未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH+ 避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验.结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地.基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上.     

基于激光雷达的移动机器人避障策略研究

激光雷达具有扫描精度高的优点,因此采用激光雷达来获取机器人周围环境信息.针对VFH算法中波谷宽度的计算以及纯转向问题,提出了一种方法来计算波谷的宽度以及检测机器人在该波谷的可通行性,在获得目标方向的基础上增加局部目标点作为VFH算法结果,并在此基础上设计一种平滑转弯的控制策略,使得机器人能够在复杂环境中以平滑路径逼近目标位置.最后通过实验验证了本文平滑避障策略的有效性.     

一种针对VFH系列算法阈值敏感问题的改进策略

针对VFH系列算法的阈值敏感问题,提出了一种新的自适应阈值改进策略.综合考虑移动机器人硬件特性、运动特性和目标点环境设置初始阈值、确定阈值范围.使用阈值评价函数,对可选范围内的每组阈值与可通行方向进行综合评价,使得机器人能够实时选取适合当前情况的阈值.最后在ROS上实现算法,并使用EAI移动机器人平台进行多次对比实验.实验结果证明,使用自适应阈值改进策略后,机器人能够避免局部死区,并在目标周围存在障碍物时,以较短的无碰撞平滑路径顺利到达目标位置.     

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。     

基于记忆矩阵A*引导域的VHF算法改进策略

针对机器人采用VFH算法避障容易陷入局部死区的问题，提出为机器人增加记忆地图的方法.在面对未知环境时，采用了一种新的自适应阈值策略，在一定程度上避开局部死区抵达目标点，同时在首次避障时生成记忆地图.在二次避障过程中通过记忆地图产生低分辨率A*引导域，使用改进的代价函数，使A*引导域与VFH算法有效结合，以较优的路径完成避障过程，同时能实时适应周围环境的变化.最后，在MATLAB上针对不同环境进行算法仿真对比.实验结果表明，使用新的自适应阈值策略能在未知环境下完成避障过程并产生记忆地图；在记忆地图的基础上使用A*域的引导，能使机器人适应周围环境变化的同时以较优的路径顺利到达目标位置.     

单目视觉引导下的无人艇局部避障方法

针对无人艇（unmanned surface vehicle,USV）在作业过程中,需要及时躲避未被标注在地图上的漂浮障碍,并及时返回规划航道的问题,提出一种基于单目视觉的无人艇局部避障方法。避障方法使用YOLO网络识别图像中的障碍物,结合针孔成像原理和水体自由断面特点,解决单目视觉尺度不确定问题,从图像中恢复出障碍物的宽度及深度信息;针对无人艇惯性大,机动性差的特点,引入虚拟水道宽度等信息素,提出了改进的向量场直方图算法（vector field histogram plus,VFH+）;算法参考当前障碍疏密,动态调整不同信息素对最佳航向角计算的影响,引导无人艇在兼顾全局导航信息情况下,应对未知漂浮障碍物快速自动局部避障。基于水动力模型和Gazebo仿真引擎搭建无人艇避障的仿真实验平台。在仿真中快速迭代研究算法的参数范围及控制效果,实现了无人艇在舱内空间和能量均有限的工况下,仅使用单目视觉传感器,兼顾全局路径规划和局部障碍信息,自动化高效躲避漂浮障碍,并在脱离障碍后回归原有规划路径的功能。