基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题，文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界，设立虚拟目标点来摆脱局部最优，建立道路环境模型；为了根据周边环境和车辆状态进行实时规划，设计分层避撞路径规划控制器，将道路环境模型引入上层路径规划器的目标函数中，利用模型预测控制(model predictive control, MPC)的优化算法规划出局部避撞路径，再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明，该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径，保证车辆行驶的稳定性和安全性。     

基于A星算法与人工势场法的无人机路径规划

为简化无人机飞行路径规划算法并提高其避障效果,本文提出一种人工势场法和A星算法相结合的路径规划算法:以人工势场法指导全局路径规划,通过引力场控制无人机的飞行方向;以A星算法指导局部路径规划,避让大型障碍物.仿真试验证明,该算法与人工势场法和A星算法相比,提高了避障效果,缩短了搜索时间.     

基于改进人工势场法的机织机器人避障路径规划

针对机织机器人自动化作业时的避障问题,提出基于改进人工势场法的三维避障路径规划算法。利用改进人工势场法中斥力势场函数,引入修正系数,在机织机器人陷入局部极小值点时增加虚拟障碍物,破坏其在虚拟力下的平衡状态,解决了人工势场法无法到达目标位置和局部极小值点的问题。通过体素化网格方法和快速凸包算法处理障碍物点云数据,重建实际障碍物模型,提高了碰撞检测效率。仿真结果表明,以点云数据重建障碍物模型并采用改进人工势场算法规划出的避障路径使机织机器人成功到达目标位置,末端位置精度平均提高37%,并避免陷入局部极小值点。     

基于MPC的智能车辆路径规划与跟踪控制

针对在障碍物环境下的避障路径动态规划效果较差,以及在面对复杂工况和曲率较大的路况时,跟踪控制的效果仍然不理想等问题,本文以智能车辆为研究对象,提出了一种模型预测控制(MPC)结合人工势场(APF)算法的路径规划跟踪系统。将改进的势场模型函数引入到MPC的目标函数和约束中,设计了基于MPC和APF的避障路径动态规划器。。运用模糊控制对MPC的车辆横向路径跟踪控制器的权重系数进行优化。仿真结果表明：在干燥路面下,与MPC控制器相比,模糊MPC路径跟踪控制器的最大横向偏差减少19.14%。在湿润路面下,模糊MPC控制器最大横向偏差减少0.55 m。基于MATLAB/Simulink与Carsim软件搭建避障路径规划与跟踪控制联合仿真模型,选择动态障碍物不同速度进行障碍物路径动态规划及跟踪控制仿真试验。实验结果表明：跟踪规划路径过程中的最大横向偏差约为0.170 m,说明规划的避障路径能够安全有效地避开障碍物。     

一种巡检机器人智能路径规划方法

提出了一种在栅格地图上使用参数可调势场法进行避障的巡检机器人智能路径规划方法.地图采用Hector SLAM算法建立,然后在全局范围内指定目标点并使用变粒度栅格法进行全局路径规划.遇到障碍物时,则在局部小范围内使用参数可调的人工势场法来进行局部路径规划和避障.该方法能有效地提高全局路径规划的效率以及局部避障的准确性,实验验证了该方法的快速性与有效性.     

基于新型人工势场法的车辆避障路径规划研究方法

针对道路交通环境车辆避障的复杂性,对传统人工势场法进行了改进,将其应用于车辆的避障路径规划;该方法建立了道路边界危险斥力势场模型和障碍物斥力势场模型,并在传统障碍物斥力势场中引入速度因素,车辆在以上两种势场组成的复合场中受到道路边界斥力、障碍物斥力的作用。当达到受力平衡时,通过求解方程可以得到一条安全避障路径;并在避障过程中对车辆实施速度控制。仿真分析结果表明改进后的方法规划出的路径在避障过程中,车辆与障碍物的距离增加至少20 cm,可有效地提高避障的安全性;避障过程中对主车车速进行控制,可使主车的横摆角速度和侧向加速度降低至少20%,有效地提高车辆运行的舒适性和安全性。     

基于人工势场的机器人动态路径规划新方法

针对传统机器人路径规划方法仅考虑静态环境的问题,建立了一种基于人工势场的移动机器人动态路径规划新方法.移动机器人运动环境通常是复杂多变的,在动态环境下,目标点、障碍物可能都是运动的,另外,存在运动轨迹未知的随机障碍物等,针对移动环境的动态情况,在传统人工势场法相对位置势场的基础上引入相对速度势场,充分利用量子粒子群算法,对引力势场和斥力势场的增益系数进行一定的优化.以量子粒子群的优化算法进行快速全局搜索,结合人工势场操作,对引力场和斥力场增益系数进行优化,该方法易于实时快速地对机器人进行控制.仿真结果表明,基于量子粒子群算法的人工势场法的路径规划模型能够得到平滑、安全的路径,具有较高的性能.该方法可以有效地实现机器人的动态路径规划.     

深海履带机器车的实时导航和避障

针对深海底履带机器车的未知、复杂工作环境,提出一种履带机器车导航和避障算法。该算法先用声纳传感器实时检测障碍物的位置,再用D-S理论推算出障碍物的更准确位置,然后运用改进势场法进行行走方向决策,规划出履带机器车的作业路径,实现对深海履带机器车的导航和避障。仿真和试验结果表明,此算法适应于动态未知复杂环境下的深海履带机器车实时导航和避障,且在目标附近存在障碍物时也能达到目标。     

考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略

汽车加速度和速度因交通环境障碍物实时动态变化,智能汽车避障实时参考轨迹不光滑变化;参数摄动,车速实时变化和采集信号干扰,将造成智能汽车动态侧向避障精准控制困难。为此,提出考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略。该控制策略分为动态轨迹规划层和动态轨迹跟踪层;动态轨迹规划层依据障碍物汽车加速度和速度动态变化,采用基于避障极限位置的动态轨迹规划算法,以规划能够保证智能汽车侧向安全避障的实时参考轨迹;动态轨迹跟踪层设计了考虑了质量、转动惯量和前后侧偏刚度参数摄动的鲁棒控制器,以实现实时动态参考轨迹精准跟踪。最后,利用Matlab/Simulink和Trucksim软件联合仿真,进行所提控制策略仿真验证。仿真结果表明：动态轨迹规划层能够依据障碍物汽车加速度和速度实时变化,实时规划了安全侧向避障动态参考轨迹;轨迹跟踪层克服了质量、转动惯量、前后侧偏刚度参数摄动,以及实时参考轨迹不光滑动态变化,平滑良好地跟踪了侧向避障实时参考轨迹。因此,所提控制策略实现了智能汽车安全动态侧向避障,同时确保了避障过程汽车横摆稳定性。     

基于改进人工势场法的动态环境下无人机路径规划

基于传统人工势场法,在相对位置引力场和斥力场函数中分别引入目标与障碍物的速度矢量,将其位置动态变化信息融入在改进后的相对速度引力场和斥力场中,引入相对位置引力、相对速度引力、相对位置斥力、相对速度斥力等比例调节因子,建立改进后的人工势场函数及多障碍物合力函数,并在模拟环境下进行仿真。结果表明,该改进人工势场法能满足无人机在目标与障碍物动态变化条件下的路径规划的安全性、实时性和可达性,并提高了动态环境中无人机的跟踪与避障速度。     

移动机器人避障路径规划改进人工势场法

针对路径规划中的大型障碍物,机器人、障碍物与目标点三者一线,以及局部最小值等困难问题,提出了相应的改进人工势场算法。针对大型障碍物问题,采用障碍物边界斥力算法改进传统人工势场斥力函数,确保算法的实用性。针对机器人、障碍物与目标点三者在同一条直线时目标不可达问题,应用虚拟子目标引力算法,确保目标点是机器人的势场全局最小点,使得机器人能顺利到达目标点。针对在障碍物环境下的局部最小值问题,采用区域隔离障碍物的方法,使机器人快速走出局部最小值区域。仿真结果验证了改进算法的有效性。     

未知环境中机器人避障路径规划研究

针对人工势场法机器人路径规划具有目标不可达与存在局部极小值点等问题,提出了改进后的人工势场法模型,将未知环境中的障碍以网格地图的形式设计出来,使机器人通过感知来规避障碍朝目标移动。运用MATLAB GUI设定形成一个包含障碍与目标点的二维坐标系统环境,在其平面地图中使机器人从初始位置到期望位置进行最优轨迹移动仿真试验。试验显示,改进后的人工势场法能使移动机器人在未知环境中导航避开障碍并找出合适路径,以达到无碰撞要求。仿真结果接近预期效果,表明该方法能有效提高移动机器人在未知环境中路径规划的可行性及其避障的有效性。     

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划, 提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法. 首先, 建立差速驱动机器人运动模型, 用于操控左右两个驱动轮线速率, 完成机器人转弯及非匀速运动; 其次, 利用Bézier曲线描述路径状态, 将路径规划问题转换为产生Bézier曲线有限点方位优化问题, 提升机器人的运动平滑性; 最后, 引入遗传算法将二维路径编码简化为一维编码问题, 将路边约束、 动态避障需求及最短路径需求混合成适应度函数, 使机器人尽快脱离局部极小解, 成功绕过障碍物抵达目标点. 仿真实验结果表明, 该方法的避障路径规划效果较好, 避障路径距离为30.19 m, 且避障用时低于对比方法, 最长避障用时为5.3 min.     

一种双阶段多智能体路径规划算法

多智能体路径规划旨在解决多个智能体在同一工作空间内生成无碰撞路径的问题,是智能体无人化工作的关键支撑技术。基于回溯思想和自适应局部避障策略,提出了一种双阶段多智能体路径规划算法。在全局路径规划阶段,基于回溯思想改进的RRT~*(rapidly-exploring random trees star)算法(back tracking rapidly-exploring random trees star, BT-RRT~*),减少无效父节点,并确保各智能体生成优化的无碰撞路径。在协作避障阶段,智能体依据自身的任务优先级制定局部避障策略,避开动态障碍物和其他智能体。实验结果表明,该算法可成功寻找较优路径,还可降低避障时间。     

无人驾驶拖拉机实时避障路径规划算法

为了实现无人驾驶拖拉机在直线作业时的实时避障路径规划功能,提出一种在改进最短切线法的基础上用五次多项式函数规划路径的避障路径规划算法。针对最短切线法规划的路径曲率不连续、难跟踪控制的问题,首先采用改进最短切线法求相关坐标点,然后基于求得的坐标点用五次多项式函数求解路径,最后得到由两段五次多项式函数曲线和直线组成的曲率连续的避障路径。对避障路径规划算法进行仿真,结果表明,该算法生成路径长度短、实时性好、安全性高。基于常州东风无人驾驶拖拉机的运动学模型设计一种模型预测控制器,在Simulink与CarSim联合仿真平台上对无人驾驶拖拉机的避障路径规划及跟踪控制进行联合仿真,结果表明：与改进最短切线法相比,基于五次多项式函数的路径规划算法规划的路径跟踪控制精度更高,更易于跟踪控制。     

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法. 上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量. 下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率. 通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.     

基于改进双向A星和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划,并提出基于碰撞检测的动态步长和双向去除冗余点方法,在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性.仿真实验表明,所提方法规划的路径长度短、耗时少,并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛，为了达到自动引导车在路径规划中要达到全局最优，实时避障的要求，提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径，根据A-Star算法进行优化，引入自适应启发函数，并进行路径关键点选取，删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低，路径不平滑的问题。动态障碍物躲避采用DWA算法，优化评价函数，提升了规划效率。仿真结果表明，融合优化后的A-Star算法与优化后的DWA算法，减小了搜索范围，提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升，最终实现全局最优路径规划和局部动态实时避障。