基于平滑蚁群算法的机器人路径规划

在栅格环境下利用蚁群算法规划出来的移动机器人路径存在转弯次数多,累计转折角大等问题。针对这些问题,提出了平滑蚁群算法。平滑蚁群算法是在蚁群算法规划出来的最优路径的基础上,将当前节点与其它不在同一条直线上的节点依次连线,如果新的连接线不穿越障碍物,则将当前连接线作为新路径代替原来路径,并删除中间节点,否则对当前路径不作任何修改。仿真结果表明,平滑蚁群算法能够在不同栅格规模和障碍物覆盖率不同的情况下,有效降低路径长度,减少转折次数和累计转折角度,并且路经规划结果优于免疫遗传算法和势场蚁群算法的路径规划结果。     

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.     

健康投资对中国经济发展的影响研究——基于省级面板数据的空间计量检验

针对全局路径规划问题提出了一种改进的A*算法.首先,采用栅格方法建立环境模型,使用A*算法进行初步的路径规划.其次,针对A*算法规划的路径冗余点较多以及路径长度和转折角度较大的缺陷,提出将A*算法规划出的路径按较小的分割步长进行分割,得到一系列路径节点.最后,从起点开始依次用直线连接终点,当直线没有穿过障碍物时,则将中间路径点剔除,减小路径长度和转折角度.在仿真实验和实物实验中,分析和比较了本文算法与A*算法以及另一种改进A*方法.另外还研究了在不同障碍率、任务点数量和分割步长的情况下,本文算法与其他算法的优劣.结果表明,本文算法能有效地减小路径长度和转折角度.     

基于一种改进A*算法的移动机器人路径规划

针对全局路径规划问题提出了一种改进的A*算法.首先,采用栅格方法建立环境模型,使用A*算法进行初步的路径规划.其次,针对A*算法规划的路径冗余点较多以及路径长度和转折角度较大的缺陷,提出将A*算法规划出的路径按较小的分割步长进行分割,得到一系列路径节点.最后,从起点开始依次用直线连接终点,当直线没有穿过障碍物时,则将中间路径点剔除,减小路径长度和转折角度.在仿真实验和实物实验中,分析和比较了本文算法与A*算法以及另一种改进A*方法.另外还研究了在不同障碍率、任务点数量和分割步长的情况下,本文算法与其他算法的优劣.结果表明,本文算法能有效地减小路径长度和转折角度.     

果园移动机器人的全局最优路径规划研究

为了实现移动机器人在果园环境下自主行走,对果园移动机器人在复杂果园环境中的最优路径规划进行研究.首先,利用栅格法定义了移动机器人在栅格上的运动方向、障碍物及信息编码,模拟建立出果园的环境地图模型.然后分别编写Dijkstra算法、A*算法,对果园机器人进行全局最优路径规划.通过分析比较,得出A*算法所规划的最优路径更为方便,搜索效率更高,更加满足果园机器人的实际工作需求,提高其工作效率.     

基于改进A*算法的无人驾驶车辆路径规划方法研究

针对传统A*算法所规划路径距离障碍物近、转折点多、路径不平滑的问题,对A*算法进行改进并应用于无人驾驶车辆路径规划中.在传统A*算法分析的基础上对背向障碍物搜索和评价函数进行改进,同时采用3次样条插值方法对规划后路径平滑处理.将传统A*算法和改进A*算法应用于MATLAB环境下搭建的无人驾驶车辆模型进行路径规划仿真分析...     

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。     

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。     

基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

融合改进A*和动态窗口法的AGV动态路径规划

摘要:路径规划对AGV完成自主导航起着关键性的作用,针对这点出发,本文提出一种全局采用改进的A*算法,局部在保证全局最优的情况下采用融合A*和DWA两种算法,首先加入AGV的位置信息,在传统的评价函数基础上设置了包含代价函数和启发函数的权重函数,其次,将传统的8个搜索方向,变成了5个,提高了路径搜索效率,为了进一步增加路径的平顺性,对节点进行优化,删除了多余的转折点,保留下关键的转折点,然后在此基础上又设置了安全域值,进一步删除多余的转折点,从而保证了全局路径最优,为了实现AGV实时动态避障,本文将A*和DWA两种算法融合,进行在线实时规划路径,设计了一种基于全局最优路径的圆滑路径曲线,经过仿真,本文提出的算法在路径长度,机器人平均转折角度,运行时间等都大大减少,最后,通过实验进一步验证了算法的可行性。     

PRM路径规划算法优化研究

针对限定环境下移动机器人路径规划问题,运用PRM(probabilistic roadmap method)算法进行初始路径规划,并提出一种基于改进的节点增强法与几何平滑策略的路径优化算法.利用节点增强法对初始规划路径进行优化处理,采用新增节点逐步取代原路径节点,减小路径中的拐点个数,从而缩短路径长度.同时采用一个基于几何平滑策略对优化路径进行平滑处理,以达到路径平滑的目的.仿真结果表明,该优化算法不仅能有效降低搜索路径的长度,而且能大幅度提高路径的平滑度.     

一种改进工业自动导引车路径规划算法

为了解决当前工业自动导引车(automated guided vehicle,AGV)栅格地图下路径规划算法存在路径转弯较多、弯曲度较大、搜路时间较长且距离障碍物近等问题,基于A?算法提出了一种改进路径规划算法.首先,通过在全局地图中设置路径关键节点,生成关键点拓扑地图,并利用Floyd算法进行最短路径规划,输出路径节点集合;其次,利用A?算法对集合中相邻节点进行路径规划,并将生成的路径进行拼接;最后,通过引入贝塞尔曲线对拼接路径进行平滑处理,以获取全局路径.实验结果表明:本文算法规划的路径转弯更少、弯曲度更小、搜索时间更短且能完全避开障碍物行走,更符合工业AGV的应用环境.     

基于改进A*算法与天牛须搜索算法的农业机器人路径规划方法

为解决复杂环境下,农业机器人路径规划存在的局部路径欠优、收敛速度慢、折点较多的问题。为解决此问题,本文提出一种基于天牛须搜索算法和A*算法相结合的BACA*全局规划方法。首先,基于A*算法,采用曼哈顿距离作为启发函数进行全局规划;其次,通过适当调整步长的天牛须搜索算法对路径进行优化,缩短了路径长度,降低了转折点数量;最后,采用贝塞尔曲线对路径进行圆滑处理,使机器人在现实场景中能平稳前进。仿真结果表明：与传统A*算法相比,该算法的路径更加平滑,折点数更少;与天牛须搜索算法相比,能保证生成路径的效率性、全局最优性。在缩短路径长度和降低累计转折点数量方面验证了所提方法的有效性。     

基于多优化快速扩展随机树算法的足球机器人路径规划

研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。     

融合插点和跳跃点改进A*算法的路径规划

为了解决传统A*算法在路径规划中存在的一些问题,提出了一种融合插值点跳跃搜索路径算法来改进A*算法。在对栅格环境图中具有特殊意义的多组数据进行预处理后,通过起始点和目标点确定目标函数,并搜索出一条最优路径。利用MATLAB软件平台对8组规格不同的环境图进行了路径规划仿真。实验结果表明,改进后的算法可以减少计算时间、搜索节点数量、内存占用和搜索路径长度。可见改进后的算法在搜寻最佳路径方面的效率更高。     

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.