算法.实验结果表明:使用自适应膨胀半径算法和改进A*算法后的路径拥有更好的平滑度,减少33.6％转角次数和37％转向角度.能避开复杂障碍物群,降低移动机器人被困几率,提高了复杂环境下ROS移动机器人自主导航的安全性和鲁棒性.     

基于机器人操作系统的移动机器人激光导航系统

为了验证激光导航的先进性及机器人操作系统(robot operating system,ROS)的便捷性,进一步对机器人导航机理进行研究,提出了改进粒子滤波算法及改进A*路径规划,分别应用于地图构建和路径规划,并搭建了基于ROS平台的移动机器人导航试验平台,该平台具有低成本、高性能的特点。试验平台由上位机和移动机器人组成,上位机实现对机器人的控制,移动机器人配置有工控机和激光传感器,机器人通过激光传感器采集环境信息,为实现即时定位及地图构建功能提供数据支撑。研究并构建基于ROS的地图构建和自主导航功能包并通过实际环境进行试验验证。试验结果表明:构建功能包可用于机器人的激光导航中,该激光导航系统的可行且具有一定的稳定性与可靠性。     

室内移动机器人路径规划研究

路径规划是自主移动机器人的研究重点。针对传统的A*算法搜索出的路径存在途径危险区域,未考虑机器人外形尺寸、路径不平滑等问题,提出了一种改进A*算法的路径规划方法。在新的栅格化环境地图中,通过改进的搜索策略进行路径搜索;并对路径点删减和优化,通过分段多项式曲线平滑路径。实验仿真结果表明,新方法生成的路径满足移动机器人的动力学和运动学特性,且更符合室内移动机器人的轨迹跟踪和运动控制,该方法简单有效。     

基于ROS的移动机器人导航系统研究与仿真

针对移动机器人的自主环境感知与自主导航问题,本文提出了一种基于机器人操作系统(ROS),并结合同步定位与地图构建技术(SLAM)与路径规划的多目标点导航方式。首先利用GAZEBO仿真平台建立基于阿克曼结构的四轮机器人和仿真环境。然后利用SLAM技术,构建仿真环境的二维栅格地图。最后利用多目标点导航算法,开展机器人针对多个目标区域的自主导航测试。并通过调整TEB参数,优化机器人的运动轨迹。实验结果表明:机器人有效完成了多个目标区域的自主导航任务,并且规划路径较为合理,运行过程较为平稳。     

基于改进A~*算法的室内移动机器人路径规划

针对移动机器人在室内定位的特点,在结构化环境下,开发了机器人路径规划系统。在阐述了全局地图构建方法基础上,根据移动机器人的实际运行环境采用栅格法构建了环境地图。利用A*算法进行初步路径规划,其不足之处是路径规划数据中包含了所有规划点的坐标,冗余点较多,且移动机器人无法在拐点处调整自身姿态。针对这些不足,提出了能够计算出拐点、旋转方向及旋转最小角度的A*路径规划改进算法并进行了实验。移动机器人定位实验结果表明:利用改进后的A*路径规划算法不仅简化了路径,而且在拐点处移动机器人能够调整自身姿态,可以较好地满足室内移动机器人全自主运动的要求。     

机器人路径规划：一个改进的粒子群灰狼混合算法

为提高自主移动机器人路径规划器的快速性和最优性，提出一种改进的基于粒子群优化（PSO）算法和灰狼优化（GWO）算法的混合算法，简称H-PSO-GWO算法。首先，利用Tent混沌映射初始化种群，提高种群多样性；然后，采用改进的控制参数和新的个体位置更新策略来加快算法的收敛速度和增强种群个体趋于全局最优的能力。通过与其他算法进行数值对比实验和路径规划对比试验，验证了所提出算法的有效性和优越性。最后，使用贝塞尔曲线将所生成的路径平滑化，使得路径更适合移动机器人移动。     

基于蚂蚁算法的移动机器人路径规划

蚂蚁算法是近几年问世并逐步引起重视的一种新的全局优化仿生算法，它模仿昆虫王国中蚂蚁搜索食物的行为特征，是一种通用型随机优化方法。移动机器人在进行工作时，往往要求根据某一准则，在工作空间沿一条最优（或近似最优）的路线行走。因此首先对移动机器人的规划空间进行链接图表示，然后采用Ford算法求出移动机器人的初始路径，最后运用蚂蚁算法对初始路径进行优化，取得了较好的效果。     

基于ROS的室内移动机器人研究

为了满足监测室内环境的需求,设计一款在室内巡逻的移动机器人.移动机器人采用搭载ROS系统的树莓派作为控制核心,利用激光雷达采集环境信息,在ROS分布式框架下利用各种功能包进行算法开发.基于Gmapping算法进行建图,运用A*算法和DWA算法实现自主导航.机器人选用麦克纳姆轮来应付复杂的环境.在经过室内环境测试后,能够完成室内地图构建和自主导航的目标,对今后在室内环境下研究具有重要意义.     

基于激光同步定位与建图的移动机器人路径寻优方法

针对未知场景下移动机器人路径寻优问题,提出一种基于改进蚁群算法的激光SLAM移动机器人路径寻优方法。该方法由场景重构和路径寻优组成,利用激光雷达传感器观测特征物信息对广义卡尔曼滤波估计值更新,建立场景理解信息点云构造二维栅格地图,根据场景重构地图信息结合改进的蚁群算法进行路径优化。在复杂场景下,通过激光SLAM移动机器人实验表明,改进蚁群算法的激光SLAM移动机器人在多种复杂场景路径寻优和运行消耗时间等方面取得了较好的效果。     

复杂环境下的移动机器人路径规划

为了提高移动机器人在复杂环境下的路径规划能力, 通过双层路径规划思想研究了移动机器人路径规划问题：用栅格法对机器人工作环境进行建模,首先采用改进的遗传算法进行全局路径规划,解决了由于交叉概率和变异概率选择不当导致最优个体丢失的问题;然后,在规划好的全局路径的基础上利用改进的人工势场法进行局部动态避障,解决了局部极小点问题。结果表明：移动机器人能够在复杂环境下规划出一条无碰撞的优化路径。可见改进算法的有效性。     

旁通式自动化立体仓库拣选作业和出口选择的组合优化

自动化立体仓库系统是在计算机直接控制和管理下自动存取并实现综合自动化管理货物的多层仓库存储系统。旁通式自动化立体仓库作为一种新兴的立体仓库,越来越多地应用在需要快捷存取的场所。其中,堆垛机作业时间长短直接影响仓库存储效率的高低。为了提高旁通式自动化立体仓库作业效率,分析旁通式自动化立体仓库堆垛机行进路线的特点,建立了同时考虑堆垛机出口选择和拣选路径的组合优化模型。模型以一个拣选任务指令周期内堆垛机行进所花费时间为目标,同时对遗传算法初始种群生成方法进行改进,用改进后的遗传算法对该模型拣选路径优化部分求解,将该阶段结果的最末货位作为下一优化阶段的初始点,采用最近邻法寻找最佳出口位置。实验仿真和工程实际应用表明该模型和算法是可行的、有效的。     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

基于改进双向RRT*的移动机器人路径规划算法

针对复杂环境下移动机器人的局部最优路径规划,提出一种基于目标偏置扩展和Cantmull-Rom样条插值的双向RRT^*路径规划算法.双向RRT^*算法同时创建两颗搜索树,交替进行相向搜索,同时以一定的概率进行随机点的目标偏置选择,以提高算法的整体收敛效率;再对当前节点重选父节点和重布线,以增强算法对环境的敏感程度.为确保路径安全可行,对环境中的障碍物进行膨胀处理,再对初始路径进行碰撞检测;修剪冗余节点,缩短可行路径长度,再利用Cantmull-Rom样条插值法平滑路径.在Matlab仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,验证了改进双向RRT^*算法的有效性和优越性.     

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则．将所有机器人放置于初始位置。经过NC次无碰撞迭代运动找到最优路径．到达目标位置．为防止机器人在路径搜索过程中没有达到最大迭代次数时路径大小已不发生变化而陷入局部最优。可通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值继续搜索．直到迭代完毕,获得最优路径．     

基于改进蚁群算法的移动机器人火灾救援路径规划方法

为了解决在火灾救援中考虑多因素的移动机器人最优路径规划问题,提出一种基于改进蚁群算法的救援路径规划方法.通过改进全局信息素更新策略,考虑影响移动机器人到达待救援点时间的路径长度、转弯次数、坡度大小等主要因素,并根据多因素综合指标来分配各路径上的信息素量,指引蚂蚁走向最优路径.通过仿真算例并与同类方法对比,结果表明,该方法在考虑多因素后性能有较大提升,具有较好的全局搜索能力和收敛速度,可提高移动机器人在火灾救援中的效率.     

基于改进RRT*FN的移动机器人路径规划算法

针对复杂环境下移动机器人的全局最优路径规划,提出一种基于目标偏置扩展和贝塞尔(Bezier)插值方法的改进RRT*FN路径规划算法.改进算法在未找到初始路径时采用一定概率进行随机点的目标偏置选择,确定初始路径后使用启发式采样方法,使随机采样点围绕初始路径进行迭代选择,提高路径规划的导向性.当改进算法还未找到初始路径时,删除树中远离目标点并且没有子节点的节点;当改进算法找到初始路径时,删除树中远离最优路径且没有子节点的节点,保留高性能节点,提高算法收敛到最优路径的效率.利用贝塞尔(Bezier)插值方法平滑路径.在MATLAB仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,结果验证了所提算法的有效性和优越性.     

多移动机器人保持队形路径规划

将多移动机器人的运动控制和路径规划有机结合,提出了多移动机器人的队形模型和保持队形的定义.在此基础上,以基于行为的导航算法为基础,将机器人队列的运动过程划分为正常运动、避障和恢复队形3个阶段.在避障阶段,引入虚拟机器人使队形保持部分完整;当队形被严重打乱时,规划机器人的局部目标位姿使队列快速恢复队形.仿真实验表明,该控制方法不仅使多移动机器人安全避障,而且队形保持较完好.