机器人路径规划的凸点法

在具有障碍物的凸多边形或凹多边形的二维环境中，用不断搜索凸点的方法规划任意两点间的无碰路径，与其他方法相比，其规划速度快，优化后的路径质量较好．     

避障问题最短路径的两级动态规划算法

研究了任意点对的平面避障问题.用凸多边形表示障碍物,凸多边形的集合构成障碍环境.在此基础上,提出了一种新的路径规划思路:对图结构进行扩展,用传统的Floyed算法进行一级规划;对传统Floyed算法扩展后进行二级规划,很好地解决了任意点对的平面避障问题.利用矢量间夹角的关系来判断障碍环境中点对的连线是否交叉于多边形.经理论证明和算例验证,该算法方便简洁,容易实现,表明了算法的正确性.     

基于简单凹多面体的凸剖分算法

本文依据凹多边形的特征,把其分为梳状多边形和普通凹多边形,并采取不同的剖分策略。对于梳状多边形,依据其特征采用角平分线划分,能够得到最少数目的凸多边形;而对于普通多边形以对角线划分为主,角平分线划分为辅,每次能够划分出包含顶点个数尽可能多的凸多边形,最终能够得到次最少数目的凸多边形。从而减少计算Minkowski子和的数目,提高了整个Minkowski和求和算法的速度。     

马尔可夫性在AGV全局路径规划中的应用

通过对现有环境模型和路径规划算法的分析,提出了新的环境建模方法和基于已知环境信息的全局路径规划算法。对FMS采用机床位姿增广阵(APMM)和机床相对位姿阵(RPMM)进行建模,所建模型具有环境信息存储量小,数据易维护、易扩充等优点。最优路径的规划采用概率选择法,路径结点并行选择;最优路径取最大概率路径,路径规划效率高。仿真结果表明,所提出的路径规划算法具有简单、快速、可靠、并行搜索等优点。     

移动机器人路径规划算法综述

为提高机器人路径规划的搜索速度,缩短搜索时间,总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史,并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结,并从移动机器人对环境掌握情况的角度出发,将移动机器人路径规划分成全局规划和局部规划两类,然后对全局规划和局部规划的相关算法进行综述,同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。     

切点法在路径规划中的应用

移动机器人研究中的一个重要领域是机器人路径规划方法，它分为环境信息完全已知的路径规划和环境信息完全未知或部分未知的路径规划，对于环境已知的路径规划，本文提出了基于切点的可视图法，并进行了相关的仿真试验。     

基于四叉树和改进蚁群算法的全局路径规划

为解决机器人在大范围二维平面区域内的路径规划问题,提出一种四叉树和改进蚁群算法相结合的路径规划方法.基于四叉树分解法,对路径规划的二维区域进行环境建模,在环境建模的基础上,采用改进蚁群算法进行高效的路径规划.四叉树在完整地记录环境信息的同时对环境信息进行了高效地压缩,改进蚁群算法可以规划出与障碍物保持一定安全距离的路径,提高了规划出的路径的实用性.仿真实验表明,提出的路径规划方法在执行效率和路径的实用性上取得了良好的平衡,可以高效地对大区域进行路径规划.     

基于自学习可见图的机器人路径规划

针对未知环境下的机器人路径规划问题 ,提出了一种基于自学习可见图与局部最优的路径规划算法 .在这种算法中 ,采用自学习可见图来表示环境 ,并在路径规划的过程中逐步建立自学习可见图 .在避障上设计一个局部最优算法并提出了一种局部路径规划算法 .实验表明 :该方法规划速度快 ,并且能规划出局部最优的路径 ,满足未知环境下机器人路径规划的要求 .     

基于时间弹性带的移动机器人路径优化方法

传统的路径规划并未明确地纳入运动的时间和动力学方面,因此忽略了运动或动态运动模型在有限的速度和加速度下施加的约束。针对这种情况,将时间弹性带算法引入局部路径优化,有效地优化了机器人轨迹的动力学约束,同时明确纳入时间信息以确保在最短时间内到达目标点,确保了移动机器人导航的快速性。将基于噪声的密度聚类算法(DBSCAN)引入地图转换,将局部代价地图层的点障碍物聚类为凸多边形,使得障碍物约束部分计算量大大减少,总体上减少了机器人导航所需时间,提升了导航的快速性。在仿真环境和真实场景下的实验都验证了上述改进的有效性。     

一种凸多边形直径算法

在研究凸多边形性质的基础上,构建一种新的凸多边形直径算法.该算法首先计算凸多边形顶点x坐标、y坐标的极值点,然后通过极值点将凸多边形分为几个区域,最后计算这些不同区域中顶点的距离可得凸多边形的直径.该算法简单,运行效率高.     

基于二层结构的路径规划系统

本文提出了智能系统中的二层路径规划子系统,其中的全局路径规划层接收来自任务规划子系统的目标序列,针对已知的静态障碍环境信息,采用基于 Hopfield 人工神经网络(HANN)算法的新型路径规划方法,得出点到点的直线路径(预直线路径)序列,并进行了仿真。局部路径规划与跟踪层接收来自全局路径规划层的预直线路径,考虑全局路径规划层未知的静态和动态障碍,采用势场法来进行局部路径规划与跟踪,并进行了仿真。     

对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

孔群钻削的运动规划和加工路径优化研究

本文对三轴直角坐标机械手的运动规划和加工路径优化方法进行研究。此设备用于钢琴弦轴板群孔钻削加工。首先,采用抛物线过渡的线性插值算法,对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹。然后,基于遗传算法,以最短加工路径为目标,以无碰撞地绕过所有的障碍物为约束条件,获得孔群钻削的优化加工路径。并以六种型号弦轴板进行计算验证,计算结果验证了算法的有效性。     

采用RSPM-PS算法的机械手末端避障路径规划

为解决工业机器人机械手末端避障路径规划需要花费大量时间,且规划的路径可能会包含大量冗余分段点的问题,提出一种基于分段点迁移递归(RSPM)和递进约简(PS)的机械手末端避障路径规划方法.通过RSPM算法可以在碰撞段上形成分段点并进行迁移,进而递归处理各分段路径,得到一条无碰撞基础路径.通过PS算法可以去除基础路径上的冗余分段点,得到最终路径.结果表明：RSPM-PS算法能快速规划更短的基础路径且能快速有效缩短路径长度.     

移动机器人路径规划的一种改进蚁群算法

提出了一种复杂静态环境下的移动机器人避碰路径规划的改进蚁群算法。基于栅格法的工作空间模型,模拟蚂蚁觅食行为,并针对移动机器人的路径规划的需要,将一些特殊功能赋予常规的蚁群算法。为了避免移动机器人的路径死锁,在路径搜索过程中,当蚂蚁探索到一个死角时,建立了相应的死角表,同时用惩罚函数来更新轨迹强度。仿真研究表明:该算法能明显改善路径规划性能,并且算法简单有效。     

工业机器人避碰路径启发式搜索方法

介绍一种新的最短避碰路径搜索方法.在整个搜索过程中,启发式方法作为一种指导原则帮助机器人建立并发展智能,从而使机器人能够选择最短路径有可能经过的微型空间进行搜索.这种方法在5R“金钥匙”机器人上得到实现.     

生物激励神经网络路径规划仿真研究与改进

生物激励神经网络移动机器人路径规划方法是一种新颖的方法,可用于在动态不确定环境下生成实时的避障轨迹.本文的仿真结果表明当该方法被应用于点对点路径规划时,生成路径可能不满足路径长度要尽可能短的约束条件;当该方法被应用于全覆盖路径规划时,生成路径可能不满足覆盖过程应有规律和重复覆盖应尽可能少的约束条件.本文对上述出现的不合理现象进行了理论分析并分别提出了在点对点路径规划中引进目标制导和在全覆盖路径规划中引进规则制导的改进方法.仿真结果表明改进方法是有效的.     

煤矿救援机器人全局路径规划

全局路径规划是煤矿救援机器人自主导航的关键技术之一,其任务是按照某一最优指标寻找一条从起始点到目标点的安全避碰路径。文中针对矿难发生后,井下部分巷道的局部环境不确定的特点,提出以矿难前的已知GIS系统为基础,结合改进蚁群算法获取环境不确定情况下的优化路径,从而获得全局最优路径的策略;依据安全性、路径最短原则设计了适应值评价函数,依此作为路径评价和信息素更新的依据;为避免停滞现象,采用确定性选择和随机选择相结合的路径选择策略。实验结果验证了算法的正确性和有效性。     

机器人在时变环境中的运动规划

时变环境中的避障运动规划是当今智能机器人领域中的一个重要研究课题.木文根据运动状况可分解描述为路径轨迹和速度函数的思想,提出了解决运动规划问题的二层机制.上层是路径规划.即就工作环境中的静态障碍,规划一条避障的最短距离路径;下层是速度规划,其任务是选择机器人沿着已规划路径运动的速度(加速度),以保证它避免与动态障碍物相撞。